91国产福利视频,亚洲av不卡码,蜜耻hd在线中文字幕

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(yàn)數(shù)據(jù),，給出一種鞘套反演建模法,，能夠以一維實(shí)驗(yàn)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(diǎn)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(shí)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(jì)[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?，設(shè)計(jì)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(shí)現(xiàn)圓極化,，利用開槽技術(shù)實(shí)現(xiàn)小型化,。天線陣列錯(cuò)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(jì)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(jī)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(jì)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(jì)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(shí)時(shí)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(shí)時(shí)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(jì)了一個(gè)基于邊緣智能的心電監(jiān)測系統(tǒng),。實(shí)驗(yàn)結(jié)果表明,，該心電信號處理方法具有一定的實(shí)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(dòng)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(bǔ)濾波和卡爾曼濾波的融合算法,。首先,，利用加速度計(jì)和磁力計(jì)的數(shù)據(jù)通過幾何計(jì)算得出姿態(tài)角。其次,，利用梯度下降法,，將加速度計(jì)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(bǔ)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(dòng)態(tài)實(shí)驗(yàn)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(jì)[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(qiáng)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(jì)方案,。該方案采用瑞薩R7F0C004芯片作為MCU采集燃?xì)庥?jì)量數(shù)據(jù)，以N700-58為通信模組實(shí)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(shí)現(xiàn)數(shù)據(jù)通信。測試結(jié)果表明,，所設(shè)計(jì)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(jì)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(jì)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(dòng)邊緣計(jì)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(shí)現(xiàn)不同網(wǎng)絡(luò)間的協(xié)同管理,。基于所提架構(gòu)搭建網(wǎng)絡(luò)仿真平臺,，并通過強(qiáng)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(jī)井工況診斷方法[其他][其他]

基于示功圖對抽油機(jī)井下工況進(jìn)行自動(dòng)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(jī)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(yàn)和先驗(yàn)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(dòng)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(jì)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(shí)驗(yàn)與目前先進(jìn)的算法進(jìn)行對比，驗(yàn)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(dòng)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(shí)完成信息抽取和文本分類任,。在此應(yīng)用場景下,，為了實(shí)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(jì)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(shí)驗(yàn)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(shí)驗(yàn),，實(shí)驗(yàn)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(jì)算機(jī)視覺領(lǐng)域一項(xiàng)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(jì)注意力機(jī)制和全局性模塊,，而在注意力機(jī)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(jī)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(jī)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(jì)算親和力矩陣,，將兩個(gè)矩陣結(jié)合起來,，得到一個(gè)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(shí)驗(yàn)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(jì)數(shù)[其他][其他]

針對計(jì)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(jì)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(gè)數(shù)據(jù)集進(jìn)行算法的性能驗(yàn)證，并通過結(jié)構(gòu)實(shí)驗(yàn)驗(yàn)證本文結(jié)構(gòu)的有效性,。

發(fā)表于：7/20/2021 3:17:32 PM