WLAN无线定位中NLOS误差排序与抑制的研究

提出在WLAN中使用TDOA定位方法的Chan算法对移动终端进行位置估计,然后对位置估计结果使用残差加权算法进行NLOS误差抑制。通过仿真证明,尽可能选择不受NLOS影响的时间测量值参与Chan算法和残差加权算法,通常能以较小的计算代价取得相对理想的定位精度。并在数学理论上证明了可将Wylie方法用于NLOS误差排序,以挑选出合适的时间测量值。     

基于改进残差网络的铁路隧道裂缝检测算法研究

针对铁路隧道复杂背景下细小裂缝存在图像特征难以提取的技术问题,提出一种基于改进残差网络(Residual Network,ResNet)的铁路隧道裂缝检测算法.该算法采用ResNet对裂缝进行检测,并在此基础上对网络进行了改进:首先将具有不同扩张率的空洞卷积块与传统的卷积块组合形成金字塔空洞卷积模块;其次将该模块放在R...     

基于浅层残差网络的视线估计算法

针对目前的视线估计算法准确度较低的问题，提出一种基于浅层残差网络的算法。利用残差网络结构特点，对图片在不同层次提取到的特征进行融合计算。实验表明，使用基于浅层残差网络结构的算法与使用LeNet-5 结构算法相比，准确率提升了近 8． 5% ，视线估计算法准确度得到了有效的提升。     

无刷直流电机的转子位置检测新策略

在电机速度控制系统中,转子位置检测至关重要。通过分析反电动势法及其改进方法可知,当电机在低速运行时,反电动势过零检测法的幅值太小而无法被检测到。对此,本文提出了一种新的转子位置检测方法,并对该方法进行仿真分析。该方法通过检测线端电压差的过零点,然后延迟90°机械角得到转子位置信号。仿真结果表明,当电机低速运行时,新方法均能准确获取到转子位置信号,电机有更宽的运行范围。     

使用灰色GM(1.1)残差修正模型获得较高精度条件的探讨

从求得灰色数学模型GM(1.1)及其残差指数修正模型和残差周期修正模型函数曲线的驻点与拐点入手,导出使用这些灰色模型取得较高精度的条件,让使用者可依据初始序列数据的态势决定采用哪种数学模型,并且在结果未揭示以前便可大体上估计到拟合精度是否令人满意。     

岭回归中影响子集的探测

这篇论文提供了岭回归申影响子集探测的一个新途径,并且研究了试验点(X,Y)和(X,Y)对β的估计(K)=(X′X+KI)~(-1)X′y(0≤K<+∞)的联合影响。定义了新的统计量 R_1~(k),建立了 R_1~(k)与 cook 统计量之间的精确关系。     

组合预测模型及其应用——河南省高等师范教育发展趋势预测

利用残差系统分析建立数学模型，并与原ＧＭ（１，１）联合构造组合预测模型，改善了预测精度。它为定量研究河南省高等师范教育发展趋势提供依据。     

滚动轴承轻量级深度故障诊断模型

针对现有基于振动信号的诊断模型泛化能力差,而深度学习网络对计算量和存储量要求高的问题,提出轻量级融合密集连接网络与残差神经网络的故障诊断模型.首先,利用格拉姆角场将原始时序信号映射为灰度图像,充分利用二维卷积神经网络的性能;然后,融合密集连接网络和残差神经网络的优点构建融合网络模型,并通过鬼影模块降低其性能消耗,形成轻量级和高识别率的深度网络.实验结果表明,该改进的融合深度学习模型在比传统模型具有更强的鲁棒性和适用性的同时,还拥有极低的浮点运算量与参数量资源占用,证明了该方法在滚动轴承故障诊断领域是有效的、可行的.     

基于双域信息的深度残差网络图像去噪

基于深度学习的去噪技术,通过考虑视觉伪影和整体平滑噪声,提高了图像的质量.然而,它们很少涉及边缘细节的恢复.为此,本文提出了一种基于双域信息的深度残差网络去噪模型,利用小波域信息与空间域信息的融合来扩展网络学习信息,通过在激活单元内引入多尺度学习和空洞卷积,以此提取图像特征,并减少了网络参数.为了进一步改善去噪结果,结合小波域损失和空间域损失构造联合损失函数,使得网络获取更多的边缘与细节.实验结果表明,本文提出的方法不仅可以有效去除图像噪声,而且可以更好地恢复图像纹理细节,在主观和客观评价中均获得了更好的结果.