网络首发
并联机器人的零姿态奇异与运动精度之间关系的仿真实验
尤晶晶;徐佳萌;陆祎萌;李飒;张毅;针对空间机构的奇异性与运动/力传递性能之间关系模糊的现状，以六自由度空间并联机器人为研究对象，分别在位形空间和速度空间内，研究了机构的零姿态奇异对输出运动精度的影响。首先，通过逆运动学仿真实验，测量移动副的驱动量。其次，在移动副驱动量中添加0.01%的随机噪声后，开展正运动学仿真实验，并计算动平台的输出位形误差和输出速度误差。然后，以转动Jacobian矩阵条件数的倒数为指标，度量机构所处位形距离零姿态奇异位形的“远近”程度。结果显示，当并联机器人重构为“2-2-2”和“3-2-1”拓扑构型时，零姿态奇异性能指标值应分别大于0.16和0.28。最后，对比分析了两种构型的输出运动特性，结果表明前者的运动传递性能更优越。
DoS攻击与FDI攻击下基于观测器的多智能体系统的包容控制
鲍玉凡;曹阳;多智能体系统（multi-agent system， MAS）在编队控制、协同容错控制等诸多领域广泛应用，其一致性控制至关重要，但实际网络环境面临通信负载及网络攻击等多重挑战。针对混合网络攻击下车联网系统的包容控制问题，提出基于输出反馈观测器的事件触发控制算法。首先，根据DoS攻击的休眠期与激活期建立DoS攻击模型，并结合针对执行器和传感器的FDI攻击构建混合网络攻击模型，通过设计一个输出反馈观测器估计节点当前状态，就解决智能体无法获取自身状态信息的问题，并引入事件触发机制降低通信负载。最后，根据Lyapunov稳定性定理给出了混合网络攻击下车联网系统实现包容控制的充分条件，揭示了DoS攻击对车联网系统稳定性的影响，排除了事件触发中的芝诺现象。仿真结果表明，在不同的网络攻击环境中，系统仍能实现包容控制。
基于向列型液晶的小型化微波移相器设计
吕先洋;段金圆;谢慧琳;朱家奇;Bassem MEDDEB;为解决传统移相器设计中存在电路结构复杂、直流功耗大、插损随频率的增高而变大等缺陷，利用液晶材料的双折射原理，提出了一种基于向列相液晶材料的微波波段小型移相器设计方案。利用液晶各向异性的特性，液晶分子的轴向通过薄膜定向层进行初始化锚定，分子的长轴取向通过改变外置偏压形成的电场进行调节，从而改变液晶作为器件衬底材料的介电常数。本文设计并制作了移相器样品，通过改变外加偏压值，成功地控制了液晶分子团簇的局部轴向取向，完成射频调制功能。设计样品中采用的液晶材料的介电各向异性为0.45。器件可工作于三个频段，在高频段中移相范围最大，当工作频率为20 GHz时移相范围可达到33°。测量结果验证了设计和制作工艺的有效性。采用相同的制备工艺，可进一步优化设计以扩大差分相移的范围和设计制作基于向列型液晶的毫米波可调器件。
人类视觉启发的模糊卷积神经网络
顾苏杭;李晨阳;朱培逸;卷积神经网络(convolutional neural networks，CNN)在深度学习领域展现了良好的数据表示和分类能力，并在图像分类方面取得了显著的成果。然而，图像数据中的不确定性会在CNN提取特征的过程中逐层传播，导致其无法实现精确的特征表示并影响模型的分类性能。针对该问题，提出一种人类视觉启发的模糊卷积神经网络。该网络中的卷积操作可模拟人类视觉的处理机制，具体包含基于中央视觉和周围视觉的卷积操作。基于中央视觉的卷积操作用于提取目标的主要特征，而基于周围视觉的卷积操作则通过模糊规则推理实现增强目标特征的表示能力，有助于目标特征的精准提取。分析结果表明，基于周围视觉的卷积操作在理论上与NIN（Network In Network）等价，并且基于模糊规则推理，可在一定程度上提升所提CNN卷积过程的可解释性。在MNIST、17flowers以及BreastMNIST数据集上的分类实验结果验证了所提方法的有效性。
基于多阶段特征融合的人体动作情感识别方法
许涵坤;郭明;周坤;邱建龙;随着人工智能技术的快速发展，情感识别已成为智能人机交互领域的重要研究方向。目前，大多数情感识别研究主要依赖面部表情和语音信息，但这些信息易受环境因素影响。相比之下，人体动作不仅能够有效传递情感信息，还能在一定程度上避免环境干扰。因此基于九轴惯性传感器采集了六种肢体动作的惯性数据，并结合手动标注与定量评分法生成情感标签。针对该情感识别任务，提出了一种融合多阶段特征的轻量级神经网络，以实现基于人体动作的情感识别。该方法利用MobileNet v2 网络提取深层特征，并结合局部二值模式（local binary pattern， LBP）特征增强浅层纹理信息，以减少特征丢失问题。提取的特征经过特征级融合后，被馈送至线性支持向量机（support vector machine， SVM）进行分类，以提升情感识别的准确性。实验在验证集和测试集上的准确率分别达到了99.3%和98.84%，该结果表明在计算复杂度较低的情况下，该模型仍能保持较高的识别精度和效率。模型在JAFFE和CK+数据集上同样达到较高水平，与传统方法相比，该模型在准确性和计算效率方面均表现出显著优势，展现了其在实际情感识别应用中的潜力。
人工智能在先天性心脏病产前辅助诊断中的研究进展
陈伟;包俊泽;张陈潇;卜昱铭;丁梅;张天航;申红明;张远鹏;先天性心脏病（congenital heart disease， CHD）作为最常见的出生缺陷之一，也是新生儿死亡的重要原因。近年来，人工智能（artificial intelligence， AI）技术在产前影像学检查、胎心监护辅助及遗传学等多个领域展现出了卓越的性能，为CHD的产前诊断开辟了新途径。文章综述了AI在CHD产前诊断中的应用情况。首先，深入分析了AI在产前影像学检查中的具体应用；其次，总结了AI在胎心监护辅助与遗传学两大领域的研究现状与取得的成果；最后，文章指出了当前AI在CHD产前辅助诊断中存在的局限性，并展望了其未来的发展方向与潜力。