基于粒子滤波算法的足底压力预测

针对人体下肢运动状态识别精度低的问题,提出了一种基于足底压力的下肢运动状态识别预测方法。以EMED足底压力平板采集的不同步速下各40组足底压力数据为试验样本,通过分析足底压力特征参数,构建步态相位,建立足底步态周期关系,以及步态位移模型。下肢运动是非线性运动,采用步态周期模型结合粒子滤波算法实现足底压力预测。先对粒子群初始化获取先验概率密度函数,对预测压力进行估计,其次对状态向量检验,使用多元线性回归推导出预测足底压力。实验结果表明,在不同步态速度下,粒子滤波算法性能好,精确度达到97%以上,从而证明了足底压力预测方法的有效性。补充不同年龄、性别、体重的实验者的足底压力数据进行分析,预测精度均在97.5%以上,验证了预测算法的稳定性和精准性。     

艾滋病疗法的评价及疗效的预测

研究艾滋病疗法的评价及疗效的预测问题,在美国艾滋病医疗试验机构 ACTG 公布的两组数据 ACTG320 和193A 的基础上,利用随机过程理论及数理统计分析方法进行了研究:首先将 ACTG320 样本依据仞始 CD,浓度分成三类,对每类进行插值得到每个病人固定时间间隔序列,对各时间区的浓度进行拟合,从而建立各类人群最佳终止时间的模型;其次,对 193A 利用时间序列分析、假设检验和相关性检验得出各段 CD4 平均增长率近似服从正态分布,且与年龄无明显相关性,插值拟合四种疗法 CD4 平均增长率的时间函数,依据单侧检验得到评定疗法优劣的模型;最后,引进了药物经济学中的成本效果一分析方法,利用单位效果需花费成本的时间函数,得到考虑费用条件下的最佳治疗终止时间模型.     

结构性自动软件测试的设计方法与实现

阐述了一种自动生成结构性测试用例的设计方法与实现过程.采用广义表数据结构作为源程序的中间表示,在辅助实现结构性测试主要功能的同时,兼顾程序结构可视化.讨论了怎样以适当代价尽量高效全面地生成测试用例,并且提供较易用的使用界面.已经在一个可视化集成开发环境中的程序测试模块得到应用.     

基于Parlay电信业务开发的仿真研究

ParlayAPI是一种最著名的、开放的网编程接口,它规范定义了大量接口,电信业务开发商可以使用这些接口进行业务开发。文章介绍了利用JAVA和CORBA技术开发基于Parlay/OSAAPI的电信增值业务的仿真,并具体讲解仿真中开发的呼叫路由服务应用例子。     

礼乐文化符号系统的构建——评《先秦符号思想研究》

《先秦符号思想研究》以阐发先秦典籍文化中蕴藏的符号学思想为本,在对先秦符号思想的系统总结上具有开创之功。礼乐文化符号系统作为本书的行文路径和线索,在生成和构建过程中,虽诸子各家的文化立场不一,但无一例外落脚点都在现实关切上。以该书为谈论基础,笔者更想强调的是人类的元符号能力,只有拥有了元符号能力,才能在中国传统文化研究中保持远眺并自省的态度。     

舰载遥测与红外电视跟踪一体化设计与实现

针对遥测近海面测量时面临的复杂场景干扰以及视觉观感不强等方面的问题,提出在舰载遥测系统上加装红外跟踪系统。采用口径140 mm、焦距260 mm/520 mm的光学系统,能对红外源目标进行跟踪、图像记录和在本地/远程实时监控等功能。提出的Kalman滤波估计算法,能够准确预测目标的速度,使得速度顺馈技术在设备中成功实现。介绍了舰载遥测系统的特点以及一体化设计思想,实现了对遥测系统远、近场电轴的标校以及遥测与红外的互跟踪,并通过实例验证了设计的可行性。     

恒晨：厚积薄发 今朝亮剑

深圳市恒晨电器有限公司凭借着雄厚的研发实力、先进的管理体系和在国际市场近十年的竞争经验,如今正式转攻国内市场,他们不惜十年磨一剑,厚积薄发,今朝亮剑。那么恒晨是如何做好产品,深耕渠道的呢?带着这个疑问,本刊记者采访了恒晨的市场负责人。     

基于CAN总线和射频技术的井下动目标监测系统

文章介绍了基于CAN总线和无线射频芯片nRF2401/nRF24e1的煤矿动目标监测系统,分析了由CAN总线组成的监测网络以及人员无线识别射频技术的实现方法。     

超声外场对SiCp/7085复合材料颗粒微观团聚与界面结合的作用机理

采用半固态混合-机械搅拌-超声施振的方法制备了体积分数为10%的SiCp/7085复合材料,通过金相显微镜、扫描电镜和X射线衍射对颗粒分布与界面进行研究,重点研究超声外场对复合材料颗粒团聚与界面结合的作用机理.实验结果表明：单纯机械搅拌对400目颗粒的团聚与界面结合的作用效果有限;超声外场下,空化作用产生的微射流与瞬时高温高压能够有效破除颗粒团聚体的包裹层,打散颗粒;超声破除颗粒表面氧化膜,除去气体层,使熔体中的镁元素与颗粒直接接触并反应是改善熔体与颗粒润湿性的重要因素;最终在界面处生成MgAl₂O₄强化相,从而获得更优的界面结合.     

基于RNN-RBM语言模型的语音识别研究

近年来深度学习兴起,其在语言模型领域有着不错的成效,如受限玻尔兹曼机(restricted Boltz-mann machine, RBM)语言模型等.不同于N-gram语言模型,这些根植于神经网络的语言模型可以将词序列映射到连续空间来评估下一词出现的概率,以解决数据稀疏的问题.此外,也有学者使用递归神经网络来建构语言模型,期望由递归的方式充分利用所有上文信息来预测下一词,进而有效处理长距离语言约束.根据递归受限玻尔兹曼机神经网络(recurrent neural network-restricted Boltzmann machine, RNN-RBM)的基础来捕捉长距离信息;另外,也探讨了根据语言中语句的特性来动态地调整语言模型.实验结果显示,使用RNN-RBM语言模型对于大词汇连续语音识别的效能有相当程度的提升.