av天堂亚洲国产av,与子乱刺激对白在线播放

空地機(jī)器人協(xié)同導(dǎo)航方法與實(shí)驗(yàn)研究[嵌入式技術(shù)][工業(yè)自動(dòng)化]

地面移動(dòng)機(jī)器人與空中飛行機(jī)器人的功能互補(bǔ)作用具有明顯的優(yōu)越性，對(duì)于提高任務(wù)的完成度具有重要的作用，因此近年來越來越受到研究人員的關(guān)注?？盏貦C(jī)器人協(xié)作的一種典型模式是通過空中機(jī)器人的大范圍環(huán)境感知能力為地面機(jī)器人提供路徑導(dǎo)航信息，為此，首先搭建了空地機(jī)器人協(xié)作平臺(tái)并利用空中視覺傳感信息對(duì)地面環(huán)境進(jìn)行感知和識(shí)別；然后，利用路徑規(guī)劃算法對(duì)路徑進(jìn)行規(guī)劃并精簡(jiǎn)指令；最后，地面機(jī)器人結(jié)合機(jī)器視覺執(zhí)行任務(wù)。實(shí)驗(yàn)驗(yàn)證成功率在80%以上，表明該方法具有較好的可行性。

發(fā)表于：11/5/2018

基于國(guó)產(chǎn)化平臺(tái)監(jiān)控軟件的設(shè)計(jì)與實(shí)現(xiàn)[嵌入式技術(shù)][安防電子]

目前的監(jiān)控設(shè)備大部分是基于國(guó)外的基礎(chǔ)軟硬件研制開發(fā)的，存在核心技術(shù)受制于人的安全隱患。針對(duì)該問題，提出一種基于國(guó)產(chǎn)化軟硬件平臺(tái)的監(jiān)控軟件設(shè)計(jì)與實(shí)現(xiàn)。通過分?jǐn)?shù)據(jù)庫(kù)存儲(chǔ)實(shí)現(xiàn)插入、查詢算法的優(yōu)化，采用多線程設(shè)計(jì)實(shí)現(xiàn)大量并行數(shù)據(jù)的接收與處理，利用面向?qū)ο蟪绦蛟O(shè)計(jì)方法實(shí)現(xiàn)數(shù)據(jù)接收層、處理層和展示層的有效分離。設(shè)計(jì)的軟件經(jīng)實(shí)際環(huán)境應(yīng)用，表現(xiàn)出良好的數(shù)據(jù)承載能力、實(shí)時(shí)性和可靠性，同時(shí)具有較好的可擴(kuò)展性和可維護(hù)性。

發(fā)表于：11/5/2018

基于有向最短路徑的冠脈主分支全自動(dòng)提取算法[嵌入式技術(shù)][醫(yī)療電子]

在臨床應(yīng)用中，從心臟計(jì)算機(jī)斷層掃描血管造影CTA圖像中提取冠狀動(dòng)脈的中心線一直是一個(gè)具有挑戰(zhàn)性的研究課題。因此，提出了一種基于模型映射的有向最短路徑算法，全自動(dòng)地提取和識(shí)別冠脈主分支中心線。在提出的方法中重新定義了最短路徑的代價(jià)函數(shù)，并利用先驗(yàn)?zāi)Ｐ吞峁┕诿}感興趣區(qū)域和冠脈中心線的方向信息，全自動(dòng)地提取冠脈主分支的中心線。在實(shí)驗(yàn)中，基于先驗(yàn)?zāi)Ｐ偷挠邢蜃疃搪窂皆谥行木€提取過程中顯示出較強(qiáng)的魯棒性，冠脈3個(gè)主分支中心線提取結(jié)果的平均重疊率達(dá)到了81.0％。

發(fā)表于：11/2/2018

基于深度學(xué)習(xí)的煙霧識(shí)別研究[嵌入式技術(shù)][安防電子]

基于Google第二代人工智能學(xué)習(xí)系統(tǒng)TensorFlow構(gòu)建神經(jīng)網(wǎng)絡(luò)對(duì)煙霧圖像進(jìn)行識(shí)別檢測(cè)，通過改進(jìn)的運(yùn)動(dòng)檢測(cè)算法截取疑似煙霧區(qū)域圖像，并結(jié)合PCA降維算法和Inception Resnet v2網(wǎng)絡(luò)模型在TensorFlow平臺(tái)下進(jìn)行煙霧特征的訓(xùn)練識(shí)別。該算法實(shí)現(xiàn)了較大范圍的火災(zāi)實(shí)時(shí)檢測(cè)報(bào)警，經(jīng)過實(shí)驗(yàn)證明整個(gè)檢測(cè)過程準(zhǔn)確地識(shí)別了視頻流中的煙霧區(qū)域，相比于傳統(tǒng)煙霧識(shí)別方法具有更高的準(zhǔn)確率和自適應(yīng)性，為大范圍的火災(zāi)煙霧報(bào)警提供了一種有效方案。

發(fā)表于：11/2/2018

基于休眠策略的異構(gòu)網(wǎng)絡(luò)資源分配研究[通信與網(wǎng)絡(luò)][其他]

為了有效緩解異構(gòu)網(wǎng)絡(luò)中的干擾以及能耗問題，提出了基于基站休眠策略的多目標(biāo)優(yōu)化資源聯(lián)合分配方案，建立了以宏用戶受到的跨層干擾最小和低功率節(jié)點(diǎn)的能量消耗速率最小的多目標(biāo)優(yōu)化模型，進(jìn)而采用改進(jìn)非支配排序遺傳算法對(duì)該模型進(jìn)行求解且對(duì)其有效性進(jìn)行了仿真分析。仿真結(jié)果表明，所提方案與現(xiàn)有方案相比，能更好地減小宏用戶受到的跨層干擾，同時(shí)能降低低功率節(jié)點(diǎn)的能量消耗速率。

發(fā)表于：11/2/2018

?一種基于RB-HARQ安全傳輸技術(shù)的吞吐量最大化方法[通信與網(wǎng)絡(luò)][信息安全]

在基于可靠度混合自動(dòng)重傳技術(shù)（Reliability-Based Hybrid ARQ, RB-HARQ）的物理層安全編碼中，提出一種根據(jù)信道條件選擇最優(yōu)重傳比特?cái)?shù)目的方法，該方法能夠在保證安全性的條件下實(shí)現(xiàn)吞吐量最大。在RB-HARQ技術(shù)中，接收端將碼字比特按照可靠度信息大小進(jìn)行排列，將最低可靠度的比特重傳給發(fā)送端。為了最大化吞吐量，利用密度進(jìn)化算法和軟合并的方法計(jì)算出相應(yīng)節(jié)點(diǎn)的信息概率密度，通過近似得出理論誤比特率，在此基礎(chǔ)上從理論上得出最佳重傳數(shù)目方案。仿真結(jié)果表明，所提算法與傳統(tǒng)的RB-HARQ算法相比，在保證安全性和可靠性的條件下，顯著提高了吞吐量，并且驗(yàn)證了理論分析的正確性。

發(fā)表于：11/1/2018

基于流行度的P2P流媒體復(fù)制算法[通信與網(wǎng)絡(luò)][其他]

通過把赤字帶寬引入到流媒體文件流行度中，定義了一種新的流媒體文件的流行度, 以該流行度為依據(jù)，確定需要復(fù)制的流媒體文件，將節(jié)點(diǎn)按綜合性能指標(biāo)進(jìn)行排序，把副本放置在綜合性能高的節(jié)點(diǎn)上。在副本放置空間不足時(shí)需要進(jìn)行副本替換，替換掉副本實(shí)際數(shù)量與期望數(shù)量之比中比值最大的文件，以復(fù)制新的文件。實(shí)驗(yàn)表明，和比例復(fù)制算法相比，本算法的工作負(fù)載更早進(jìn)入穩(wěn)態(tài)，平均提前了總仿真時(shí)間的13%。穩(wěn)態(tài)時(shí)，工作負(fù)載更小, 工作負(fù)載是比例復(fù)制算法的33.3% ；達(dá)到流媒體文件請(qǐng)求速率的節(jié)點(diǎn)數(shù)量比比例復(fù)制算法的節(jié)點(diǎn)數(shù)量平均多1‰左右；同時(shí)在暫態(tài)時(shí)，本算法的波動(dòng)更加平穩(wěn)。

發(fā)表于：11/1/2018

能量獲取框架下的5G綠色通信小區(qū)選擇算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著蜂窩移動(dòng)網(wǎng)絡(luò)中用戶數(shù)的增加，蜂窩網(wǎng)從以前的單一架構(gòu)轉(zhuǎn)變?yōu)楫悩?gòu)，基站的能量消耗也呈現(xiàn)出了指數(shù)型的增長(zhǎng)。能量獲取是一種新興的技術(shù)，可以節(jié)省傳統(tǒng)電網(wǎng)的能量并減少無線通信中的碳排放量。異構(gòu)網(wǎng)絡(luò)中的小區(qū)選擇是影響系統(tǒng)性能的關(guān)鍵因素。從能量獲取、能量協(xié)作、異構(gòu)網(wǎng)絡(luò)等方面考慮，提出了一種折中能量獲取、能量消耗、負(fù)載均衡、接收速率等性能指標(biāo)的小區(qū)選擇算法。仿真結(jié)果表明，該算法可以減少基站對(duì)電網(wǎng)能量的需求，增加用戶選擇的可能，滿足公平性和有效性，可適用于5G綠色通信。

發(fā)表于：11/1/2018

基于卷積神經(jīng)網(wǎng)絡(luò)的詩(shī)詞隱寫檢測(cè)方法[通信與網(wǎng)絡(luò)][其他]

利用詩(shī)詞作為載體實(shí)現(xiàn)文本信息隱藏是近兩年非常熱門的研究方向。這一類方法具有隱藏容量大并且隱蔽性高的優(yōu)點(diǎn)。然而現(xiàn)在還沒有針對(duì)這一類方法的非常有效的隱寫檢測(cè)算法。提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的詩(shī)詞隱寫檢測(cè)算法，該算法能自動(dòng)判斷輸入的文本是否含有隱藏信息。通過大量數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練并測(cè)試，實(shí)驗(yàn)結(jié)果顯示所提出的模型能達(dá)到94.8%的檢測(cè)準(zhǔn)確率，表現(xiàn)出非常高的詩(shī)詞隱寫檢測(cè)性能。

發(fā)表于：11/1/2018

基于連續(xù)時(shí)隙探測(cè)的防碰撞算法研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為進(jìn)一步提高標(biāo)簽的識(shí)別速度，針對(duì)動(dòng)態(tài)幀時(shí)隙類算法對(duì)幀長(zhǎng)調(diào)整的不靈敏性以及Q算法中Q值調(diào)整的高計(jì)算復(fù)雜度，提出了一種基于連續(xù)時(shí)隙探測(cè)的RFID防碰撞算法，詳細(xì)闡述了該算法的思想和運(yùn)算流程。該算法通過探測(cè)識(shí)別幀中連續(xù)時(shí)隙的應(yīng)答狀況，利用設(shè)定的規(guī)則調(diào)整幀長(zhǎng)，使系統(tǒng)工作在最佳狀態(tài)。仿真結(jié)果表明，與標(biāo)準(zhǔn)QA算法相比，改進(jìn)的算法縮短了系統(tǒng)4%的識(shí)別時(shí)延，提高了系統(tǒng)6%的識(shí)別速度。

發(fā)表于：10/31/2018

一種基于RFID和WSN的分布式節(jié)點(diǎn)定位方法[測(cè)試測(cè)量][工業(yè)自動(dòng)化]

射頻識(shí)別（RFID）技術(shù)和無線傳感網(wǎng)（WSN）技術(shù)在當(dāng)今移動(dòng)定位、目標(biāo)識(shí)別與跟蹤方面具有廣泛的應(yīng)用。針對(duì)這兩種技術(shù)在定位領(lǐng)域的應(yīng)用局限，如感應(yīng)距離、識(shí)別效率、組網(wǎng)能力等方面限制，提出一種網(wǎng)絡(luò)節(jié)點(diǎn)定位方法，將具有標(biāo)識(shí)能力的射頻識(shí)別（RFID）技術(shù)與具有通信、傳感能力的無線傳感網(wǎng)（WSN）技術(shù)相結(jié)合。首先，利用射頻標(biāo)簽的感應(yīng)范圍獲取準(zhǔn)確的參考區(qū)域；然后，采用基于指紋的非測(cè)距定位方法在選定參考區(qū)域估算移動(dòng)節(jié)點(diǎn)實(shí)時(shí)位置。仿真結(jié)果表示，在分布式網(wǎng)絡(luò)定位應(yīng)用中，所提出的算法有效提升了移動(dòng)節(jié)點(diǎn)的定位精度，同時(shí)節(jié)約了網(wǎng)絡(luò)資源，提升了定位效率。

發(fā)表于：10/31/2018

基于VR技術(shù)的培訓(xùn)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[測(cè)試測(cè)量][物聯(lián)網(wǎng)]

隨著計(jì)算機(jī)技術(shù)和虛擬技術(shù)的發(fā)展，虛擬現(xiàn)實(shí)技術(shù)已經(jīng)被廣泛的應(yīng)用到建筑、醫(yī)學(xué)、電力、航空航天、軍事等各個(gè)領(lǐng)域的培訓(xùn)學(xué)習(xí)和模擬中。使用虛擬現(xiàn)實(shí)技術(shù)可以在有限的空間內(nèi)模擬無限的空間環(huán)境，同樣可以讓很多危險(xiǎn)的操作在絕對(duì)安全的情況下進(jìn)行還原，還可以完美地還原各種環(huán)境使得體驗(yàn)者進(jìn)行沉浸式交互體驗(yàn)，而且可以進(jìn)行反復(fù)作業(yè)培訓(xùn)，深入學(xué)習(xí)。介紹了一種基于虛擬現(xiàn)實(shí)培訓(xùn)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)方案，此方案已經(jīng)開始在中國(guó)南方電網(wǎng)中推廣應(yīng)用，并取得良好效果。

發(fā)表于：10/31/2018

改進(jìn)指紋庫(kù)精度下的室內(nèi)定位算法研究[測(cè)試測(cè)量][工業(yè)自動(dòng)化]

隨著傳感器網(wǎng)絡(luò)的不斷發(fā)展，基于位置服務(wù)逐步成為研究熱點(diǎn)，其中的室內(nèi)定位技術(shù)發(fā)展更為迅猛。為準(zhǔn)確而快速地確定室內(nèi)待測(cè)節(jié)點(diǎn)位置，通過對(duì)ZigBee無線網(wǎng)絡(luò)的研究，提出在離線建庫(kù)階段使用基于離群點(diǎn)檢測(cè)與雙閾值濾波算法(頻率閾值和均值閾值)處理采集到的不同接入點(diǎn)(Access Point, AP)的信號(hào)強(qiáng)度指示(Received Signal Strength Indication, RSSI），建立高精度指紋數(shù)據(jù)庫(kù)，然后在線定位階段，結(jié)合使用模糊C均值聚類(Fuzzy C-Means, FCM)和基于頻率因子的加權(quán)K最鄰近算法(Weighting K-Nearest Neighbor, WKNN)計(jì)算出待測(cè)節(jié)點(diǎn)的最終位置，并給出“備用位置”。結(jié)果表明，采用該研究方法建立的指紋庫(kù)在精度上有較大提升，同時(shí)定位精度也顯著提高。

發(fā)表于：10/29/2018

?融合多視角信息的RGB-D圖像協(xié)同顯著性檢測(cè)[嵌入式技術(shù)][其他]

圖像協(xié)同顯著性檢測(cè)旨在檢測(cè)一組內(nèi)容相關(guān)的圖像中的共同的顯著目標(biāo)。盡管在視覺特征學(xué)習(xí)以及檢測(cè)算法等方面已有大量研究工作，但是大多數(shù)協(xié)同顯著性研究集中于RGB圖像，并沒有充分利用圖像深度等顯著信息?？紤]到上述不足以及采用單一圖模型可能在檢測(cè)過程中丟失重要信息，提出了一種基于多視角信息融合的RGB-D圖像協(xié)同顯著性檢測(cè)算法。該方法首先針對(duì)單幅圖像采用深度學(xué)習(xí)網(wǎng)絡(luò)獲得高質(zhì)量的顯著圖，接著采用基于多圖的流行排序算法融合圖像的多種特征初步檢測(cè)到協(xié)同顯著區(qū)域，然后進(jìn)一步利用深度信息進(jìn)行顯著增強(qiáng)，最后采用秩約束算法進(jìn)行顯著信息融合。在標(biāo)準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明了該方法的優(yōu)異性能。

發(fā)表于：10/29/2018

MEMS個(gè)人導(dǎo)航系統(tǒng)設(shè)計(jì)與試驗(yàn)研究[測(cè)試測(cè)量][工業(yè)自動(dòng)化]

設(shè)計(jì)了微機(jī)電系統(tǒng)（Micro-Electro-Mechanical System，MEMS）個(gè)人慣性導(dǎo)航系統(tǒng)。該系統(tǒng)導(dǎo)航算法在傳統(tǒng)慣導(dǎo)算法的基礎(chǔ)上，引入零速校正技術(shù)，并結(jié)合個(gè)人的步行特點(diǎn)，首先采用四元數(shù)法構(gòu)造觀測(cè)方程，并使用畢卡算法的定時(shí)采樣增量法對(duì)方程進(jìn)行解算，然后通過擴(kuò)展卡爾曼濾波算法獲取慣性導(dǎo)航器件的姿態(tài)，采用零速檢測(cè)算法和UD分解的卡爾曼濾波算法對(duì)速度、位置誤差進(jìn)行校正。最后，通過室內(nèi)步行試驗(yàn)，驗(yàn)證了算法的有效性，為進(jìn)一步研究提高室內(nèi)導(dǎo)航精度奠定了基礎(chǔ)。

發(fā)表于：10/29/2018