基于MARG传感器的长跑上肢姿态检测算法设计

随着可穿戴设备在运动健康领域的广泛应用,针对长跑运动姿态分析方面,本文基于四元数的乘性扩展卡尔曼滤波算法(MEKF)进行改进,利用MARG传感器采集长跑运动中的上身姿态,进一步完善了仅从足部姿态判断跑姿的方法。经实验分析,与一般方法相比,该算法提高了针对长跑姿态的检测精度,并且对错误的姿势动作给予矫正建议。     

激活音频设备的“无线”潜力 飞傲BTA30 HiFi蓝牙收发器

在如今这个声音无线化的时代,许多人都有一些以前购买的电子产品并不具备无线化的能力。你或许想将PC上的音乐用无线耳机进行聆听,又或者希望将十年前购买的经典有线音箱与如今手中的手机、平板能够通过无线连接。近期,飞傲推出的一款同时具备蓝牙发射、蓝牙接收和数字解码三个功能的设备BTA30,就能很好地满足有着以上需求的用户,而且它能做的还不止于此。     

一款基于WiFi无线的电源开关指令系统设计

无线开关是智能家居环境中重要的一个组成部件,通过它,用户可以实现远程对电器的控制和管理.针对开发的一款无线电源开关,根据其工作原理,设计出对应的一套指令系统,并在AP和STA两种模式下对该指令系统进行了测试,验证了本指令系统的正确性和合理性.     

罗技M221静音无线鼠标

高效且静谧的办公环境是许多白领们十分向往的,为此不少外设厂商针对这类用户推出了主打静音效果的机械键盘和鼠标,比如罗技最近推出的M221静音无线鼠标便是这样的一款产品。在外形设计方面,罗技M 2 2 1 静音无线鼠标采用对称式人体工学设计,同时尺寸仅99mm×60mm×39mm,即使在装入电池之后,重量也仅75.2g,小巧且轻盈。用料方面,这款产品主要以硬塑料制成,同时为了让产品更具质感,鼠标表面还采用了磨砂与亮面两种不同的工艺—其中磨砂部分主要集中在鼠标上盖、侧面底部,提供握持时的舒适度;亮面部分则集中在鼠标的腰线部分,起到提升产品颜值的作用,而且,评测的这款罗技M221静音无线鼠标采用了薄荷绿配色,相比传统的白、黑色更富活力。值得一提的是,为了提高握持时的稳定性。     

湖南广播电视台国际频道新增百万中国香港用户“文化出海”擦亮电视湘军品牌

2021年1月20日00:00,湖南广播电视台国际频道进入中国香港有线网络,新增百万中国香港用户。此外,中国香港150多家四星以上酒店也将同步可以收看到湖南国际频道。其独立运营的湖南省外宣融媒体矩阵现已集结了30余家新媒体平台,并在Youtube、Titter、Instagram、Facebook等海外平台实现自主全维运营。     

对网络摹仿签字的检测与识别研究

互联网时代,不同于传统摹仿签字的网络签字服务发展迅速.本文对当前网络摹仿签字首先进行了收集,接着,分别与摹本进行特征标识和比对,并就如何检测与识别这种摹仿签字进行了研究,最后,得到了对其进行检测与识别的依据和思路,为网络摹仿签字的检测与识别提供了有益的帮助.     

5G技术在医院智能服务中的应用

纵观当今的发展格局,是科学技术高速发展的时代。随着5G时代的来临,网络技术在各个领域中扮演着越来越重要的角色。特别是在医疗方面,为医院的日常工作奠定了坚实的基础。今天就5G网络技术在医院只能服务中的应用展开谈论。     

基于全局优化与深度学习的条形码识别方法

提出了一种在深度神经网络的基础上结合全局优化方法的条形码识别算法,利用卷积循环网络提取出条码中各字元的特征并进行分类,较传统方法具有更强的适应性与泛化能力,再进一步结合全局优化的方法,以达到充分利用条码结构性先验信息的目的,能显著提升方法的效果,尤其是将全局优化方法引入到神经网络中进行端到端学习,不仅保持了两者的优势同时还进一步提高了识别精度.实验结果证明了所提方法的有效性,达到约99.48％的识别精度,超越了传统的图像处理方法.     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

基于可穿戴传感器数据的人体行为识别数据特征提取方法

随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.