基于深度学习的多模态气管插管智能目标检测

针对困难气道气管插管过程中内窥镜图像视角较小、目标尺度变化大、相互遮挡等问题,融合内窥镜图像和CO₂浓度信息,提出基于深度学习的多模态气管插管智能目标检测算法。首先,对传统的YOLOv3网络进行改进,利用不同扩张率的空洞卷积构建并行多分支空洞卷积模块,并对输出特征进行上采样和张量拼接;其次,根据多路CO₂浓度差异,利用矢量化定位算法定位目标中心位置,校正YOLOv3得到的边界框的中心坐标,提升小目标检测的精度,辅助气道位置的定位;最后,基于该算法,研发了新型多模态气管插管辅助装置初代样机,并在模拟气道中进行实验,验证其可行性。在模拟气道中,该新型辅助装置的操作时间中位数为15.5 s,操作成功率可达97.3%。研究结果表明,基于深度学习的多模态气管插管智能目标检测算法能够有效地辅助气管插管操作。     

新型多输入升压变换器的交错控制研究

在基于开关电容网络的多输入升压变换器中,由于其开关管必须同时导通、同时关断,因此很难实现对各输入源的独立控制.基于此,对开关电容网络的结构进行改变,并采用交错控制策略进行研究.首先对基于交错控制的双输入升压变换器的工作原理及性能进行了分析,然后通过拓扑推演得到了n路输入的高升压变换器.最后,进行了仿真和实验研究,实验结果表明:该变换器不仅具有较大的电压增益,而且允许所有开关管不同时导通、不同时关断,并且占空比不完全一致,实现了各输入源的独立控制,在新能源利用方面具有一定的优势.     

降低MIMO-OFDM系统峰均比的QAS算法

多输入多输出-正交频分复用(MIMO-OFDM)系统固有的较高峰均功率比(PAPR)限制了该技术的发展与应用。为了抑制较高的PAPR值,在传统算法近似梯度投影(AGP)和选择性映射(SLM)的基础上提出了QAS算法,通过建立QPSK调制的SFBC MIMO-OFDM系统模型,仿真了QAS、AGP、SLM算法的PAPR以及误码率(BER)性能,并进一步研究了不同子载波以及不同支路数对QAS算法降低PAPR性能的影响。仿真结果表明,QAS算法与传统算法AGP、SLM相比,可以有效改善MIMO-OFDM系统发射信号的PAPR值,而不破坏系统的BER性能;QAS算法对PAPR的优化性能随着子载波数目(N=32,64,128,256,512,1 024)的增加而下降,随着支路数(M=4,8,16)的增加而提高。     

大规模MIMO系统中基于空时相关性的导频减小算法

在大规模多输入多输出(multiple input multiple output,MIMO)系统信道估计过程中,基站向用户端发送导频信号.由于导频数量与基站发射天线的数量成正比,传统信道估计过程会产生巨大的导频开销,尤其是对于采用频分双工通信方式的(frequency-division duplexing,FDD)大规模MIMO系统.为了解决这一问题,通过利用无线MIMO信道的空间公共稀疏性和时间相关性,提出一种基于压缩感知(compressed sensing,CS)技术的导频开销减小算法,其中,空时相关性用来提高信道估计精度.该算法能够在未知大规模MIMO系统信道稀疏度的情况下,自适应地获取精确的信道状态信息.分析和仿真结果表明提出的算法在减少导频开销方面优于局部公共支撑算法,同时能够维持良好的信道估计性能.     

多输入极值搜索系统预设性能控制

针对一类多输入极值搜索系统的预设性能控制问题,首先,利用目标函数设计出状态量极值参考轨迹;然后,利用性能函数和误差转换函数构建等效模型,分别针对单输入系统进行预设性能控制器设计;最后,从反演控制的角度逐步选取适当的李雅普诺夫函数设计不确定参数自适应估计律.该方法结构简单,容易实现,使系统在满足预设性能的前提下完成了极值搜索过程,数学仿真验证了方法的可行性.     

"i+1"输入假说对高校少数民族学生汉语写作教学的启发

在高校少数民族学生汉语写作教学中,教师应始终把握"一个理念,一个模式"."一个理念"是职业教育工作过程导向应用于写作教学,即"用语言做事"过程中的体验式教学活动过程,先做再学,在做中学,用中学,边学边用.一个模式是"i+1输入假说"教学模式,主线"1"是写作知识及技能训练,辅线"i"是语言知识及技能训练,教师应把握教学重点,处理好汉语知识技能和写作知识技能的关系,做出合理取舍.     

一种改进的FDD大规模MIMO CSI反馈方法

大规模MIMO技术因具有高数据率、频带利用率和能量效率等优点被认为是第5代移动通信系统的核心技术之一.在频分双工(FDD)模式下,由于上、下行信道不具有互易性,因此大规模MIMO系统基站如何获得准确的下行信道信息是一个具有挑战性的问题.本文对这一问题进行了研究,提出一种利用信道稀疏性和线性滤波的有效方法.仿真结果表明,与传统方法相比,本文所提方法可以极大提高系统性能.     

联合人脸与指纹的多模态生物特征识别方法综述

由于基于生物特征识别的方式不但简单快速,而且安全可靠,近年来,作为生物特征识别的典型技术,人脸识别与指纹识别被广泛应用.然而,使用单一特征的生物特征识别系统,其正确率和稳定性还有待提高,且容易被作弊手段攻破.因此,侧重于回顾联合人脸与指纹的多模态生物特征识别方法.首先分别回顾了人脸、指纹识别的研究现状;然后对单模态生物特征识别面临的挑战进行了总结;在此基础上,为了解决单模态生物特征识别存在的正确率不够高和稳定性不够强等问题,重点讨论了联合人脸与指纹进行多模态生物特征识别的方法和未来的发展方向.     

新变异DNA遗传人工鱼群优化DNA序列的多模算法

为了提高多模信号的均衡效果,提出一种新变异DNA遗传人工鱼群优化DNA序列的频域加权多模算法(nm DNAGAFS-DNA-FWMMA)。该算法利用新型变异DNA遗传人工鱼群算法收敛速度快和全局搜索能力强的优点,通过DNA约束模型和代价函数来寻找最优DNA序列,将该序列解码后作为频域加权多模算法(FWMMA)初始最优权向量,以提高收敛速度并减小剩余均方误差。仿真结果表明,nm DNAG-AFS-DNA-FWMMA的收敛速度快、均方误差小。     

基于多模态生成模型的半监督学习

随着进入大数据时代,"标记数据少,而未标记数据多"的现象越来越普遍.半监督学习是充分利用样本中"廉价"的未标记样本,让学习器不依赖外界交互、自动地利用未标记样本提升学习性能.通过构建多模态概率生成模型对数据进行建模,然后分析该模型上的监督学习过程和非监督学习过程,最后结合两种学习过程实现半监督学习.通过在MNIST数据...