对数字电视图像质量的改进分析

社会的高速进步,大大促进了我国数字电视的发展,以致对数字电视图像质量的要求提高了。数字电视逐渐走进了千家万户,但是数字电视的概念确是模糊不清的。互动数字电视播出系统的各个编码环节的图像质量都有一定的可改善空间,也可以通过源头,传输过程,还有接收终端三个方面来提高数字电视的图像质量。     

基于深度学习模型的无线传感器网络数据融合算法

为了在无线传感器网络中提高数据融合性能,基于深度学习模型,提出一种将层叠自动编码器(SAE)和分簇协议相结合的数据融合算法SAEMDA,该算法在各个簇内构建特征提取分类模型SAEM,通过SAEM对节点数据进行特征提取和分类,之后将同类特征融合并发送给汇聚节点。SAEM的训练既可以采用离线有监督学习也可以采用在线无监督学习。仿真实验表明:和BPFDA,SOFMDA算法相比,SAEMDA在网络能耗大致相当的情况下能将数据融合正确率提高最多7.5%。     

基于PCI总线光电编码器数据采集处理电路的设计

介绍了一种基于PCI总线的光电编码器数据采集和角度代码处理板卡的设计方案。系统以TMS320F2812为核心处理单元,对采集到的编码器角度信息进行细分、量化,通过PCI总线将处理后的数据传输给计算机显示。阐述了该系统的硬件结构和相应的软件系统设计。     

LAD准则下的无线传感器网络节点定位方法

多维标度算法广泛应用于无线传感器网络的节点定位。经典的MDS算法通过构造距离平方矩阵(非相似性矩阵)和进行双质心变换,在相似性空间中根据最小二乘准则进行求解。若测量噪声为高斯白噪声,经过变换后,相似性矩阵中元素的误差不再服从高斯分布,基于LS的估计不再是最优的。针对这一问题,用最小绝对值偏差准则改进MDS算法代价函数,对无线传感器网络节点定位进行研究。仿真结果表明,该方法具有良好的稳健性,比经典MDS算法具有更好的定位性能。     

ABB变频器的传动控制及与S7—400的通讯

结合连退机组实际运用到的传动控制系统,介绍了ABB变频器的传动控制原理及方式;采用了DTC控制,也就是直接转矩控制,并将这种控制方式和磁通矢量控制方式进行比较,其优点在于控制精度高,能够在没有编码器反馈的条件下,精确控制鼠笼电机的速度和转矩。由于在连退炉子段还用到了西门子PLC S7—400,清洗段超滤系统用到了西门子PLC S7—200和电解清洗整流柜用到的S7—300,以西门子S7—400为例,介绍了ABB变频器和西门子S7—400的通讯。     

MIL10非接触式距离测量编码器 堡盟电子（上海）有限公司

堡盟推出一款新型的,适用于线性距离测量的无轴承编码器。MIL10包含一个传感器和一条粘性磁带。这种非接触式的磁感应方式毫无磨损,因而具有几乎无限长的使用寿命。     

浅谈液压式闸门的开度测量方法

【】结合闸门控制设计经验,针对液压式闸门,对不同型式闸门开度测量方法进行了比较,重点介绍了用恒力收带式传感器测量液压式闸门开度的方法,并通过应用案例说明了该方法的有效性和实用性,期望能为今后设计选型提供参考。     

基于变分自编码器的非规则缺失图像修复仿真

目前的非规则缺失图像修复方法,连接图像的非规则缺失对角元素,导致修复图像所需时间长,修复后的图像的信噪比较低,修复误差较大,只能修复规则缺失图像,为此提出基于变分自编码器的非规则缺失图像修复仿真.利用变分自编码器,提取非规则缺失图像局部信息,预测图像非规则缺失部分,完成非规则缺失图像缺失部分填充;采用循环矩阵和特普利兹矩阵,重建非规则缺失图像;设计非规则缺失图像修复仿真流程,完成非规则缺失图像修复.实验结果表明,所设计的非规则缺失图像修复方法,修复图像中存在的不规则缺失,产生的信噪比较高、修复误差较小,修复所需时间较短,具有较高的不规则图像缺失修复性能,较优的图像修复效果.     

基于组合预测模型的小样本轴承故障分类诊断

滚动轴承是旋转机械内常出现问题的重要部件,其故障情况复杂且难以诊断.基于小样本故障数据学习环境,针对小样本学习在提取真实特征值与目标特征值时有较大差异且泛化能力较弱的问题,提出一种采用半监督变分自编码器与LightGBM分类模型相结合的小样本学习模型LSVAE,并利用基于高斯过程的贝叶斯优化改进算法对LightGBM的超参数进行了优化处理,有效地解决了小样本学习性能不稳定,提取特征能力弱,过拟合等问题,并在凯斯西储大学发布的轴承实验数据集上进行了对比实验,结果表明LSVAE模型在面向小样本数据空间时有着更优的诊断准确率.     

基于改进降噪自动编码器的点击率预测

点击率(CTR)预测是个性化广告和推荐系统中的一项基本任务. 针对提升点击率预测效果和处理冷启动问题, 本文中提出了一种基于改进降噪自动编码器的点击率预测模型ADVAE (ADditional Variational AutoEncoder),该模型在输入数据加入高斯随机噪声, 利用改进的降噪自动编码器生成新的嵌入特征, 然后分别进行低阶和高阶的特征交互来预测用户点击行为. 该方法可以在数据稀疏以及系统冷启动情况下, 更深层地学习特征嵌入与交叉之间的关系. 该模型关注特征域之间的交互, 动态修复低频数据的特征嵌入, 具有更强的鲁棒性. 此外, 该方法可以动态应用到其他深度学习模型, 具有更高的灵活性. 实验结果表明, 该方法在点击率预测和系统冷启动问题上的性能表现均优于现有方法.