非相关噪声与相关高斯噪声下正弦参数估计的互高阶谱最小范数法

在建立互高阶累积量的Ｙｕｌｅ－Ｗａｌｋｅｒ方程的基础上,通过特征分解,建立了噪声矢量空间和信号矢量空间,提出了在非相关噪声和相关高斯噪声下,正弦参数估计的互高阶谱最小范数法。通过仿真计算可知,该方法信噪比工作门限低,且具有较高的谱估计分辨率。     

混合噪声背景下正弦参数估计的互高阶谱SVD方法和SVD-TLS方法

从理论上论述了相关高斯噪声和非相关噪声背景下正弦参数的估计方法,该方法采用互高阶的特征分解（ＳＶＤ）及最小二乘法（ＴＬＳ）,并且建立了信号矢量空间和噪声空间,几科不需要任何关于有色噪声的先验信息,就可以估计出正弦信号的幅值,频率和相位,该方法信噪比工作门限低,有良好的谱估计分辨率及稳定性。     

视觉回环检测的多约束深度距离学习方法

在强场景变换下的视觉回环检测问题中,已有深度学习方法提取的特征描述子区分度不佳.针对此问题,文中深入分析多约束距离关系,提出视觉回环检测的多约束深度距离学习方法.首先,利用任意的卷积神经网络将原始图像映射为低维空间的特征描述子.然后,提出多约束损失函数,约束特征描述子之间的距离关系,并在线自动构造多约束训练样本集,提取更有区分度的低维特征.在New College、TUM数据集上的实验表明,文中方法提升强场景变化下回环检测的性能.     

数字立体电影立体图像校正（二）

除了Disparitymap之外，在数字立体电影后期工作流程中，另一个重要的概念叫做Occlusion。Occlusion是遮挡的意思，这里的遮挡，主要是指因为立体电影双机拍摄的光学原理所造成的，立体图像对中某些像素不能对应匹配的那部分图像区域。     

向《Wall·E》致敬——国内一线动画团队对《Wall-E》成功的反思

Pixar 08年新作作为近年来少有的一部无论在艺术还是商业上都取得了巨大成功的动画电影,为中国的一线动画团队树立了新的标杆,也给这些团队带来了各方面的思考.作者从小龙阿布动画制作团队的角度,以 Pixar公司和 为例.结合自身的动画制作经验,从制作团队的建设到商业动画制作模式等各方面进行剖析,旨在为中国动画制作团队带来一些新的思考.     

基于雷达坐标及膨胀系数的负荷预测新方法

以分形理论为依据，在雷达坐标中对电力系统负荷序列的分形维数、膨胀系数等参数进行了计算。雷达坐标的引入使负荷曲线呈现拟椭圆形状，这有利于从整体上把握负荷预测。虽然负荷曲线满足自相似性，但是还存在由随机负荷分量所引起的差别。对此，为了减小其影响，首先进行负荷数据的预处理。然后根据分形维数将负荷曲线分为若干段。同时，为了提高预测精度而引入了膨胀系数。最后利用这些参数对经过平滑处理的负荷曲线进行预测。实际的预测结果表明，此方法为一种有效的电力系统短期负荷预测方法。     

存在强磁弱电的110kV线路保护误动分析

针对南充220kV电网故障导致的110kV荆门线零序纵联保护误动原因进行分析,提出保证不同电压等级有电联系又有磁联系的输电线路保护正确动作的解决措施,保证了电网的安全稳定运行.     

混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法

本以互四阶累积量为依据,首次证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声;并在建立互高阶累积量的Yule-Walker方程的基础上,通过该矩阵的奇异值分解,建立了信号矢量空间与噪声矢量空间;首次提出了混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法。仿真结果表明,与自高阶谱Pisarenko方法相比,该方法具有更好的谱估计的分辨率和谱估计的稳定性,抗干扰性更强,其信噪比工作门限更低,特别适合于工程中小信号的测量。     

公共空间微型可折叠母婴室设计

目的 为没有配备独立母婴室的公共场所提供增设微型母婴室的可行方案,提高老旧公共空间的服务水平。方法 通过调查国内典型城市母婴室配置现状,分析空间限制和使用者行为,在考虑安全、隐私、便利、舒适、科学性等因素的基础上,吸取已有案例的优点,设计出一款折叠式微型母婴室。这款母婴室设计了折叠机构、入口、通风、采光,还考虑到设置折叠哺乳椅、折叠尿布台、折叠桌、垃圾桶、婴儿车停车位,能够满足基本的哺乳、集乳和换尿布的需求,为今后在有限的空间内增设更好的母婴室提供借鉴。结论 在公共场所可以通过增设微型折叠母婴室来满足基本的换尿布和哺乳的需求,母婴室设施设计应从人性化理念出发,在充分调研存在的问题的基础上进行完整的方案设计。     

基于二进制生成对抗网络的视觉回环检测研究

针对现有的回环检测模型大多基于有监督学习进行训练,需要大量标注数据的问题,提出一种视觉回环检测新方法,利用生成对抗思想设计一个深度网络,以无监督学习的方式训练该网络并提取高区分度和低维度的二进制特征.将距离传播损失函数和二值化表示熵损失函数引入神经网络,将高维特征空间的海明距离关系传播到低维特征空间并增加低维特征表示的...