自主式微小型移动机器人的自动避障行为研究

针对多微小型移动机器人工作环境的模型未知或不确定,以及该机器人本身 的某些限制,采用基于行为的研究方法,实现了自行设计的自主式微小型移动机器人在未知 、动态环境中的自动避障,设计了该机器人的障碍物回避行为,采用了电机神经元网络选择 机器人的自动避障动作,并用增强式学习的动作评判结果在线修改网络的权值,结合机器人 的漫步行为,采用机器人的安全漫步任务验证了该方法的有效性．     

基于XC164CS微处理器的正弦脉宽调制信号的实现

把电压空间矢量的概念引入到正弦脉宽调制波形产生中,介绍了16位微处理器在正弦脉宽调制中的应用,并基于具体硬件结构利用双极性调制方法实现了正弦脉宽调制波形的生成。试验证明:本方案具有计算速度快、效率高的优点,在工程实践中切实可行。     

DTPA-c-myc反义核酸的合成及其113Inm标记

合成了DTPA-c-myc反义核酸,并对其进行了^113In^m标记;考察了标记物^113In^m-DTPA-c-myc反义核酸在生理盐水和牛血清中的稳定性和对平滑肌细胞增殖的影响.标记结果显示,在最佳标记条件下标记率为35%～40%,标记物纯化后放化纯度＞90%.^113In^m-DTPA-c-myc反义核酸在生理盐水中48 h放化纯度＞94.0%,在血清中48 h放化纯度仅为76.1%.细胞增殖结果显示：^113In^m-DTPA-c-myc反义核酸浓度达到10 μmol/L（92.5 GBq/L）时抑制率达到最大,^113In^m-DTPA-c-myc反义核酸（放射性反义治疗组）和反义核酸（反义治疗组）、^^113In^mCl3溶液（放射性治疗组）、不加核酸或^113In^mCl3溶液 （对照组）和c-myc正义核酸（正义治疗组）对平滑肌细胞增殖的抑制率分别为84.5%、69.3%、20.6%、15.2%、0,放射性反义治疗组与反义治疗组、放射性治疗组、对照组相比有显著性差异（P＜0.05、P＜0.01、P＜0.01）,反义治疗组和正义治疗组相比也有显著性差异（P＜0.01）.这说明合成的 ^113In^m-DTPA-c-myc反义核酸在体外可有效抑制猪血管平滑肌细胞增殖.     

Soft AP无线应用令人惊喜

什么是SoftAPSoft AP是一种通过无线网卡、使用专用软件在PC上实现AP功能的技术,它可以取代无线网络中的AP(Access Point,无线接入点),从而会降低无线组网的成本。Soft AP是英特尔等公司力推的一个新概念,它可以让任何一台拥有无线网卡的PC或笔记本电脑具备AP功能!SoftAP与AP的区别在无线网络中,AP作为基站起着连接其它无线设备以及与有线骨干网连接的作用,相当于有线网络中的HUB或交换机。在基本功能上,Soft AP与AP并没有太大的差别,不过Soft AP的接入能力和覆盖范围远不如AP。现在很多AP都带上了附加功能,如ADSL Mode…     

应用GPS授时时角拍星法标校测角精度

在用拍星法标校高精度测角设备过程中,针对通常采用天文授时存在的授时难、理论值误差大等问题,提出了应用 GPS 授时时角拍星法进行拍星标校。授时精度的提高和新时角算法的运用,大大提高了拍星标校的理论值精度,标校精度可达 5″以内,并在高精度测角设备上得以应用。     

化学沉积103Pd工艺的研究

以0.5 mm×3.0 mm碳棒为载体,氯化钯为前体,¹⁰³Pd为放射性示踪剂,水合肼为还原剂,研究了化学沉积¹⁰³Pd工艺。结果表明,化学沉积¹⁰³Pd的优化条件为：2 g/L PdCl₂、65 g/L Na₂EDTA、700 mL/L 25%NH₃•H₂O、100 mL/L 5%H₄N₂•H₂O,pH=10,时间90 min,温度50 ℃。化学沉积¹⁰³Pd溶液稳定性好,反应易进行;有95%的¹⁰³Pd沉积到载体棒上,碳棒对¹⁰³Pd的吸收仅约为12%,¹⁰³Pd利用率高;沉积层呈灰白色,表面平整;化学沉积¹⁰³Pd批内均匀性好,重复性好。化学沉积¹⁰³Pd技术可用于制备¹⁰³Pd粒子和新型¹⁰³Pd-¹²⁵I复合粒子。     

基于全局自注意力的小麦图像识别

在实际应用场景下,通过图像识别的方式来识别小麦的病虫害具有极大的挑战性。与以往纯粹基于卷积神经网络（Convolutional Neural Network, CNN）的方法相比,将小麦图像转换成一系列视觉语言,并从全局视角进行小麦识别的方法是更可行和实用的。运用Convolutional Visual Transformers（CVT）来解决小麦识别分为2个环节。首先,利用2分支CNN生成的2种特征图来实现注意选择性融合(Attentional Selective Fusion, ASF)。ASF通过融合多个特征和全局-局部注意力来获取有区别的信息,并投射成一系列的视觉语言。其次,受Transformers在自然语言处理方面的成功启发,用全局自注意力来建模这些视觉语言之间的关系。将CVT与经典分类网络LeNet-5、ResNet-18、VGG-16、EfficientNet对比,识别率有所提升,同时该方法具有良好的泛化能力。     

基于振铃抑制的多视频超分辨率重建

为了利用较少低分辨率视频序列实现多视频超分辨率重建,本文提出一种将时空分别进行重建的算法。首先利用已有方法进行时间重建,再以得到的高时间分辨率的视频序列帧为参考帧,结合输入低分辨率视频序列帧进行空间重建。此外,针对传统重建方法在配准不精确的情况下会产生振铃现象这一问题,提出一种加入自适应惩罚项的改进迭代反投影(IBP)算法。实验结果表明,本文算法在输入低分辨率序列较少的情况下,能较好地实现多视频超分辨率重建,且能有效抑制振铃现象;重建出的高分辨率视频序列的结构相似度较对比算法提高3.4%~6.1%;在主观感受上,图像边缘锐利、人工效应少。     

基于主向量分析重建的人脸识别算法研究

提出一种基于主向量分析(PCA)重建的人脸识别方法.传统的特征脸方法是根据PCA投影变换后,利用特征空间的总体散布矩阵最大化的特点进行分类;而本文方法则根据PCA重建误差最小的特点,利用重建误差最小进行人脸的分类.在ORL标准人脸库上的实验结果表明,本文方法优于传统方法,并且具有在增加类别以及增加样本时运算量小的特点,因此具有较好的识别效果及较高的实用性.