5G技术在医院智能服务中的应用

纵观当今的发展格局,是科学技术高速发展的时代。随着5G时代的来临,网络技术在各个领域中扮演着越来越重要的角色。特别是在医疗方面,为医院的日常工作奠定了坚实的基础。今天就5G网络技术在医院只能服务中的应用展开谈论。     

基于全局优化与深度学习的条形码识别方法

提出了一种在深度神经网络的基础上结合全局优化方法的条形码识别算法,利用卷积循环网络提取出条码中各字元的特征并进行分类,较传统方法具有更强的适应性与泛化能力,再进一步结合全局优化的方法,以达到充分利用条码结构性先验信息的目的,能显著提升方法的效果,尤其是将全局优化方法引入到神经网络中进行端到端学习,不仅保持了两者的优势同时还进一步提高了识别精度.实验结果证明了所提方法的有效性,达到约99.48％的识别精度,超越了传统的图像处理方法.     

基于GA-BP的汽车风振噪声声品质预测模型

目前对于汽车风振噪声的优化研究主要以声压级（Sound pressure level，SPL）作为单一评价指标，既不能全面反映噪声的物理属性，也无法考虑人耳对噪声的主观认知过程。为准确评价风振噪声，引入声品质，运用大涡模拟（Large eddy simulation，LES）对风振噪声进行数值仿真，根据实车道路试验判断仿真的准确性；对仿真结果进行声品质客观评价与主观评价，综合声品质客观评价参数与声品质主观评价试验结果建立BP神经网络预测模型；利用遗传算法（Genetic algorithm，GA），进一步对BP神经网络的结构参数进行优化，建立GA-BP声品质预测模型。研究结果表明，GA-BP声品质预测模型在训练速度和预测精度上都优于BP神经网络预测模型。预测模型基于声品质主客观评价结果，其预测值可以代替传统的声压级评价指标，为风振噪声提供更为准确合理的评价。     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

基于可穿戴传感器数据的人体行为识别数据特征提取方法

随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.     

基于PMU的电力系统监控体系结构优化设计

文中提出了一种利用有限数量的相量测量单元(PMU)和相量数据集中器(PDC)设计最优监控结构的方法。通过在大量的设定值场景下,使电力系统可观测性曲线的期望值最大化,同时使通信基础设施成本最小化,最终确定PMU和PDC的最佳位置。提出了一种非线性动态扩展卡尔曼滤波(EFK)状态观测器。这种状态观测器可以将暂态行为转换为由代数微分方程描述的广域电力系统,而无需非线性反演技术。最后以IEEE-5电力系统为例,说明了该方法的有效性。     

建筑工业化发展的多群体演化博弈与仿真研究

新型建筑工业化具有高质量、低消耗、可循环发展等特征，其推广已上升到国家战略层面。利用演化博弈方法，建立“政府-开发商-银行” 的三方动态演化博弈模型，进行各博弈主体策略的演化稳定性分析，并针对初始状态、奖惩力度、借贷风险和开发成本等对演化结果的影响进行动态仿真。在此基础上， 考虑开发商群体的网络拓扑特征对演化真实性的影响，引入复杂网络理论， 以无标度网络为载体描述开发商个体的连接偏好和决策机制，构建政府监管下的建筑工业化扩散模型，并通过仿真深入研究相关因素对扩散深度的影响作用，最后结合仿真结果给出相应对策建议。     

无蜂窝大规模MIMO中导频欺骗攻击检测方法

在无蜂窝大规模多输入多输出网络中，一方面，接入点（access points， APs）分布式部署导致信道硬化及利好传播现象不再显著，导频欺骗攻击（pilot spoofing attack， PSA）的恶意窃听者可以通过调整导频发送功率，得以模拟信道特性，传统依赖大尺度衰落先验信息的PSA检测技术不再适用；另一方面，基于信息论准则的PSA检测技术，需要比AP数量级高的导频样本进行观测，而信道估计阶段所耗费的时长无疑影响系统的频谱效率。针对这种情况，提出了一种基于信号子空间的欺骗检测（signal subspace based spoofing detection， SSBSD）方法。首先，在合法用户的训练序列上叠加一个随机序列，利用灵活检验准则对信源数量进行估计。其次，利用统计学中的线性收缩原理，对导频样本协方差矩阵进行优化，使观测样本的噪声特征值分布更好拟合信道噪声功率。最后，通过信号的正交补空间对观测矩阵进行投影处理，从而实现PSA检测。经仿真实验与理论分析，SSBSD方法无须大尺度衰落先验信息，也无须与AP数量级相同的导频长度，对PSA的导频发送功率十分敏感，在大尺度衰落未知、大尺度衰落时间相关或频谱资源受限的通信环境中，可以精确检测低电平功率的PSA。      

电信专业学术英文写作模块化教学实践

学术英文写作是当今电子信息专业研究生必修的一门课程。然而传统的以教师为中心的灌输式教学已不能跟上网络迅猛发展的趋势,尤其是当疫情来临的特殊形势下。此外,现有的学术英文写作教学研究仅提供宏观的设计,缺乏具体的实际可操作性。为此,本文以引言写作逻辑为教学模块案例,探索了如何充分利用网络资源的优势,开展以学生为中心的课前课中课下有机融合的灵活的教学设计。所探索的引言写作技巧和详实的教学设计,为模块化网络教学提供一个切实可行的参考方案。