用函数解决数值自动排名

EXCEL的函数十分丰富,不用宏,用函数也能解决数值自动排名。方法如下。如第一行为表头,A列(例如A2:A101,下同)为姓名,B列数据,在C2单元格输入公式=IF(A2=0,0,INT(CONCATE- NATE(INT(B2),200-ROW(A1))))。公式中ROW(A1)为A1单元格所在的行数即为1,(该公式下拉时依次为2、3、4……),用200来减是为了CONCATENATE函数中的第2个参数保持3位数,CONCATENATE函数是一个拼合函数这里把B列的数据和它所在的行数拼合成一个数据。这样在对它进行排序后该数据包含了它所在行数的信息。CONCATENATE函数INT     

仿人机器人7DOF腿部的运动分析与仿真

传统的6自由度腿部逆运动学求解可以得到唯一解,仿人机器人7自由度腿部由于冗余自由度的存在,其逆运动学求解比6自由度腿部更难.本文采用D-H方法对现有的仿人机器人7自由度的下肢进行运动学建模与分析,用位姿分离法求解步行运动中的逆运动学解,在LMS Virtual.Lab仿真平台上仿真,为解决机器人的动力学问题做必要的准备.     

不均匀背景下弱小目标检测算法研究

在目标跟踪领域,形心跟踪算法得到了广泛的应用,尤其是背景为天空等相对简单的背景时.该算法具有较高的跟踪准确性和稳定性,容易实现目标自动捕获,但当图像背景不均匀而且目标与背景灰度相近时,会严重影响对目标的捕获.本文分析了不均匀背景的形成原因以及特点,将基于群体智能的图像处理方法应用于不均匀背景下的弱小目标检测.在赋予智能体一定的行为和参数并定义相应的运动规则之后,分布于图像环境中的智能体通过对局部环境的适应寻找到了整体的最优解.根据该算法提取到的目标特征与不均匀区域的特征所具有的不同特点.在经过区域填充以及滤波等处理之后.准确检测到了不均匀背景中的弱小目标.     

一种新型MIMU信号采集系统

针对微型惯性测量组合动态范围宽、精度高、实时性强的要求,设计了一种新型的数据采集方法,该方法具有精度高、量程宽、速度快的优点.着重介绍了这种方法的电路实现,通过跑车试验,经过解算各个姿态参数完全符合系统的要求,可广泛用于弹载姿态测试和组合导航系统中.     

相位解缠枝切法中的枝切线设置的优化

在合成孔径雷达干涉测量中,相位解缠是处理insar数据的关键步骤之一.Glodstein枝切法是较为经典的一种相位解缠方法,思路明确实现简单,是其他积分路径方法的基础和依据,但是在枝切线的设置方法上存在很多的分歧,并且形成的枝切线容易形成大范围的封闭区域,影响正常解缠.本文就是通过对残差点的特点深入分析.在如实地还原了Glodstein枝切法的基础上.并对其算法中的"最大窗口"和"查找顺序"等问题提出了合理的解决方法,通过连接偶板子,增加了算法的预处理,最终优化了枝切线设置,从而达到更良好的解缠效果.     

基于通道注意力机制和多尺度卷积的行人重识别

针对真实环境中由于复杂背景和物体遮挡、角度变换、行人姿态变化带来的行人重识别(person re-identification,person re-ID) 问题,设计了基于通道注意力(efficient channel attention,ECA) 机制和多尺度卷积(poly-scale convolution,PSConv) 的行人重识别模型。首先利用残差网络提取全局特征,在网络末端加入基于ECA机制及PSConv的特征融合模块,将全局特征和该模块提取的全局特征进行融合,之后将新的全局特征进行分割得到局部特征,最后将新的全局特征和分割得到的局部特征融合得到最终特征,并计算损失函数。模型在Market1501和DukeMTMC-reID 数据集上进行实验验证。在Market1501数据集中,Rank-1和平均精度均值分别达到94.3%和85.2%,在DukeMTMC-reID数据集中,上述两参数分别达到86.3%和75.4%。实验结果可知,该模型可应对实际环境中的复杂情况,增强行人特征的辨别力,有效提高行人重识别的准确率和精度。     

基于改进VGG网络的单体热电池X光图像无损检测方法研究

为解决单体热电池生产中出现的安装错误、人工检测耗时耗力的问题,提出一个结合迁移学习和卷积 神 经网络(convolutional neural network,CNN) 的单体热电池缺陷检测模型。首先,对数据集图像进行裁剪、加噪等预处理,以VGG16(visual geometry group 16) 网络作为 模型的骨干架构,在瓶颈层后增添选择性核(selective kernel,SK) 卷积;然后,增添全局平均池化(global average pooling,GAP) 层, 增加Dropout层及添加 L2 正则化等微调操作,得到单体热电池缺陷检测模型Q-VGGNet;最后,在大型公开数据集ImageNet上进 行预训练学习,将获得的权重参数迁移到单体热电池图像识别模型Q-VGGNet上。测试实验表明:6种 网络模型对数据集缺陷图像的总体识别准确率分别达到了98.39%、94.44%、97.27%、96.34%、93.71%、 95.61%,Q-VGGNet网 络模型 对合格图像和 漏装负极、极耳断裂、漏装集流片3种缺陷图像 识别准确率 分别达到了99.6%,95.9%,99.6%和98.4%。检测结果表明:该方法能够更准确、快速地检测热电池缺陷, 拥有良好的缺陷诊断能力,较传统方法提高近3%,为人工检测单体热电池缺陷提供了良好的解决途径。     

面向微控制器的卷积神经网络加速器设计

针对目前嵌入式微控制器的性能难以满足实时图像识别任务的问题,提出一种适用于微控制器的卷积神经网络加速器。该加速器在卷积层设计了无阻塞的行并行乘法-加法树结构,获得了更高的硬件利用率;为了满足行并行的数据吞吐量,设计了卷积专用SRAM存储器。加速器将池化和激活单元融入数据通路,有效减少数据重复存取带来的时间开销。FPGA原型验证表明加速器的性能达到92.2 GOPS@100 MHz;基于TSMC 130nm工艺节点进行逻辑综合,加速器的动态功耗为33 mW,面积为90764.2 um^2,能效比高达2793 GOPS/W,比FPGA加速器方案提高了约100倍。该加速器低功耗、低成本的特性,有利于实现嵌入式系统在目标检测、人脸识别等机器视觉领域的广泛应用。     

一种基于非均匀线性麦克风阵列的窄带声源定向方法及系统

本文提出了一种基于窄带信号相位时延估计的信号方位的阵列定位计算方法,通过非均匀线性阵列的布放,解决增大阵元孔径带来的相位卷绕问题,提高定位精度。文章提出了非均匀线性布阵方式情况下,修正卷绕量计算延时量的估计算法,并给出了非均匀阵列间距需要满足的条件。此方法提高了定位可用基阵孔径,与一般均匀间隔线性阵列相比,大大减少了同孔径下所需的阵元个数,从而降低了对后续信号处理设备的需求。本文构建了定位系统并进行实际测试。实验表明,该方法有效地提高了在开放空间中对窄带声源的定位精度。     

基于分组卷积的轻量级图像超分辨率重建

目前,多数基于卷积神经网络的图像超分辨率算法主要面临着网络结构复杂、参量过大以及推理速率缓慢的问题。因此,提出了利用分组卷积实现轻量化的图像超分辨率重建算法。设计了分组卷积块提取图像的基础特征,使网络参量和推理时间有效地减少,同时引入了一种改进轻量型通道注意力机制,在保证通道依赖性的同时,准确定位到目标的位置,提升重建的性能。利用亚像素卷积的过渡采样可以对特征起到集成作用,可以有效地提高重建精度减少噪声和伪影。实验结果表明,该网络在重建性能具有竞争力的前提下,参数量相比于轻量级多尺度超分辨率与超尺度网络低30%以上,并且重建速度也得到提升。