日韩人妻无码一区二区三区,国产成人综合一区二区三区 ,亚洲精品无码不卡在线播放

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(guò)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 2:04:00 PM

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(wú)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(wú)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 1:51:00 PM

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(wú)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(kāi)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 1:43:00 PM

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(guò)對(duì)ZigBee無(wú)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 2:49:00 PM

?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(jué)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(méi)有充分利用圖像深度等顯著信息。考慮到上述不足以及采用單一圖模型可能在檢測(cè)過(guò)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 2:43:00 PM

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(guò)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(guò)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 2:34:00 PM

改進(jìn)人工勢(shì)場(chǎng)與TAS-RRT融合優(yōu)化算法[測(cè)試測(cè)量][工業(yè)自動(dòng)化]

針對(duì)人工勢(shì)場(chǎng)法易陷入局部極小值的缺陷，提出旋轉(zhuǎn)速度矢量角以精確定位逃離點(diǎn)，并將TAS-RRT算法與人工勢(shì)場(chǎng)算法結(jié)合進(jìn)行動(dòng)態(tài)路徑規(guī)劃。采用人工勢(shì)場(chǎng)法進(jìn)行避障規(guī)劃，當(dāng)陷入局部最小值時(shí)，使用基于速度矢量角度差引導(dǎo)的快速隨機(jī)擴(kuò)展樹(shù)算法調(diào)節(jié)擴(kuò)張速度，自適應(yīng)地尋找逃離點(diǎn)，對(duì)RRT算法的采樣策略和局部規(guī)劃器進(jìn)行改進(jìn)，使搜索過(guò)程快速跳出局部極小值，當(dāng)采樣點(diǎn)的旋轉(zhuǎn)速度矢量角滿足條件時(shí)，切換人工勢(shì)場(chǎng)進(jìn)行規(guī)劃。仿真實(shí)驗(yàn)表明，TAS-RRT算法引導(dǎo)路徑快速漸進(jìn)逃離點(diǎn)，與人工勢(shì)場(chǎng)結(jié)合進(jìn)行運(yùn)動(dòng)規(guī)劃，能適應(yīng)環(huán)境的變化，控制精度和處理速度得到大大提高。

發(fā)表于：10/29/2018 2:18:00 PM

?一種基于LSTM的視頻車輛檢測(cè)算法[嵌入式技術(shù)][其他]

針對(duì)視頻車輛檢測(cè)問(wèn)題，提出了一種基于LSTM的視頻車輛檢測(cè)算法模型。該算法接受視頻序列作為輸入，先利用卷積網(wǎng)絡(luò)提取視頻幀的空間特征，然后利用LSTM模塊得到時(shí)間維度的特征，最后利用全卷積網(wǎng)絡(luò)預(yù)測(cè)最終的檢測(cè)結(jié)果。將所提算法與其他典型的算法進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明所提算法具有更好的檢測(cè)準(zhǔn)確率，同時(shí)檢測(cè)速度也更快。

發(fā)表于：10/29/2018 2:12:00 PM

ESD電流波形的小波自適應(yīng)Kalman濾波去噪方法[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

為降低靜電放電電流信號(hào)的干擾噪聲，將小波分析與自適應(yīng)Kalman濾波算法結(jié)合用于ESD電流波形去噪分析。并將Adams預(yù)測(cè)校正算法用于人體-金屬模型ESD電流的數(shù)值計(jì)算，建立了相應(yīng)的加噪ESD電流信號(hào)模型，小波去噪在此模型上進(jìn)行去噪性能分析。針對(duì)實(shí)測(cè)ESD電流波形，使用小波閾值去噪方法對(duì)ESD電流波形進(jìn)行預(yù)處理，獲得較為平穩(wěn)的觀測(cè)數(shù)據(jù)；再根據(jù)觀測(cè)數(shù)據(jù)的信息，采用Sage-Husa的自適應(yīng)Kalman濾波算法對(duì)小波預(yù)處理后的數(shù)據(jù)做優(yōu)化處理。結(jié)果顯示，基于小波分析和自適應(yīng)Kalman濾波算法可以有效降低實(shí)測(cè)ESD電流波形的干擾噪聲。

發(fā)表于：10/26/2018 10:56:00 AM

基于二倍體顯性機(jī)制的DNA算法研究[嵌入式技術(shù)][物聯(lián)網(wǎng)]

有鑒于傳統(tǒng)遺傳算法與生物DNA遺傳機(jī)制機(jī)理差異較大，依據(jù)生物遺傳的DNA遺傳特性，提出并研究設(shè)計(jì)了一種基于二倍體顯性機(jī)制的DNA遺傳計(jì)算方法（AO方法），分析了AO交叉方法的模式抽樣特性，并結(jié)合若干典型測(cè)試函數(shù)的遺傳優(yōu)化問(wèn)題設(shè)計(jì)了相關(guān)DNA算法，開(kāi)展了相關(guān)實(shí)驗(yàn)研究工作。理論分析與實(shí)驗(yàn)結(jié)果顯示，本文提出的這種DNA遺傳計(jì)算方法在綜合優(yōu)化效率方面明顯優(yōu)于Holland傳統(tǒng)遺傳算法。

發(fā)表于：10/26/2018 10:55:00 AM