建筑与室内设计的一体化理念分析

随着我国建筑工程的发展，建筑施工在各方面出现了不同的程度分工，尤其是建筑设计和室内设计等环节上。而目前，在我国建筑行业，这种建设和室内设计的分离状态持续已久，本文主要讨论的是如何将两者进行有机的统一，实现建筑和室内设计的一体化，并就建筑设计和是室内设计中的一些问题进行详细的分析，同时也分析了一体化的有关设计理念。     

基于EC-TDOA和ZigBee技术的室内超声波定位系统

目的研究室内定位方法机理,解决室内目标高精度定位的问题．方法设计了一种基于测距的室内定位系统,该系统采用测量射频信号和超声波信号到达时间差的方法测距并引入校正因子减小测距误差,通过极大似然估计定位方法计算目标位置,运用ZigBee制作节点模块组成网络实现对室内目标的定位．结果在测距实验中,EC-TDOA测距结果的误差小于0．02cm,满足测距精度要求．在定位实验中,最大定位误差和平均定位误差分别为4．3cm和1．64cm,而定位误差在2．5cm以内的比例达到90％．定位频率为20Hz,满足实时定位的要求．结论系统在室内环境中实现对超声波信号覆盖范围内移动节点的定位,通过测距校正有效提高定位精度．系统具有较强的容错性和自适应性．     

生石灰粉磨段收尘灰制备轻质碳酸钙工艺

为充分利用石灰石矿的粉矿资源并减少二氧化碳尾气排放,以生石灰粉磨工段收尘灰为原料,利用立窑尾气通过碳化法制备了轻质碳酸钙.首先使用x-射线电子能谱及筛分法对收尘灰的成分及粒度分布进行了测定,然后探讨了水化温度和水化时间对水化过程的影响,并使用扫描电镜对水化产物的形貌进行了研究,最后研究了碳化温度和碳化时间对水化产物碳化过程的影响,并研究了产物形貌.结果表明,其最佳工艺条件为:将收尘灰于100℃条件下水化5~8h,然后使用立窑尾气碳化10~20min,可得到粒度分布均匀的轻质碳酸钙粉体,部分碳酸钙结晶为针状,可用于塑料制品的补强.通过该方法的制备的碳酸钙产品可达到化工行业标准《HG/T 2226-2000》所规定的质量要求.     

基于PCA-ANN的跌倒检测系统设计与实现

针对当前可穿戴跌倒检测系统存在的精度低、隐私保护性差等问题，设计并实现了一款高精度、低延时的跌倒检测系统.首先使用Arduino Nano 33 BLE开发板为检测装置的主控部件，借助专门针对物联网场景的轻量级开源机器学习框架TensorFlow Lite,设计了采用主成分分析PCA结合人工神经网络ANN的跌倒检测算法(简称PCA-ANN);其次使用TensorFlow框架对网上公开的跌倒数据集进行模型的训练和转化，并将模型部署到嵌入式跌倒检测终端；最后使用得到的跌倒检测装置对志愿者进行实际环境的跌倒检测实验，实验结果表明系统的跌倒检测准确率达到了99.04%,敏感度和特异性分别为97.57%和99.58%.该系统利用边缘计算技术完成了在计算能力和存储单元受限的嵌入式设备上运行深度学习的任务，将这项技术应用到可穿戴跌倒检测装置中，为后续的研究提供了资料.相比现存的需要进行云端数据传输的跌倒检测系统，本系统还具有低延时和高精度的特点，同时消除了用户隐私方面的隐患，适合老年人佩戴.     

炭黑全生命周期的碳足迹分析

<正>一、研究背景自20世纪50年代开始，科学家们开始关注温室气体的排放与人类生存环境的关系，并提出了温室气体的排放将导致地球变暖，从而直接危胁到人类生存的观点。这个观点得到了联合国成员国的一致认可。1992年5月9日，联合国大会通过了《联合国气候变化公约》，1994年3月21日150多个国家和主要经济体共同签署，《公约》正式生效。《公约》的终极目标是将大气中温室气体浓度维持在一个稳定的水平，     

基于惯性传感器的轻量化卷积神经网络跌倒检测算法

在可穿戴式跌倒检测终端中部署微型机器学习模型,存在计算力弱、内存受限和传统机器学习算法手动选取特征不完善等问题,提出一种基于惯性传感器的轻量化卷积神经网络跌倒检测算法,设计并实现了高精度可穿戴式跌倒检测系统。该算法自动从跌倒数据中提取更完善的数据特征和采用深度方向可分离卷积,将标准卷积分解成深度方向卷积和点方向卷积,在只失去0.2%跌倒检测精度下,卷积层参数量减少75.32%,使之更适于资源受限的嵌入式终端中部署。实验结果表明该算法在实际跌倒测试环境中,平均准确率、敏感度和特异性分别达到了99.29%、98.00%和100.00%。该算法相比其他算法既减少了模型大小和计算量,又保证了跌倒检测精度,该系统的成功研发为老年人跌倒检测与报警提供了新的途径。