1 中国科学院空天信息创新研究院，北京 100094
2 中国科学院大学电子电气与通信工程学院，北京 100049
3 空装北四代表室，北京 100041
为满足有源相控阵雷达中发射/接收(T/R)组件的小型轻量化发展要求，提出了一种新型的垂直互联结构。从工艺优化的角度，结合低温共烧陶瓷(LTCC)可制作腔体的特性，用高频结构仿真器 HFSS设计了半嵌入式球栅阵列(BGA)垂直互联结构，分析了半嵌入结构对垂直互联传输性能的影响。结果表明半嵌入式 BGA垂直互联结构，在 X波段回波损耗高于 24 dB，插入损耗低于 0.15 dB; 在 Ku波段，依然能实现回波损耗高于 20 dB，插入损耗低于 0.6 dB。该半嵌入式结构在优化工艺的同时，在 X-Ku波段的较宽频段内可实现良好的微波传输性能。
低温共烧陶瓷 半嵌入式 球栅阵列 垂直互联 微波传输性能 Low Temperature Co-fired Ceramic semi-embedded Ball Grid Array vertical interconnection microwave transmission performance 太赫兹科学与电子信息学报
2023, 21(5): 696
1 南京理工大学自动化学院, 江苏南京 210094
2 南京信息工程大学电子与信息工程学院, 江苏南京 210044
3 南京熊猫信息产业有限公司, 江苏南京 210038
现有的人群计数方法不能够完全适用于轨道交通场景中, 为此, 提出一种基于卷积神经网络的人群计数模型。模型采用 VGG16作为前端网络提取浅层特征, 提出一种基于 Inception结构改进的 M-Inception结构, 结合空洞卷积构成后端网络, 增大感受野, 适应多监控角度下不同尺寸的行人目标; 并提出一种融合行人总数估计损失和密度图损失的加权损失函数。将本文模型与 4种现有模型进行对比实验, 结果表明, 提出的人群计数算法在地铁场景中的平均绝对误差和均方误差仅为 1.46和 2.13, 优于 4种对比模型。考虑到模型的实际应用, 将模型部署到海思嵌入式芯片上, 实测结果表明, 模型可在嵌入式芯片上取得较高的计算速度和准确率, 满足实际应用场景的需求。
人群计数 地铁场景 空洞卷积 嵌入式实现 crowd counting subway scene dilated convolution embedded implementation 太赫兹科学与电子信息学报
2023, 21(7): 934
1 南京邮电大学 集成电路科学与工程学院, 南京 210023
2 东南大学 毫米波国家重点实验室, 南京 210096
基于65 nm CMOS工艺设计了一种25~28 Gbit/s具有自适应均衡和时钟数据恢复功能的光接收机电路。光接收前端采用低带宽设计, 以优化接收机的灵敏度;采用判决反馈均衡器, 以恢复低带宽前端引入的码间干扰。为了适应不同速率和工艺角引入的码间干扰, 结合SS-LMS自适应算法, 实现信号的自适应均衡。无参考时钟数据恢复电路采用鉴频环路拓宽频率捕获范围, 同时将半速率鉴相器嵌入均衡器中, 以降低功耗和成本。后仿真结果表明, 在100 fF光电二极管的寄生电容条件下, 接收前端最大增益达到66 dBΩ, 25%带宽处的等效输入噪声电流为153 pA·Hz-1/2, 光接收机灵敏度为-145 dBm。当电源电压为12 V时, 光接收机的整体功耗为1811 mW。
光接收机前端 判决反馈均衡器 时钟数据恢复电路 无参考时钟 嵌入式鉴相器 optical receiver front end decision feedback equalizer clock data recovery circuit reference-less clock embedded phase detector
针对压电叠堆迟滞带来的非线性效应严重制约系统控制精度提升的问题, 该文提出了一种基于复合控制的压电驱动器控制方法, 对系统非线性误差进行建模补偿, 并基于数控芯片实现了嵌入式驱动设计。采用广义PI模型对被控压电促动器进行建模, 利用指数函数作为密度函数, 并基于粒子群算法对包络函数和密度函数进行参数寻优, 最终得到压电促动器的前馈补偿逆模型, 结合比例积分控制率实现系统的复合控制。同时采用数字信号处理结合现场可编程门阵列(DSP+FPGA)的数控架构, 既保证了逆模型求解过程在DSP中实现的便捷性, 又保证了采样及闭环控制在FPGA中实现的实时性及快速性。实验结果证明了所提设计方法的正确性及有效性。
压电陶瓷 迟滞 广义PI模型 复合控制 嵌入式系统 piezoelectric ceramics hysteresis generalized PI model compound control embedded system
金刚线断线检测是金刚线生产过程中的重要环节。针对现有接触式检测敏感度低、断线反馈滞后等问题，提出了一种基于机器视觉检测强光下金刚线反射的光斑点的非接触式断线检测方法。在金刚线光斑点检测的嵌入式平台上，针对传统图像处理的光斑点检测操作复杂、易受外部光照影响的局限性，研究了基于深度学习的光斑点目标检测，对多种Yolo系列模型进行了训练部署，针对原有模型网络层次较深、模型体积较大，在嵌入式设备中存在检测实时性较差的问题，提出了一种基于Yolox改进的轻量化目标光斑点检测模型MCA-Yolox，利用MobileNetV3轻量化特征提取网络替换Yolox模型的主干特征提取网络，对模型进行轻量化改进，然后利用深度可分离卷积和倒残差结构对加强特征提取网络进行了轻量化改进。结合CA注意力机制提高了轻量化模型的检测精度。最后，将改进后的模型部署于嵌入式平台。实验结果表明，改进后模型MCA-Yolox的大小和运算量减小到Yolox模型的1/3以下，与同样规模的Yolox-Tiny和Yolov4-Tiny相比具有更高的检测精度，模型的mAP提升了1%以上，加速优化后检测速度可达30 frame/s，提供了一种基于深度学习检测金刚线断线的完整工业检测方案。
机器视觉 金刚线 断线检测 光斑点 深度学习 嵌入式 machine vision diamond wire detection of broken wire light spot deep learning embedded type 光学 精密工程
2023, 31(15): 2260
1 宁夏大学 电子与电气工程学院，宁夏 银川 750000
2 宁夏大学 沙漠信息智能感知重点实验室，宁夏 银川 750000
针对现有安全帽佩戴检测算法对密集目标和小目标存在漏检现象且参数多、计算量大，不适合部署在嵌入式设备端等问题，提出了一种改进的YOLOv5安全帽佩戴检测算法YOLOv5-Q。首先，在原网络80×80的特征图上进行2倍上采样操作形成160×160的特征图，新特征图融合了原模型的3层特征信息，形成四尺度检测，提升了密集目标及小目标的检测精度。其次，采用轻量级的GhostNet替换原YOLOv5的主干网络实现特征提取，降低了网络的参数，可以移植在嵌入式设备端实现目标检测。最后，添加注意力机制CA提升特征图中重要信息的权重，抑制非相关信息的权重，从而提升模型的精度。实验结果表明，YOLOv5-Q的模型大小为26.47 MB，参数量为12 696 640，精度为0.937。与YOLOv5相比，YOLOv5-Q算法的参数量减少了39.12%，模型大小降低了37.2%，但是精度仅降低了1.2%。YOLOv5-Q算法提高了密集环境下小目标的检测精度且满足在嵌入式端部署的需求。
YOLOv5 轻量级 安全帽 嵌入式 注意力机制 YOLOv5 lightweight safety helmet embedded attention mechanisms
1 中山大学 物理学院，广东 广州 510275
2 湛江幼儿师范专科学校（岭南师范学院基础教育学院），广东 湛江 524084
3 中山大学 电子与信息工程学院，广东 广州 510275
视觉定位和导航在物流仓储等领域具有广泛的应用前景，传统单目视觉难以实现准确的定位，而双目视觉虽能完成精确的定位和导航，但硬件成本高且影响车体尺寸。提出一种基于特征物形变的单目定位技术，利用单个相机对地面铺设的特征物（带编码的圆环图案）的畸变进行记录，以嵌入式图像处理单元（graphics processing unit,GPU）进行分析，实现端到端的单目视觉定位。其中嵌入式GPU对相机采集的图像通过深度学习目标检测算法识别特征圆环的编码图案，经传统图像处理获取图案物像的形变信息，将该形变信息输入至经极端梯度提升算法（extreme gradient boosting，XGBoost）训练好的回归模型，预测出相机相对图案中心的坐标，同时结合该特征圆环的绝对坐标，最终解算出相机的室内绝对坐标。实验结果表明：在2 m×2 m 的范围内定位平均误差仅为0.55 cm，优于文献报道1个数量级，且算法在电脑端和在嵌入式GPU上的定位解算帧率分别为20帧和4帧，具有实时性。
嵌入式GPU 室内定位 深度学习 回归模型 圆环编码图案 embedded GPU indoor positioning deep learning regression model ring encoded patterns
1 陆军工程大学石家庄校区电子与光学工程系，河北 石家庄 050003
2 中国人民解放军32356部队，青海 西宁 710003
针对现有基于深度学习的轻量级目标检测算法对复杂遥感场景图像中舰船目标检测精度低、检测速度慢的问题，提出了一种面向嵌入式平台的轻量级光学遥感图像舰船实时检测算法（STYOLO）。首先，针对主干网络内存访问成本较高的问题，利用高效网络架构ShuffleNet v2作为主干网络对图像进行特征提取，降低内存访问成本，提高网络并行度；其次，利用Slim-neck特征融合结构作为特征增强网络，以融合较低层级特征图中的细节信息，增强对小目标的特征响应，在多尺度信息融合区域施加坐标注意力机制，强化目标关注以提高较难样本检测以及抗背景干扰能力；最后，提出一种跨域迁移和域内迁移相结合的学习策略，减少源域与目标域的差异性，提升迁移学习效果。实验结果表明：基于光学遥感图像舰船检测公开数据集HRSC2016，与同类型快速检测算法YOLOv5s相比，所提算法的检测精度提高了2.7个百分点，参数量减少了61.77%，在嵌入式平台Jetson Nano上检测速度达到102.8 frame/s，能够有效实现对光学遥感图像中舰船目标的实时、准确检测。
光学遥感图像 舰船检测 实时检测 嵌入式平台 注意力机制 迁移学习 光学学报
2023, 43(12): 1212001
