基于曲率流的点模型编辑方法*

为了对点模型表面进行保细节的自由形状编辑,提出了一种基于曲率流的点模型形状编辑方法。该方法定义了基于平均曲率流的光顺算子,通过此光顺算子获得点模型不同光滑程度的曲面表示。运用对应曲面上点之间的向量差进行相应几何细节的抽取,在相邻的曲面表示之间将几何细节剥离出来。用户可以在不同的曲面上进行自由形状编辑,而无须关心几何细节。在变形后的曲面上再将相应的几何细节映射回去,实现对模型保细节的变形。实验结果表明该方法是一种有效的点模型造型算法,在变形的同时,有效地保持了模型表面的细节特征。     

一种基于脉冲耦合神经网络的语音情感识别新方法

针对汉语语音情感识别问题,提出了一种基于脉冲耦合神经网络(PCNN)的识别方法。该方法将语音转化为语谱图后输入到PCNN,得到输出图像的神经元点火序列及其熵序列作为语音情感的特征,利用其特征实现语音情感识别。实验结果表明,该方法可以有效地识别“高兴”与“平常”这两种不同的情感。该方法将PCNN引入到语音情感识别的应用研究中,开拓了语音和图像信号结合处理的新领域,同时对于PCNN的理论研究和实际应用具有重要的现实意义。     

基于SIP协议非语音信息扩展的应用研究

利用SIP事件通告机制这一扩展,提出了一种基于SIP的VoIP非语音信息扩展的应用方案,描述了该方案的设计原理,讨论了一些方案实现的技术要点.该设计方案结合了XML技术,结构清晰,故具有较强的扩展性.在VoIP系统中,该方案实现的扩展功能使用户了解当前其他用户的通信状态,避免了一些呼叫事故的发生.     

DICOM医学图像数据转换算法研究

分析DICOM格式的结构、组成和存储方式,提出一种DICOM格式图像向BMP格式图像转换的D2B算法,该算法将灰度级数多,存储位数多,结构复杂的DICOM格式的医学数据图像转换成易于处理且使用广泛的BMP格式的图像.实验结果表明,D2B算法在转换效率、信息保持等方面达到了令人满意的效果.     

永磁直线同步电机电流检测系统设计

直线驱动系统由于机械结构简单而获得广泛应用.本文提出一种基于磁场平衡式霍尔电流传感器的永磁直线同步电机的电流检测系统及其实现方案.分析了电流检测系统的基本原理、电流信号的处理以及电流的过流保护的功能.实验结果验证了电流检测系统的有效性.     

一种通用无线智能终端的设计与实现

针对中小批量测控系统开发周期长、低层次重复开发严重及性能难以保证等问题,提出了通用智能终端的设计思想.该终端采用模块化结构,由核心模块和信息采集模块、输出模块、无线通讯模块、模糊控制模块等诸功能模块组成,终端配置可根据需要灵活裁剪.多个智能终端通过无线通讯可灵活组建成无线测控网络,模糊控制原型模块的开发使得构建专用模糊控制系统变得简易而快捷.这为中小批量测控系统的开发研制提供了极大便利,是一种用实用性强、途广泛、极具推广价值的智能终端.     

通过TFFS加载和升级VxWorks映像

本文介绍了嵌入式实时操作系统VxWorks的flash文件系统TFFS的结构,分析了其算法,描述了其在SST39VF160型号flash上的构建步骤。最后以TFFS作为VxWorks映像的加载途径,这种加载方式为系统的升级提供了极大的方便。     

基于移动边缘计算的资源分配策略

为进一步探究移动互联网的资源分配问题,文中基于无线互联网通信工况恶劣的特殊情形构建了仿真模型,并结合实际情况,以支持移动边缘计算的服务器为基础,引入基于深度域不变性残差计算的长短期记忆网络（DR-LSTM）,从互联网设备任务卸载的角度着手设计了资源分配策略和主要算法流程。通过仿真实验结果可知,基于移动边缘计算的资源分配策略在性能上存在一定的优势,具有潜在的应用价值。     

无限远像距中波显微光学系统设计北大核心CSCD

随着红外技术的发展,高性能红外显微系统在热物理化学、微生物及MEMS优化设计等科技领域起到了非常重要的作用,本文讨论了一种无限远像距显微系统的结构形式及设计方法,针对阵列规模320×256,像元尺寸30μm相对孔径为2的中波制冷型红外探测器,设计了一款无限远像距中波显微光学系统,放大倍率为3×,工作距离35 mm,数值孔径(NA)0.75,适合于高帧频下红外显微探测的需求以及类似显微物镜产品的系列化。     

基于ATLG混合模型的股票价格预测

股市是金融市场的重要组成部分,对股票价格预测有着重要的意义.同时,深度学习具有强大的数据处理能力,可以解决金融时间序列的复杂性所带来的问题.对此,本文提出一种结合自注意力机制的混合神经网络模型(ATLG).该模型由长短期记忆网络(LSTM)、门控递归单元(GRU)、自注意力机制构建而成,用于对股票价格的预测.实验结果表明:(1)与LSTM、GRU、RNN-LSTM、RNN-GRU等模型相比, ATLG模型的准确率更高;(2)引入自注意力机制使模型更能聚焦于重要时间点的股票特征信息;(3)通过对比,双层神经网络起到的效果更为明显.(4)通过MACD (moving average convergence and divergence)指标进行回测检验,获得了53%的收益,高于同期沪深300的收益.结果证明了该模型在股票价格预测中的有效性和实用性.