基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

基于改进PID神经网络算法的AUV垂直面控制

针对一类小型低速自主水下航行器(AUV)的垂直面运动控制问题,设计了一种改进的PID神经网络控制器,实现对水下航行器在垂直面内深度和俯仰角的全局控制。利用REMUS水下航行器模型搭建了Simulink下AUV垂直面仿真控制系统,仿真结果表明,改进的控制方法克服了原方法中饱和区过大的问题,具有良好的动态性能同时能够适应不同的学习速率和网络初始权重,对水下航行器的工程实际应用具有一定参考价值。     

城乡结合部道路交叉口多目标信号配时优化模型

随着我国城镇化进程的加快,城乡结合部道路交通问题日益显著。为提高城乡结合部道路交叉口的交通运行效率、环境效益和交通安全,提出信号配时多目标优化方法,综合考虑延误、通行能力、停车次数、车辆尾气排放等因素构建模型,运用遗传算法进行求解。以某典型交叉口为例进行分析,给出改进设计方案并进行交通仿真评价。研究结果表明,通过多目标信号配时优化可以缓解城乡结合部道路交叉口交通拥堵和污染物排放的问题,具有较好的交通信号控制效果。     

竞争环境下新能源汽车嵌入技术服务的定价策略

构建上游技术服务商和下游新能源制造商合作创新的两级供应链,考虑两个制造商的竞争关系和权力结构,研究不同竞争模式对产品定价、产品利润的影响,为技术服务商和新能源汽车制造商的决策提供参考。结果显示,技术服务商在同等条件下会提供技术给具有竞争关系的制造商以优化利润;制造商之间的权力结构会影响技术服务商的利润,并且在“权力对等”竞争模式(FLC)下的利润最大。从制造商角度,竞争强度和技术产出贡献度均会影响产品价格。在技术产出贡献度较小的情形下,垄断模式(M)下的产品定价最高,“制造商1领导”竞争模式(SLC)和“制造商2领导”竞争模式(TLC)下的定价较高,FLC模式下的定价最低;反之亦然。算例分析进一步指出,当技术产出贡献度较小时,M模式下的产品利润大于竞争模式(C)下的产品利润;反之亦然。此外,制造商之间的权力结构会影响C模式下的产品利润,因此,制造商在C模式的占优策略是通过FLC模式实施定价或在SLC和TLC模式下取得定价领导权。     

一种基于多任务学习的多模态情感识别方法

为了通过设置辅助任务学习到更具有情感倾向性的视频和语音表示,进而提升模态融合的效果,提出一种基于多任务学习的多模态情感识别模型,使用多模态共享层来学习视觉和语音模型的情感信息.在MOSI数据集和MOSEI数据集上的实验表明,添加两个辅助的单模态情感识别任务后,模型可以学习到更有效的单模态情感表示,并且在两个数据集上的情...     

佛山市禅城区机动车排放污染分担率研究

在深入调查佛山市禅城区固定源污染状况以及机动车保有量、道路建设状况的基础上,对2002年机动车污染物排放总量分担率、不同车型污染物排放量分担率和道路污染物浓度分担率进行了全面研究,分析量化机动车尾气排放对大气环境污染的影响。     

The research of controller area network on hybrid electrical vehicle

It is of increasing importance to design and implement vehicle networks for transferring information between electrical control units on Hybrid Electrical Vehicle （HEV）. This paper presents a scheme of using Controller Area Network （CAN） technology to realize communication and datasharing between the electrical units on the HEV. The principle and communication protocol of Electrical Control Units （ECU） CAN node are introduced. By considering different sensitivity of the devices to the latency of data transportation, a new design procedure is proposed for the purpose of simplifying network codes and wiring harness, reducing assembly space and weight, improving assembly efficiency, and enhancing fault-diagnose in auto networks.     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

一种模糊高斯混合说话人识别模型

为了研究模糊聚类算法在高斯混合模型（GMM）参数获取方面的应用,采用模糊C均值算法（FCM）进行语音特征矢量的聚类,并结合Tabu搜索算法得到全局最优的聚类结果,进一步用EM算法得到GMM模型参数.使用TIMIT数据库中的语音进行测试,开集和闭集说话人辨认实验都表明,该方法获取的GMM参数比普通EM算法获得的GMM模型参数性能更优,能有效降低说话人辨认系统的误识率.     

基于字符行特征的车牌倾斜矫正算法

针对Hough算法在识别白色反光车牌时的不足,提出了基于车牌字符行特征的倾斜矫正算法.该方法采用通过字符行倾斜度恢复车牌原貌的机理,即从多个角度来对图像倾斜的方向扫描,分别记录各扫描平行线组中具有车牌字符信息的行数,对应字符行数目最多的扫描角度就是图像倾斜的角度.实验表明,该算法能较理想地减少车牌倾斜给车牌字符分割及识别带来的负面影响,运算量小且易行可靠.