利用曲线拟合对触觉数据的压缩

为减轻离线触觉数据压缩带来的失真变形,提出利用曲线拟合的压缩方法.在假定触觉数据所对应原触觉信号能用分段二次参数曲线表示的前提下,通过反向采样过程来构造触觉数据拟合曲线,该曲线由分段二次曲线组成,在连接处达到切线连续,且每段二次曲线对原触觉信号具有二次多项式逼近精度.为避免保存拟合曲线的所有系数以进一步提高数据减少率,对拟合曲线系数进行了迭代求解,从而只需编码保存部分系数即可解码.实验结果表明,该方法在保持高数据减少率的前提下减轻了压缩失真变形.     

图像自适应分块的压缩感知采样算法

目的 在图像压缩感知过程中,不管是整体采样还是固定分块采样,都不能充分利用图像的稀疏性,存在采样率与图像重构质量的矛盾。提出了一种基于图像纹理变化的自适应分块感知采样算法ABCS(adaptive block compressed sensing),再结合JPEG量化思想,在不降低图像重构质量的前提下降低采样率,更大地提高压缩比。方法 首先进行图像预分块,计算分析各块纹理复杂度,当图像块纹理复杂度低于相应阈值,选择最佳采样率对各块观测采样,当图像块纹理复杂度高于相应阈值,需再分块,重复上述步骤,达到最小16×16块时停止分块。当最小块的纹理复杂度高于最大阈值采用JPEG量化编码,其他块选择匹配的采样率,以压缩感知方式压缩。结果 ABCS算法与典型的压缩感知重构算法结合并与其原始算法比较,在相近采样率条件下,图像重构质量提高明显,尤其在低采样率下性能更佳,如20%采样率下重构图像PSNR值达到30 dB左右。结论 提出的自适应的分块采样充分利用图像的稀疏分布,提高压缩感知的效率;高复杂纹理块采用JPEG编码处理,避免了重构质量差的缺点,同时减少了重构时间。     

认知无线电网络中安全的协作频谱检测算法

在认知无线电网络中,当认知用户存在虚假感知信息SSDF时,协作频谱感知的性能会受到巨大影响。为了确保频谱感知的鲁棒性,提出了一种基于信誉度加权序贯频谱检测算法来识别恶意用户并减轻他们造成的影响。该算法通过使用认知用户的近期感知信息计算本地信誉度函数,再综合考虑其信誉值与感知过程中表现的稳定程度以消除恶意用户对主用户的传输效率带来的影响。仿真结果表明,在恶意攻击环境下,新算法优于现有典型协作频谱感知算法。     

感知矿山物联网愿景与发展趋势

给出了矿山物联网的愿景,即实现矿山物与物相连,减少甚至消除监测盲区,运用云计算和大数据技术提取有用的监测信息,真正实现本质安全矿山;从技术和服务模式2个方面梳理了矿山物联网的发展趋势,阐述了雾计算技术、网络分形结构、矿山物体的本体描述与知识化、云计算与大数据技术等概念及其在矿山物联网中的应用与发展,对协同工作模式和购买服务模式进行了展望。     

一种基于字典学习的压缩感知视频编解码模型

无线多媒体传感器网络中针对视频信号处理的两个重要的问题是如何高效编解码和如何抵抗信道误码。结合压缩感知和字典学习理论,提出了一种应用于无线传感器网络的基于字典学习的压缩感知视频编解码模型。模型整体采用压缩感知理论以降低编码端复杂度,提高系统抗误码性。编码端应用差分编码和跳帧模式大大减少了信道传输数据量;解码端采用字典学习算法增强图像的稀疏表示能力,从而提高视频重构精度。本模型在实现高效编码的同时将计算复杂度从编码端转移到解码端,从而满足编码端资源受限的应用场合。理论分析和仿真实验表明该模型可行并且有效。     

MOTO选择做非凡的自我

2013年因为种种原因MOTO选择退出中国市场,从此淡出了人们的眼球。曾经风生水起的手机巨头瞬间消失,殊不知MOTO的离开是迫不得已。当时有句话是:"离开是为了更好的回来!"。虽然离开了中国市场近两年,但是期间MOTO凭借着倾力打造的第一代Moto X、Moto G、Moto Droid系列及Moto E在北美,在巴西、在欧洲、在印度依然风光无限。     

基于不确定感知结构电网网络控制系统研究

针对传统的确定时滞的最优控制系统不能满足信息电网技术的发展,而本论文提出一种基于不确定感知结构电网感知网络控制方法优化传统的确定时滞最优控制系统;同时本论文运用模型与方法对接进行仿真分析,该感知结构方法能够很好的优化传统的确定时滞最优控制电力系统。     

网络安全态势感知体系及关键技术研究

众多网络风险的存在,导致信息安全受到严重的威胁,这对网络安全的管理也提出了更高的要求.网络安全态势感知技术是针对网络安全隐患而研究的新型网络信息技术,其中的关键技术在网络安全管理上有着显著的效果.     

面向军事行动的后勤保障系统架构与关键技术

为了解决传统系统忽略后勤保障与军事行动间交互作用的局限性,从后勤保障对军事行动的感知与响应视角,对面向军事行动的后勤保障系统进行研究.在分析系统需求的基础上,构建响应灵敏和柔韧健壮的系统架构,给出系统实现关键技术,动态捕捉后勤保障对军事行动的协同效应.该系统的研究可为后勤保障提供决策信息,对于提高后勤保障力度具有重要作用.     

基于SAM-CS和SOFM的胃上皮肿瘤细胞图像识别

针对胃上皮肿瘤细胞图像(以下简称肿瘤细胞图像)黏结严重和信息冗余的特点,提出了一种将自适应观测矩阵的压缩感知(SAM-CS)和自组织特征映射(SOFM)神经网络相结合的算法。该算法将肿瘤细胞图像拉成列向量,然后利用通过自适应过程产生的观测矩阵,基于压缩感知理论对图像信息进行观测,产生线性观测向量,最后利用SOFM神经网络的学习算法对观测向量进行训练和分类,实现对肿瘤细胞图像的识别。实验表明,相比常用算法,该算法至少提高了4.2%的识别准确率和5.7%的运算速度。