H.264帧间预测编码块匹配模式的研究

H.264是一种适应于低码率传输的新一代视频压缩标准,在其编码技术中,运动估计是提高编码效率的关键。通过分析H.264编码过程,针对多模式的块匹配运动估计计算量巨大这一问题提出改进措施,并应用软件进行实验仿真。结果表明:在保证图像质量的情况下,降低了运算的复杂度,提高编码效率。     

基于T-VGG的太阳电池片缺陷检测

针对太阳电池片EL图像,提出一种融合注意力机制和Ghost卷积层并引入批标准化的T-VGG轻量级卷积神经网络模型。首先使用Ghost卷积层替换常规卷积层,其次引入注意力机制和批规范化,进而实现对电池片缺陷的高精高速检测。实验结果表明,该卷积神经网络模型对缺陷的检测准确率为99.15%,对缺陷类型的检测准确率为96.28%,检测时间为0.032 s/张,在保证高精高效性的同时兼具通用性。     

煤机厂设备管理系统的数据库设计

针对煤机厂设备管理系统实际情况 ,对其数据库的划分、结构及数据关系规则等进行了详细分析 ,这将有助于其系统程序的结构化设计。     

基于新型聚类的无线传感器网络非均匀分层路由协议

针对成簇路由协议中由节点负载不均引起的能量空洞问题,提出了一种基于新型聚类的负载均衡非均匀分层路由协议(NHRPNC)。首先,利用改进的LEACH协议阈值函数选举区头,并对网络进行合理的非均匀分区;其次,对每个区头运用新型聚类算法实现区内非均匀分簇;然后,在每个簇内采用四步簇首选择机制来周期性地选择簇首;最后,在簇间多跳通信时,采用动态权重的方式优化多跳路径。仿真结果表明,与低功耗自适应集簇分层(LEACH)协议、分布式能量均衡非均匀成簇(DEBUC)协议以及基于动态分区的无线传感器网络非均匀成簇(UCDP)协议相比,NHRPNC在网络生命周期方面可分别提高257.5,33.74和12.83个百分点,且具有良好的能耗均衡性。     

WSN中簇首角色自适应能量树链算法

以往的路由协议中,分簇,成树,成链算法的拓扑结构单一,簇首分布不合理,单链存在长链和交叉的问题,且簇首无法自适应地转换角色融入节点环境。由此,提出簇首角色自适应能量树链算法（ECRC）,将簇首从固定角色中解脱,能自适应地进行拓扑的二次构建。节点自适应形成能量树结构,而能量树根节点成单链将簇、树、链优势结合。仿真结果对比表明,该算法能有效地均衡节点间能耗、延长网络生命周期。     

基于地址映射的网络安全策略研究

摘要：针对网络访问中存在的安全隐患,以私网安全性问题为对象进行研究,提出了基于NAT技术的私网安全解决方法。提出的方法将NAT技术中的地址映射策略扩展到私网用户对私网服务器的访问过程中,实现私网服务器对用户的透明。分析结果表明,这种方法能有效屏蔽私网服务器的IP地址,隔离基于IP地址的网络攻击,提高网络安全性。     

特大面积上下复合采空区立体化技术观测装置

针对当前传统的对特大面积采空区尤其上下复合采空区的观测方法存在的各种弊端,研发出了特大面积上下复合采空区立体化技术观测装置。该技术装置通过各组件将采空区人工采样、束管观测、压差观测并上传等各项功能集于一体,实现了对采空区井下与地面立体化观测。该技术装置在实际应用过程中不仅在神东补连塔煤矿22307上下复合采空区出现火灾迹象时及时发出了预警,而且还精准地锁定采空区火区位置,使得采空区火灾在短时间内得到遏制,确保矿井安全生产。     

基于多进程的区域间通信方法

针对分层结构下, 非骨干区域未和骨干区域直接连接导致两个区域间通信的问题, 提出了多进程的解决方法. 提出的方法将多进程技术应用到分层结构环境下的网络设备当中, 实现了区域间的通信. 并在具体的案例中使用了该项技术, 实践证明, 采用这种方法可以提高网络的稳定性和可靠性.     

LipSense:基于CSI相位差的自适应唇语识别方法

针对目前基于CSI幅度的行为识别方法对细粒度动作不敏感及传统的动作分割算法存在动作起止点判断不准确的问题,提出了一种基于相位差的自适应唇语识别方法。首先,利用MIMO系统的空间分集,构造出对细粒度动作更敏感的相位差信号,解决了细粒度动作感知不易的问题;然后利用OFDM子载波的频率分集来补偿小尺度衰落效应,以增强信号的空间感知能力;再次,通过研究唇语信号独特的变化模式,提出基于迭代方差曲线的自适应唇语分割模型;最后设计用于表示和匹配唇语特征的识别技术。在真实环境下的实验表明,所提方法在单人情况下平均识别精度达到94.3%,三人的综合识别准确率可达85.7%。在实验者佩戴金属饰品、网络被他人共享、以及周围有人移动等对比实验下,系统仍能实现较高的准确率。     

基于多天线判决的CSI高效人体行为识别方法

人体运动和行为分析成为普适计算中一个新兴的研究领域,针对目前行为识别方法成本高、精度低等问题,提出一种基于多天线联合判决的信道状态信息(CSI)高效人体行为识别方法(MADR).所提方法分为三步:数据处理、特征提取、动作行为分类.首先,针对原始信号易受环境、设备干扰问题,该方法注重数据处理过程,分别使用Hampel、低通滤波器去除异常值、高频噪声,并进一步使用主成分分析去除带内噪声,得到平滑稳定的数据;其次,利用基于滑动方差的方式将包含时频域细节信息的第一主成分的无效信号进行剔除,得到有效表征行为动作的特征向量;最后,为充分利用多根天线的CSI特征,构建多个基于DTW的FKNN分类器在近邻样本级别上对行为动作进行联合判决.实验结果表明,该方法在会议室和实验室场景下的准确率分别为95.33％、92.67％,且与使用KNN分类器相比,大大缩短了系统训练时间.