基于RFID ZigBee技术的井下无线跟踪系统

针对目前我国煤矿生产事故频发,工人生命安全得不到保障的严峻现实,提出了基于射频识别（RFID, Radio Frequency Identification）技术和ZigBee无线通信技术的井下定位系统,结合控制中心数据库,实现了对矿工位置的跟踪和定位,并能够查询人员在过去一段时间内的工作路线,从而加强了对整个煤矿的实时管理;在事故发生后能够在最短时间内实现对被困人员的搜救,大大加强了矿工的安全保障。     

RFID系统阅读器防碰撞技术研究

针对多阅读器情况下,阅读器对阅读器的碰撞和阅读器对标签的碰撞,分别提出了阅读器同步法和设置控制通道的解决方法,能够较好的降低碰撞率,提高阅读器读写速率和阅读器读取的准确率.     

基于ICA算法的卫星TT&C信号的一种新的盲识别算法

在现代通信对抗中,由于电磁环境特别复杂及信号调制方式的多样性,要知道所发射信号的先验知识几乎不可能,这给通信对抗带来极大的困难.为了解决在复杂多信号情况下的这个难题,提出了一种新的盲识别技术,该技术使用独立分量分析(ICA)算法来盲识别原始信号且对所得的结果进行下一步的分别处理.首先介绍了ICA的基本原理:它使用差分负平均信息量的最大化逼近.基于此,ICA的一个目标函数和一种快速的ICA算法在本文中被提出.在深入分析该快速ICA算法的基础上,将其应用于卫星TT&C信号的盲识别上.仿真结果表明:在没有任何先验知识(例如:载波频率,信号带宽和调制方式)的情况下,原始的信号可以被很好地分离出来.这为下面步骤的信号处理建立了一定的基础,比如信号分析和识别,解调信号及证明其收敛和鲁棒性等.     

小波方法识别框架结构损伤

小波包分析损伤识别方法首先将结构响应信号分解为小波包组分,然后通过各组分小波信号的变化情况识别损伤。通过3层框架结构的数值分析,模拟结构损伤,判断损伤时刻与损伤位置。分析小波组分信号突变情况,可以识别损伤时刻、损伤位置和损伤程度。     

基于粗糙集和灰关联理论多传感器融合的雷达辐射源信号识别研究

粗糙集理论的上下近似集合可以刻画传感器对未知雷达辐射源信号的识别程度。从灰关联理论对传感器测得的原始数据计算出的不肯定度出发,计算每个目标与传感器测得的悲观解和乐观解距离。从而计算出目标与悲观解和乐观解间的灰关联系数矩阵。用假定的折中系数α、β计算出各传感器的侦察权重。再由灰关联系数矩阵和传感器权重得到各雷达辐射源信号的与悲观解和乐观解在传感器Sj识别意义下的灰关联度,最后计算融合判别函数得到融合结果。仿真实验表明,由粗糙集理论和灰关联理论相结合的多传感器数据融合的方法可以有效地应用于雷达辐射源信号识别,特别在是在降低多传感器引起的不确定性取得较好的效果。     

基于路面雷达的路面结构缺陷检测方法

为了提高路面雷达适应实际检测对象的变化能力和路面结构缺陷检测效率,采用Borland C Builder 6．0开发了一个具有路面雷达数据转换和路面结构缺陷识别等功能的软件系统．与原路面雷达配套软件IRIS-L的比对结果证明,所设计的软件系统的数据变换、信号处理与识别的方法是正确的,并较原配套软件增加了路面结构缺陷的识别功能,提高了路面质量检测的准确性和结构缺陷的识别效率．     

人文精神在现代图书馆建筑中的体现

现代图书馆建筑在注重现代化设计的同时应把人文思想始终贯穿于建筑当中,使之成为图书馆建筑的灵魂.阐述了图书馆建筑与人文思想的关系,以及如何在图书馆建筑中体现出具有时代特色的人文思想.     

基于盒注意力机制和Transformer的人脸微表情识别方法

微表情是一种细微的能够体现人真实心理活动的面部运动,通常与真实情感直接相关,应用前景广阔。但由于微表情持续时间短暂、表情幅度低和特征难以提取等特点,因此其识别准确率较低。针对该问题,提出了基于盒注意力机制和Transformer的人脸微表情识别模型(vision transformer based on box-attention, ViT-Box)。该模型首先对人脸面部进行特征提取,利用盒注意力机制获得自适应的面部微表情关键区域：左眉眼、右眉眼和嘴巴;然后对非关键区域进行掩码遮盖,避免微表情无关信息干扰;最后基于Vision Transformer网络实现人脸微表情识别。ViT-Box模型在微-宏表情仓库(MMEW)数据集上取得了98.68%的平均准确率,实验结果表明该模型在微表情识别上能够获得优秀的识别效果。同时通过消融实验验证了ViT-Box模型的有效性。     

基于话者识别的新的去噪和识别方法

为了提高系统的鲁棒性,联合二代小波和TEO一起对语音进行去噪.为了解决动态环境下的说话人识别的误识率问题,在识别阶段,把小生境粒子群算法应用于GMM之中.从实验得出,采用本文提出的参数对于说话人识别的效果较好.采用基于小生境粒子群的高斯混合模型进一步提高了识别性能.     

说话人识别中改进的MFCC参数提取方法

在说话人识别技术中,特征参数的提取对语音训练和识别有着非常重要的作用。而Mel频标倒谱系数MFCC是一种常用的特征,它能对语音信号进行分析处理,去除对语音识别无关紧要的冗余信息,获得影响语音识别的重要信息。同时由于语音信号具有时变和混沌特性,以非线性随机共振理论和人类对听觉的理解为基础,提出了一种基于随机共振的MFCC特征参数提取方法。通过实验比较两种方法的结果,论证了改进方法的可行性以及优越性,为说话人识别技术中特征参数提取提供了一条新的研究方向。