一本久道综合在线无码人妻,久久久永久久久人妻精品

Faster R-CNN定位后的工業(yè)CT圖像缺陷分割算法研究[嵌入式技術][工業(yè)自動化]

由Faster R-CNN定位的缺陷區(qū)域內存在弱邊緣，若直接采用常規(guī)分割算法對該小區(qū)域進行處理，會出現(xiàn)嚴重的過分割或欠分割現(xiàn)象。在此研究了一種針對Faster R-CNN定位后的工件缺陷的精確閾值分割法。在利用形態(tài)學開閉重建算法對定位區(qū)域進行重建，并對重建后的圖像用Otsu雙閾值法做變換處理的基礎上，進一步利用最大熵閾值分割法對變換后的圖像進行分割，最終對分割出的缺陷進行面積、周長等參數(shù)的測量。實驗結果表明，所研究算法較常規(guī)的算法對工件的缺陷（裂紋、氣泡和夾渣）有更好的分割能力。該算法不僅可以準確地分割出包含弱邊緣的目標，還可以有效排除輪廓背景對分割的干擾。

發(fā)表于：1/23/2019 1:26:00 PM

無線蜂窩網中用于D2D多播簇的低能耗多播方案[通信與網絡][通信網絡]

研究基站到某個小區(qū)域內多個節(jié)點的設備到設備的高效數(shù)據多播通信技術，提出了一種中繼節(jié)點固定的多播方案和一種中繼節(jié)點動態(tài)選取的多播方案，并以最小化所有接收節(jié)點的總能耗為目標，最優(yōu)化中繼節(jié)點及其發(fā)送功率的選取。相比于傳統(tǒng)方案，該方案可顯著降低多播簇中接收節(jié)點的總能耗。

發(fā)表于：1/22/2019 1:05:00 PM

Massive MIMO中基于統(tǒng)計信道的波束形成和功率分配[通信與網絡][通信網絡]

為了提高大規(guī)模多輸入多輸出系統(tǒng)(Massive MIMO)的總容量，提出了基于統(tǒng)計信道信息的波束形成和功率分配的優(yōu)化算法。所提出的波束形成方法以信噪泄漏比為優(yōu)化標準，而功率分配方案以系統(tǒng)容量為優(yōu)化目標，同時滿足基站總發(fā)射功率約束條件。上述優(yōu)化問題轉化為多個變量的等價優(yōu)化形式，從而可以通過變量的交替優(yōu)化迭代達到收斂。每次迭代過程中均可以求出閉式解，迭代完成后可得到優(yōu)化的功率分配方案。仿真結果表明，相比于平均功率分配方案，該算法能有效地提高系統(tǒng)的總容量。

發(fā)表于：1/22/2019 11:52:00 AM

一種稀疏度自適應的SIMO-NOMA系統(tǒng)多用戶檢測算法[通信與網絡][通信網絡]

非正交多址接入（NOMA）可以通過對資源的非交使用來提高頻譜利用率，增加用戶連接數(shù)，有望成為5G的關鍵技術之一?？紤]基站端配備多根天線，針對上行免調度SIMO-NOMA系統(tǒng)中活躍用戶數(shù)量未知的情況，提出了一種基于壓縮感知的稀疏度自適應匹配追蹤硬融合算法(SAMP-HFA)。所提算法主要包括三部分：首先利用傳統(tǒng)的SAMP算法估計基站端每根天線上的用戶活動情況，接著融合這些檢測到的用戶活動信息獲得一個公共的活躍用戶集合，最后利用該集合估計活躍用戶的傳輸數(shù)據。仿真結果表明，隨著天線數(shù)目的增加，所提算法的誤碼率性能顯著提高。

發(fā)表于：1/21/2019 2:20:00 PM

應用于空間調制系統(tǒng)的低復雜度檢測算法[通信與網絡][通信網絡]

應用于大規(guī)模多輸入多輸出系統(tǒng)的空間調制系統(tǒng)是一種新穎的5G傳輸方案。針對空間調制提出了一種復雜度較低的檢測算法，提出的算法通過將接收天線重排序來減少總復雜度。算法結合已有的A-Star算法對接收天線分層并排序，改變樹搜索結構并排除錯的節(jié)點，使所選分支盡可能包括最優(yōu)路徑，極大縮小了所需訪問節(jié)點數(shù)。該算法具有近似最優(yōu)的誤比特性能和更低的計算復雜度，與最大似然檢測算法相比復雜度減少了80%左右。

發(fā)表于：1/21/2019 2:03:00 PM

基于議價博弈的高效機會網絡路由算法[通信與網絡][其他]

現(xiàn)有基于議價博弈的機會網絡路由算法存在著因節(jié)點交互過程偏多所引起的控制開銷過大、對無用消息提出請求時帶來了額外開銷和博弈雙方達成交易概率不高所引起的時延以及SV列表中消息剩余跳數(shù)降為1時帶來了額外開銷等問題，對此提出了一種高效的機會網絡路由算法——EORB。該算法通過采用自適應精簡數(shù)據包摘要、自適應合并SV-DP消息和求購消息、綜合考慮買賣雙方收益的博弈策略等機制減少了冗余開銷，加速了消息的轉發(fā)速率并提高了消息的到達率。仿真結果表明，該算法有效提高了數(shù)據傳送到達的成功率，降低了系統(tǒng)開銷以及消息的平均端到端時延。

發(fā)表于：1/18/2019 1:54:00 PM

基于EEMD-SE和GARBF的短期電力負荷預測[電源技術][其他]

為了提高短期電力負荷的預測精度，提出了集合經驗模態(tài)分解（EEMD）-樣本熵（SE）和遺傳算法（GA）來優(yōu)化RBF神經網絡的組合方法。利用EEMD分解法自適應地對負荷序列進行分解，結合樣本熵對復雜度相似的子序列進行合并，有效減小了運算規(guī)模?；诟鱾€子序列復雜度的差異構建相應的RBF神經網絡模型，利用遺傳算法避免神經網絡陷入局部最優(yōu)和收斂性問題，進而對合并的新子序列進行預測并疊加得到最終預測結果。仿真結果表明，該預測算法具有良好的預測效果，滿足短期電力負荷預測的要求。

發(fā)表于：1/18/2019 1:40:00 PM

基于資源三號衛(wèi)星與Landsat 8 OLI的水庫庫容估算*[通信與網絡][工業(yè)自動化]

遙感技術具有探測范圍廣、更新速度快、周期性強等特點，在水庫庫容監(jiān)測中具有巨大優(yōu)勢。以遼寧省撫順市大伙房水庫為研究對象，基于資源三號衛(wèi)星提取的DEM數(shù)據建立模型，從不同時相的Landsat 8 OLI影像中提取庫面積，并利用模型計算庫容。結果顯示：與利用庫容曲線計算的庫容相比，該方法相對誤差在20%以內，且具有較好的相關性，為水庫庫容的快速估算提供了一種方法，具有一定的實用價值。

發(fā)表于：1/18/2019 5:45:00 AM

電力企業(yè)云百科系統(tǒng)的架構設計[電源技術][數(shù)據中心]

隨著云計算服務在電力行業(yè)的廣泛應用，用戶對電力云平臺的搜索能力要求越來越高，電力云百科系統(tǒng)主要應用于電力系統(tǒng)內部的電力知識的共享以及更新。系統(tǒng)是基于電力系統(tǒng)數(shù)據庫通過云搜索引擎的快速檢索，便捷相應知識內容的利用。由于采用了云計算技術，可以提高并發(fā)訪問量、檢索速度，實現(xiàn)業(yè)務動態(tài)擴展和節(jié)約成本。

發(fā)表于：1/17/2019 6:58:00 PM

基于頻譜特性和自適應蟲孔定位的小麥識別[通信與網絡][信息安全]

為了實現(xiàn)對小麥不完善粒批量、快速、準確地識別，提出了一種基于小麥圖像特征的小麥不完善粒識別方法。采集不完善粒小麥圖像，對每粒小麥圖像提取其自適應蟲孔特征、頻譜特性、周長、最小外接圓面積等89維特征參數(shù)。研究結果表明，對于常見小麥不完善粒類別，尤其是發(fā)芽粒和生蟲粒具有較高的識別率。該識別方法對正常粒、破碎粒、生蟲粒、生病粒、發(fā)芽粒的識別率分別為98.75%、97.50%、93.02%、99%、96.25%，平均識別率為96.90%，相較于傳統(tǒng)的圖像處理識別方法，識別準確率提高20%左右，表明提出的方法能有效運用于小麥不完善粒檢測實際應用場景中。

發(fā)表于：1/17/2019 3:51:00 PM