亚洲欧美精品日韩片,亚洲精品无码中文字幕

等離子體鞘套局部電磁傳輸通道法[其他][其他]

根據(jù)RAM-C高超音速飛行試驗數(shù)據(jù)，給出一種鞘套反演建模法，能夠以一維實驗數(shù)據(jù)，構(gòu)建三維局部電磁傳輸通道。在此基礎(chǔ)上，采用非均勻介質(zhì)射線跟蹤法，研究鞘套對L和S波段部分頻點的能量傳輸干擾。研究發(fā)現(xiàn)，在所關(guān)注頻段，鞘套顯示出一些新的影響特征，例如傳輸匯集效應(yīng)，電磁能量在局域具有沿特定方向傳輸?shù)默F(xiàn)象。該研究結(jié)果可進(jìn)一步促進(jìn)對電波在鞘套中傳播行為的理解，也為相關(guān)問題研究提供了一種更貼近實際物理背景的建模方法。

發(fā)表于：7/28/2021 2:09:00 PM

高增益圓極化星載相控陣天線設(shè)計[其他][其他]

針對衛(wèi)星X波段通信系統(tǒng)大范圍數(shù)據(jù)傳輸?shù)男枨螅O(shè)計具備高增益圓極化可寬角度電掃的星載相控陣天線。此天線陣元采用底饋的饋電方式，利用切角技術(shù)實現(xiàn)圓極化，利用開槽技術(shù)實現(xiàn)小型化。天線陣列錯層排布，使其整體的輻射性能最優(yōu)化。通過發(fā)射組件模塊、波束控制模塊和電源模塊的合理布局和設(shè)計優(yōu)化，使其電掃波束可在離軸角0～60°、方位角0～360°內(nèi)變化。此單機經(jīng)加工后測試結(jié)果良好，對X波段通信系統(tǒng)尤其是相控陣天線的設(shè)計有一定的指導(dǎo)意義。

發(fā)表于：7/28/2021 2:03:00 PM

基于邊緣智能的心電信號處理方法及監(jiān)測系統(tǒng)[其他][其他]

邊緣智能是邊緣計算和人工智能相結(jié)合的產(chǎn)物，它的特性使其特別適合用于進(jìn)行實時心電信號分析。心電圖中體現(xiàn)的心電信號能夠反映人體的心率等生理信息，通過對心電信號的分析及狀態(tài)類型的分類可以檢測人體是否患有心率失常等疾病。然而傳統(tǒng)的心電信號分類研究是針對大量樣本進(jìn)行的單純分類研究，并不適用于實時小樣本分析的邊緣智能場景。提出了一種可行的心電信號處理方法，并設(shè)計了一個基于邊緣智能的心電監(jiān)測系統(tǒng)。實驗結(jié)果表明，該心電信號處理方法具有一定的實用性，能夠在一定程度上滿足邊緣智能場景的要求。

發(fā)表于：7/20/2021 4:29:06 PM

慣性測量單元姿態(tài)融合的動態(tài)分析[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對慣性測量單元背景噪聲和器件漂移等問題，提出了一種基于梯度下降法、互補濾波和卡爾曼濾波的融合算法。首先，利用加速度計和磁力計的數(shù)據(jù)通過幾何計算得出姿態(tài)角。其次，利用梯度下降法，將加速度計和陀螺儀的數(shù)據(jù)進(jìn)行基于四元數(shù)法的數(shù)據(jù)融合，得出姿態(tài)角。接著，利用互補濾波法將姿態(tài)數(shù)據(jù)再次結(jié)合。最后，利用卡爾曼算法對結(jié)合后的數(shù)據(jù)進(jìn)行濾波處理。通過動態(tài)實驗表明，經(jīng)過此融合算法的慣性測量單元與傳統(tǒng)算法相比，數(shù)據(jù)輸出更加準(zhǔn)確，連續(xù)性提高，并擁有很好的平穩(wěn)特性。

發(fā)表于：7/20/2021 4:05:02 PM

一種基于NB-IoT的物聯(lián)網(wǎng)燃?xì)獗硌芯吭O(shè)計[其他][物聯(lián)網(wǎng)]

針對物聯(lián)網(wǎng)技術(shù)的發(fā)展現(xiàn)狀和智能燃?xì)獗韺Φ凸呐c強連接的需求，提出了一種基于NB-IoT技術(shù)的物聯(lián)網(wǎng)智能燃?xì)獗淼脑O(shè)計方案。該方案采用瑞薩R7F0C004芯片作為MCU采集燃?xì)庥嬃繑?shù)據(jù)，以N700-58為通信模組實現(xiàn)網(wǎng)絡(luò)連接，業(yè)務(wù)數(shù)據(jù)經(jīng)由CoAP協(xié)議封裝后發(fā)送到電信AEP平臺，再由AEP平臺推送到燃?xì)獗順I(yè)務(wù)管理平臺系統(tǒng)實現(xiàn)數(shù)據(jù)通信。測試結(jié)果表明，所設(shè)計的燃?xì)獗斫K端無論是在連網(wǎng)收發(fā)數(shù)據(jù)，還是在低能耗方面都達(dá)到了預(yù)期的設(shè)計目標(biāo)，能夠很好地滿足應(yīng)用需求。

發(fā)表于：7/20/2021 3:57:43 PM

空天地一體化網(wǎng)絡(luò)系統(tǒng)架構(gòu)設(shè)計與智能管理[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為了克服空天地一體化網(wǎng)絡(luò)系統(tǒng)(Space-Air-Ground Integrated Network，SAGIN)由于結(jié)構(gòu)復(fù)雜和業(yè)務(wù)多樣而導(dǎo)致的不同網(wǎng)絡(luò)間的協(xié)同困難，提出了基于移動邊緣計算(Mobile Edge Computing，MEC)的SAGIN多維管理架構(gòu)。通過將網(wǎng)絡(luò)系統(tǒng)劃分為數(shù)據(jù)層、控制層和管理層，網(wǎng)絡(luò)狀態(tài)信息由各網(wǎng)絡(luò)層逐層匯總和分層處理，網(wǎng)絡(luò)管理策略由MEC統(tǒng)一制定，并逐層轉(zhuǎn)發(fā)，實現(xiàn)不同網(wǎng)絡(luò)間的協(xié)同管理?；谒峒軜?gòu)搭建網(wǎng)絡(luò)仿真平臺，并通過強化學(xué)習(xí)方法制定網(wǎng)絡(luò)協(xié)同策略，仿真結(jié)果證明了該架構(gòu)的可行性。

發(fā)表于：7/20/2021 3:52:48 PM

基于深度學(xué)習(xí)的抽油機井工況診斷方法[其他][其他]

基于示功圖對抽油機井下工況進(jìn)行自動診斷是數(shù)字油田不可或缺的環(huán)節(jié)。通常通過人工提取示功圖的特征向量，然后輸入機器學(xué)習(xí)算法分類器識別井下工況。然而，特征的選擇需要借助經(jīng)驗和先驗知識，并且直接影響后續(xù)分類器的最終性能。而人工提取特征易受知識干擾，且在特征提取的過程中存在信息丟失，這決定了識別結(jié)果的上限。為此，受深度神經(jīng)網(wǎng)絡(luò)自動特征提取的啟發(fā)，提出基于卷積神經(jīng)網(wǎng)絡(luò)的示功圖的離線訓(xùn)練與在線診斷的方法。首先將挑選后的信號數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)，然后將圖像二值化降低計算復(fù)雜度，最后基于改進(jìn)的LeNet-5網(wǎng)絡(luò)探究最適合模型的網(wǎng)絡(luò)結(jié)構(gòu)。最終通過實驗與目前先進(jìn)的算法進(jìn)行對比，驗證了本方法的有效性和可行性。

發(fā)表于：7/20/2021 3:45:29 PM

改進(jìn)的TF-IDF算法在文本分類中的研究[其他][其他]

企業(yè)數(shù)字化建設(shè)過程中，對大量日常經(jīng)營活動文本的數(shù)字化處理通常是多任務(wù)的，需要對文本數(shù)據(jù)同時完成信息抽取和文本分類任。在此應(yīng)用場景下，為了實現(xiàn)更加精準(zhǔn)的分類效果，提出一種改進(jìn)的TF-IDF算法，將文本信息抽取結(jié)果也作為文本重要類別區(qū)分特征。通過引入信息增益方法得到改進(jìn)的權(quán)重計算公式，進(jìn)而得到改進(jìn)的文本特征向量空間表示，再構(gòu)建文本分類模型。實驗以石油行業(yè)中文文本為例，選取測試文本2 006條進(jìn)行文本分類對比實驗，實驗結(jié)果表明改進(jìn)的TF-IDF算法精確率P達(dá)到99.3%，召回率R達(dá)到98.7%，相比于傳統(tǒng)TF-IDF算法文本分類效果得到顯著提高。

發(fā)表于：7/20/2021 3:27:53 PM

一種應(yīng)用于語義分割的新型親和力監(jiān)督方法[其他][其他]

語義分割是計算機視覺領(lǐng)域一項基本且具有挑戰(zhàn)性的任務(wù)，最近的語義分割研究工作，著力于設(shè)計注意力機制和全局性模塊，而在注意力機制中，親和力矩陣是非常重要的部份。傳統(tǒng)的親和力矩陣是以注意力機制的一部分嵌入在神經(jīng)網(wǎng)絡(luò)中，通常作為特征融合的權(quán)重來使用。嘗試直接將親和力矩陣應(yīng)用于注意力機制之外，與語義標(biāo)簽聯(lián)系起來。首先定義標(biāo)簽親和力矩陣，再在語義分割網(wǎng)絡(luò)輸出層計算親和力矩陣，將兩個矩陣結(jié)合起來，得到一個輔助的懲罰函數(shù)。標(biāo)簽親和力矩陣可以視為一種結(jié)構(gòu)上的監(jiān)督信息，能輔助訓(xùn)練語義分割網(wǎng)絡(luò)。在NYUv2數(shù)據(jù)集上的實驗結(jié)果表明，懲罰函數(shù)有助于提高語義分割網(wǎng)絡(luò)的精度，并且效果顯著。

發(fā)表于：7/20/2021 3:23:02 PM

基于上下文特征重聚合網(wǎng)絡(luò)的人群計數(shù)[其他][其他]

針對計數(shù)問題中人群目標(biāo)尺度的變化問題，提出了一種基于上下文特征重聚合的計數(shù)算法。將高層網(wǎng)絡(luò)提取的語義信息與底層網(wǎng)絡(luò)提取的人群尺度細(xì)節(jié)信息相結(jié)合，旨在利用淺層網(wǎng)絡(luò)中提取的信息向深層網(wǎng)絡(luò)提取的特征中融入不同尺度的行人目標(biāo)特征，從而融合多種尺度的人群特征回歸出高質(zhì)量的人群密度圖。此外，在ShanghaiTech、UCF_CC_50以及 UCF_QNRF 三個數(shù)據(jù)集進(jìn)行算法的性能驗證，并通過結(jié)構(gòu)實驗驗證本文結(jié)構(gòu)的有效性。

發(fā)表于：7/20/2021 3:17:32 PM