基于深度扫描仪的高辨识度三维人体模型重建方法

3D照相打印馆人像的打印质量取决于3D扫描获得的三维人体模型的辨识度.然而,由于现有3D人体扫描仪价格昂贵、操作复杂等原因,使得3D人像打印成本高、耗时长和打印精度较低.针对这些缺点提出一种基于深度扫描仪重建高辨识度三维人体模型方法.利用多组深度扫描仪分工协作、优势互补,分别获取高辨识度的人体面部五官点云数据,上半身与全身表面轮廓点云数据.然后,通过引入特征点和改进的最近点迭代法将采集到的三组点云数据进行对齐、替换、拼接,将拼接后的无拓扑关系的点云数据进行曲面重构即可获得高辨识度的三维人体模型.该方法的扫描时间较短,以较低的成本构建了具有高辨识度的三维人像模型.     

SigXplorer在星载设备信号完整性设计中的应用

通过采用CADENCE软件的SigXplorer工具,对某星载设备的LVDS信号接收器接收电路的信号完整性进行仿真,找到信号接收异常的根源,提出适宜的解决方案。改进后,设备性能稳定,达到了一次性正确解决问题的目的。通过仿真总结出的经验可以广泛应用于星载设备的信号完整性设计。     

基于深度扫描仪的高辨识度三维人体模型重建方法

3D 照相打印馆人像的打印质量取决于3D 扫描获得的三维人体模型的辨识度。然 而,由于现有3D 人体扫描仪价格昂贵、操作复杂等原因,使得3D 人像打印成本高、耗时长和 打印精度较低。针对这些缺点提出一种基于深度扫描仪重建高辨识度三维人体模型方法。利用 多组深度扫描仪分工协作、优势互补,分别获取高辨识度的人体面部五官点云数据,上半身与 全身表面轮廓点云数据。然后,通过引入特征点和改进的最近点迭代法将采集到的三组点云数 据进行对齐、替换、拼接,将拼接后的无拓扑关系的点云数据进行曲面重构即可获得高辨识度 的三维人体模型。该方法的扫描时间较短,以较低的成本构建了具有高辨识度的三维人像模型。     

一种基于压电堆栈的惯性纳米步进马达（英文）

为了搭建出结构简单、性能稳定的纳米步进马达,从而降低扫描探针显微镜系统搭建的复杂度,本文描述了一款新型的基于压电堆栈的惯性纳米步进马达.仅利用两组压电堆栈和一路锯齿波电压信号即可实现该马达的纳米级步进.其中,两组压电堆栈按照伸缩方向平行固定于基座上,绝缘导轨粘接固定于两组压电堆栈自由端的中间,利用4个氮化硅圆球和铍铜弹簧片将滑杆通过挤压方式固定于绝缘导轨内侧.通过给两组压电堆栈施加一路锯齿波电压信号,利用滑杆自身的惯性作用,即可控制绝缘导轨带动滑杆产生纳米级步进.实验结果表明,此款惯性纳米步进马达可以实现任意角度的纳米级精度位置微调和厘米级范围的粗调.此款纳米步进马达结构紧凑,工作性能稳定,非常适合于在精密光学系统和极端条件下的扫描探针显微镜系统中使用.     

科研与教学相结合的本科生培养模式探索

本文旨在论证“科研与教学相结合”的教学模式在本科教学中所占的优势,结合笔者在美国访学期间调研获得的美国知名高校在这种培养模式方面的成功经验,就我国引进该模式的路径进行了初步的构想.     

基于长短期记忆神经网络和改进型K-means聚类算法的居民峰谷时段划分模型

为了解决传统峰谷时段划分方法因只选取单一典型日而无法在较长时间范围内适用的问题,提出一种基于长短期记忆神经网络（long short-term memory,LSTM）和改进型K-means聚类算法的居民峰谷时段划分模型: 首先对居民用户一整年的负荷数据进行有效性检查和归一化处理,保证数据的准确可靠;接着将处理后的负荷数据按照不同季节及不同日期类型进行相应的分类,保证分类的数据具有较强的相似性;然后将数据按分类分别加入LSTM进行训练,获得用户在不同分类下的负荷特征数据;最后利用改进型K-means聚类算法对训练得到的负荷特征数据进行聚类分析,并依据相应的权重矩阵及划分原则获得最终的时段划分结果。结果表明,相对于经典及当地的时段划分,所提方法的时段划分轮廓系数平均值更大,方差更小,更能反映居民用户实际的用电特点及用电规律,有利于挖掘用户侧需求响应潜力,获得更优的削峰填谷效果。     

基于分裂Bregman方法的加权频差电阻抗成像算法

Sleep apnea (SA) is a common sleep disorder. Identifying patients at risk by means of comprehensive monitoring that requires overnight stay at professional sleep clinics are costly and inconvenient and can lead to unreliable results in view of the unfamiliar sleep environment. Existing wearable devices for sleep monitoring, which can be used in a familiar home environment, do not provide the same comprehensive monitoring as through clinical monitoring. The larger objective of the present work is to develop a sleep monitoring system for home use, which can provide comprehensive monitoring. In the development in this paper, machine learning (ML) models are explored for the classification of SA and sleep stages using multisensory data, without neglecting any of the required signals. The data acquired through the sensors are normalized, their features are extracted using Composite Multiscale Sample Entropy (CMSE) and are standardized using a robust scaling algorithm. Processed features are classified using a Neural Network (NN) and the obtained results for the SA classification are compared with those obtained by using a Support Vector Machine (SVM) approach. The impact of neglecting signals when classifying sleep stages is analyzed as well. The results are presented in the paper and observations are made. The NN model trained with the Bayesian regularization algorithm has provided an overall average accuracy of 94.5% and performed slightly better than when trained using the scaled conjugate gradient backpropagation algorithm (93.2%). The SVMs have yielded lower accuracy levels compared to the NNs (<92%). It is observed that the use of all 14 signals for SS classification yields an overall test accuracy of 72.3%, which is higher than that when one or few signals are used. It is concluded that ML models are effective in classifying sleep data from multiple sensors. Accuracy levels are higher when fused multisensory data are used as inputs. Furthermore, NN models are found to be better suitable in practical application and can be incorporated into an inexpensive and convenient wearable device that can carry out comprehensive monitoring.     

徐州市沛沿河流域土壤保肥能力的实验研究

对施用不同化肥的不同土壤进行了短期静态浸泡与换水浸泡模拟实验,研究了不同情况下各种土壤在受雨水短期浸泡时对氮、磷的吸附、释放现象．通过比较土壤对不同肥料的保肥能力,寻求合理的施肥方法．结果显示,不同土壤类型保肥、供肥能力差异较大．对浸泡实验数据按一级动力学模型进行拟合的结果表明,浸泡实验上覆水中TN、TP浓度变化较好地符合一级动力学模型．