高清数字电视的数据传输技术及发展趋势分析

在科学技术快速发展的新形势下,各种先进技术和高科技产品在人们生产生活中广泛应用,这也使人们对高新技术和产品的要求随之提高.高清数字电视作为一种新的电视业务,其采用数字信息进行传输,在节目采集、制作、传输和用户终端接收整修过程中都实现了数字化,能够带给人们极高的精晰度.在高清数字电视发展过程中,数据传输技术作为核心技术,有效地提高了传输效率和增强了画质的清晰度.因此文章从高清数字电视数据传输技术概述入手,并对高清数字电视数据传输技术进行了分析,进一步针对高清数字电视数据传输技术的现状和发展趋势进行了阐述.     

4K卫星车系统的建设思考

本文从4K卫星车系统的编码方式进化、调制方式的更新、功放和天线的匹配选型等四个关键环节对4K卫星车的技术层面选型和应用做了系统性的介绍和分析。     

一种最小变形度全景视频映射方法

全景视频需要经过采样映射转换成平面矩形视频,以便后续的压缩编码.针对现有映射方法存在的内容变形和采样不均匀问题,提出一种最小变形度映射方法(Minimum Deformation Projection,MDP).首先提出新的变形度计算公式求得最优解,其次结合像素排列为矩形的要求和人工边界等因素对最优解做近似,最后得到了最优的多边形映射形状和像素排列方案.实验数据表明,MDP的采样密度更均匀,结合使用x265,相对于ERP可以获得约14.47％的增益,优于其他映射方法.     

探析食品安全数据分类编码

食品安全数据分类编码不统一,是当前食品安全数据难以融合共享的最大障碍。当前亟需改变基于条块业务和监管权限所形成的封闭、孤立系统现状,建立一套符合中国特色的食品安全数据分类编码系统。随着信息技术蓬勃发展,与食品安全、营养、健康相关的数据得到了一定的积累。在信息共享阶段,应将这些数据转化为可分析利用的大数据,赋予数据以生命力,为政府决策、经济发展和科学研究提供技术支撑。实施食品安全数据分类编码标准化是实现食品安全数据跨界融合、形成大数据的必要前提。     

聚类混合型数据的密度峰值改进算法

聚类混合型数据，通常是依据样本属性类别的不同分别进行评价。但这种将样本属性划分到不同子空间中分别度量的方式，割裂了样本属性原有的统一性；导致对样本个体的相似性评价产生了非一致的度量偏差。针对这一问题，提出以二进制编码样本属性，再由海明差异对属性编码施行统一度量的新的聚类算法。新算法通过在统一的框架内对混合型数据实施相似性度量，避免了对样本属性的切割，在此基础上又根据不同属性的性质赋予其不同的权重，并以此评价样本个体之间的相似程度。实验结果表明，新算法能够有效地聚类混合型数据；与已有的其他聚类算法相比较，表现出更好的聚类准确率及稳定性。     

浅析编、解码的信息加工机制在英语听力教学中的应用

英语听力教学中,对听力内容的理解是关键。听力理解是语言信息刺激学习者大脑语言中枢,语言中枢的相关神经元被激活并联结从而将信息加工成为语言意义的认知反应过程。这期间既有自下而上的逐字逐句的信息解码方式,也有自上而下偏重整体识别,对信息进行预测、检验和证实的解码方式。还有语言信息在语言中枢的储存,整合,转化为可被学习者理解的意义的编码行为。本文以信息加工的交互模式和心理学的联结主义模式为理论指导,对听力理解中,操作听力信息的解码与编码两种方式进行分析,并以此指导英语听力,探索其在听力教学中应用。     

浅析南京广电集团融媒播控中心异构编码复用传输系统

本文介绍了南京广电集团融媒播控中心异构编码复用传输系统的设计、网管及监测方案,对基于无压缩视频IP流的编码复用系统及多种异构传输方法在广电的应用提供了新的思路。     

啮合参数对分扭-并车齿轮传动系统分岔特性的影响

为研究分扭-并车齿轮传动系统非线性分岔特性,建立了含多间隙的分扭-并车齿轮系统非线性动力学模型,引入高斯消元技术和广义相对位移变量消除了系统的刚体位移,并对动力学方程组实施了量纲一化处理。综合考虑啮合频率、齿侧间隙、综合传动误差和阻尼比等激励下的分岔通道,借助分岔图、Poincaré截面和Lyapunov指数等手段对系统的分岔行为进行了定性和定量表征。结果表明啮合频率增大时系统发生逆向倍周期分岔,分岔点位置受齿侧间隙影响显著;齿侧间隙和综合传动误差变化下混沌域内均出现短暂周期窗口;阻尼对倍周期分岔运动存在抑制作用,其结果对该类齿轮系统动力学设计具有参考价值。     

风速时间序列混沌判定方法比较研究

混沌识别是对非线性时间序列进行混沌预测的前提。针对时间序列风速确定性与随机性相结合的复杂非线性特征,研究了不同的混沌识别方法,并对风速时间序列进行混沌特征识别。应用随机噪声、周期运动及经典混沌系统的时间序列对所选方法进行可靠性验证。对美国国家风能研究中心M2测风塔实测时间序列风速数据进行非线性混沌特征识别。结果表明:风速时间序列具有明显的混沌特征;各风速时间序列表现出不同程度的混沌特征;各混沌识别方法对风速时间序列混沌特征的表达形式不同,互为补充,相互验证。