话说燕麦（一）

燕麦又称玉麦、铃铛麦,英文名oats,是禾本科燕麦属一年生草本植物,一般分为带稃型（皮燕麦）和裸粒型（裸燕麦）两种。国外栽培的燕麦品种以带稃型为主,而中国以裸燕麦为主要栽培品种,习惯上称莜麦,主要为食用。过去莜麦是不被我国农业和加工业所重视的麦类,然而由燕麦制造而成的燕麦片,却是国外传统的方便食品,其销量之大可与啤酒和快餐相比。莜麦的营养价值在禾谷类作物中居首位,蛋白质含量高达14％～19％,氨基酸的含量多而种类齐全,人体必须的8种氨基酸的含量不仅为稻米和小麦的2倍多,并含有较多的儿童发育不可缺少的组氨酸、赖氨酸。莜麦脂肪的含量也较高,约为6％～9％,所含脂肪中的脂肪酸,主要为油酸、     

基于RBF神经网络辨识的过热蒸汽温度控制

提出一种基于RBF神经网络辨识的PID串级主蒸汽温度控制策略,即将RBF神经网络与常规PID串级控制相结合构成RBF-PID控制器.该控制器不仅具有常规PID控制器的特性,而且还具有智能控制器的自学习能力,增强了系统对不确定因素的适应性.仿真研究结果表明,RBF-PID控制系统动态调节品质显著优于常规PID串级控制,能适应对象参数的变化,具有较强的鲁棒性和自适应能力.     

移动边缘计算中计算卸载方案研究综述

在移动边缘计算中通过将终端设备的计算任务卸载到边缘服务器,可以利用边缘服务器资源解决终端设备计算能力不足的问题,同时满足移动应用程序对低延迟的需求.因此,计算卸载备受关注并成为移动边缘计算的关键技术之一.本文对移动边缘计算的计算卸载研究进展进行深度调研.首先,总结归纳出两类计算卸载方法——基于启发式算法的传统方法和基于在线学习的智能方法;从最小化延迟时间、最小化能耗、权衡时间和能耗三个不同优化目标对基于启发式算法的传统计算卸载进行分析对比;梳理了基于在线学习智能计算卸载采用的底层人工智能技术;然后介绍了边缘服务器资源分配方案和新兴的移动边缘计算应用场景;最后分析计算卸载方案存在的问题并展望移动边缘计算的计算卸载研究的未来方向,为后续研究工作指明方向.     

移动低占空比无线传感网中数据收集的研究进展

移动低占空比无线传感网(Mobile Low-duty-cycle Wireless Sensor Networks,MLDC-WSN)是一种新型的传感器网络,它能克服传统无线传感网络(WSN)中仅考虑静态网络、网络能耗大等问题。但是,MLDC-WSN的新特性给数据收集应用带来了新的挑战,例如:移动性会导致网络拓扑结构不断改变,造成网络连通性不稳定;节点的苏醒时间短,造成通信延迟大。针对MLDC-WSN中数据收集的研究现状进行了分析和对比,分别从节点移动性管理、节点睡眠调度、数据收集协议等3个方面进行了综述。此外,还总结了该领域中待解决的重要科学问题,并对未来的研究方向进行了展望。     

基于边缘计算的传感云研究进展

传感云是无线传感器网络（wireless sensor networks,简称WSNs）和云计算的结合.通过利用云计算在资源利用方面的优势,传感云（sensor-cloud）极大地提高了传统无线传感器网络的计算能力和存储容量.然而,传感云仍有许多问题需要解决,例如无线传感器网络在通信和能源方面的局限性,以及将云平台作为数据处理和控制中心所带来的高延迟和安全隐私问题.边缘计算具有解决传感云缺点的巨大潜力,其核心是将云计算中心的部分或全部计算任务迁移到数据源附近进行处理.经过大量调研,分析了传感云的最新研究现状,总结了现有传感云的特点,揭示了已有传感云方案中的问题,提出了基于边缘计算的传感云实现方案.最后,探讨了该研究面临的挑战和未来研究方向.     

深度残差神经网络高分辨率遥感图像建筑物分割

针对高分辨率遥感图像建筑物分割问题,提出一种Encoder-Decoder的深度学习框架,建立输入图像到分割结果之间的端对端的分割模型。其中Encoder以残差网络为基础,自动提取建筑物的特征;Decoder采用反卷积实现对特征图的上采样,从而完成对建筑物的分割;同时引入批量规范化处理,降低了神经网络权重训练过程中的梯度竞争,从而减小了神经网络的训练难度。实验表明:提出的建筑物分割算法能有效提取建筑物的块状特征和边缘信息,降低复杂道路等干扰的影响,提升建筑物的分割精准度,算法对邻近复杂道路的建筑物、规律性建筑物、单体复杂建筑物等3种典型建筑物的分割精度分别为：0.837、0.892和0.630;F值分别为：0.851、0.879和0.730。同时,多分辨率条件下的分割实验结果表明,该算法对于一定范围内的多分辨率遥感图像具有较好的泛化能力。     

视频编码的技术基础及发展方向

现有视频编码采用基于块的混合编码架构,利用预测、变换、量化和熵编码技术实现对视频信号的高效压缩.在现有架构基础上进一步优化,提供针对视频图像信号局部特性的更加灵活的处理和编码.基于机器学习的视频编码技术有望部分或全面地改变现有的混合编码框架,给视频编码带来新的研究思路.未来视频除了现有的二维平面视频,还需要编码面向AR/VR应用的球面视频数据和体视频数据,这些新的视频源数据格式也给视频编码技术研究带来新的机会和挑战.     

物联网中基于扩展卡尔曼滤波的移动群体定位

为了满足高精度和高可靠性定位的需求,提出了一种基于扩展卡尔曼滤波的移动群体定位算法,把待定位的用户节点当成一个群组,利用他们之间的距离信息得到更好的定位性能,以减小环境噪声和无线信号不稳定造成的影响.此外,开发出一个实际的系统,并在大学校园里进行了大量实验.实验结果和理论分析验证了所提出方法的有效性.     

椭圆滤波器边带优化设计方法研究

给出了椭圆函数滤波器边带特性优化设计的一种新方法。该方法把椭圆函数滤波器的边带选择性作为一个设计参数进行优化处理,充分利用函数逼近阶数的计算余量,通过相应的算法调整归一化的阻带角频率使边带选择特性最大化,可以在不增加阶数的前提下获得更好的衰减特性,有效地减小过渡带宽。文中给出了计算方法和实例分析。     

黑龙江:国家重要的玉米商品粮基地

黑龙江省地处我国玉米带最北部,属北方早熟春玉米区。黑龙江省地域辽阔,东西和南北跨度都近千公里,玉米产区北起黑河,南至双城5个积温带,玉米种植几乎遍布全省。但全省玉米生产布局重点在第一、二、三、四积温带及第五积温带上限的62个县(市、区)和农垦8个管理局所属农场建设高淀粉、鲜食和青贮玉米优势生产区。高淀粉玉米生产区包括:双城、巴彦、哈尔滨呼兰、五常、宾县、依兰、