基于自然拼读的穿戴式哑语翻译装置研究

本文所研究的"基于自然拼读的穿戴式哑语翻译装置",以手套为主要的穿戴式载体,利用手套上位于指关节上的弯曲传感、手背的加速度传感器及部分特殊部位的光敏传感器对字母手势进行识别编码,并利用标准手语将识别的手势转换成对应的字母和音调,然后组合成对应的汉语拼音,发送给语音模块,由语音模块合成并朗读出汉字,从而实现任意哑语信息的实时翻译.该基于自然拼读的穿戴式哑语翻译装置,易于携带,不受使用位置和待翻译文字内容的限制,易于推广,有较大的研究价值和实用价值.     

基于GWO-SVM的下肢假肢穿戴者骑行相位识别

针对下肢假肢穿戴者骑行相位识别的问题,提出基于灰狼算法优化的支持向量机(GWO-SVM)分类模型. 建立下肢多源信息系统,采集膝关节、踝关节的加速度信号以及膝关节角度信号. 应用奇异值分解,对采集到的信号进行降噪处理. 在对信号进行降噪处理之后,为了避免单一信号不确定的影响,从数据冗余角度,选取各信号的特征点,开展归一化处理,组成多维特征向量,作为SVM分类模型的输入. 为了能够进一步提高分类精度,加强全局优化能力,利用GWO算法对核参数进行优化. 通过与PSO-SVM分类模型、GA-SVM分类模型对比表明,基于GWO优化的SVM分类模型对骑行相位的识别率为94%,高于其他方法优化的SVM分类模型.     

不同地形条件下的AW3D30、SRTM3和ASTER GDEM高程精度分析

以广东部分山地丘陵为研究区域, 分析了数字高程模型AW3D30、SRTM3 V4.1和ASTER GDEM V3的高程精度。利用车载动态PPP技术对沿广州、惠州、韶关、清远约730 km的线路进行了数据采集, 并由CSRS-PPP定位服务系统解算得到动态点的WGS84坐标, 再通过重力场模型EIGEN-6C4将动态点的大地高转换为正常高, 最后对3种数字高程模型进行高程检核。结果表明: AW3D30、SRTM3 V4.1和ASTER GDEM V3的平均误差分别为0.55、0.17、1.59 m, 均方根误差分别为3.78、5.84、8.88 m。3种数字高程模型的平均误差在不同海拔区间差异明显, 其中AW3D30在不同海拔区间的平均误差振幅相对较小, 在2.18 m以内; SRTM3 V4.1的平均误差与海拔为负相关关系, 平均误差随着海拔的升高由正值逐渐转为负值; ASTER GDEM V3的平均误差在(0 m, 250 m]海拔区间为2 m左右, 在(250 m, 800 m]区间为-2.28 m。AW3D30的均方根误差与标准差整体上随着海拔的升高而减小, SRTM3 V4.1随着海拔的升高而增大, ASTER GDEM V3无显著规律, 在(100 m, 250 m]区间优于7.69 m, 在其余区间优于9.86 m。     

基于仿真的高速公路施工区交通分流分析

为更好地研究高速公路施工区的交通分流现象,文中通过交通仿真的方法研究了短期和长期施工区对道路交通的影响,并建立了基于施工时间和交通需求/通行能力比例的分流预测模型。结果表明:动态交通分配模型的day-to-day learning模块可以较好地揭示出行时间的变化对于出行者路径选择的影响;此外,短期施工区的交通分流对于时间因素不敏感,长期施工区的分流主要受到交通需求和通行能力比例的影响。可见交通仿真方法以及分流预测模型对于高速公路施工区的交通组织具有支持作用。     

一种基于正交失衡的MIMO OFDM辐射源指纹提取方法

在研究发射机和接收机正交失衡对MIMO OFDM系统影响的基础上,提出了基于正交失衡的指纹特征提取方法。通过构造特殊的训练序列,使用最小二乘算法对MIMO信道和发射机正交失衡进行估计,提取出反映正交失衡畸变的指纹特征,采用支持向量机对10个辐射源目标进行身份识别。实验结果表明,其性能优于基于调制域错误的方法。     

基于深度神经网络的普通话智能评测关键技术研究

为改进传统普通话水平测试第四题测评中的不足,实现测评的智能化,减轻工作人员工作量,提升考试的公平性,采用基于深度神经网络的普通话智能评测关键技术,设计使用深度神经网络-隐马尔科夫模型的语音识别模型(DNN-HMM),识别考生表述的语音,更好地反映考生真实发音的标准程度;使用条件随机场训练分句模型,更加精准地判定考生发音的流畅程度;采用矢量空间模型,较好地评估考生词汇语法使用的规范程度。     

多微网最优潮流功率调度及协同优化控制策略

针对多微网运行中存在的一些问题,提出了多微网功率调度及优化控制策略。在该方法下,多微网被分为微网控制部分和最优潮流能量调度部分。其中,微电网控制部分包括功率优化模块以及控制模块。在功率优化模块中,提出了动态有功参考值这一概念,利用稀疏通信网络与相邻单元协作,使用一致性算法执行本地计算以求得分布式电源（distributed generator, DG）等成本微增率,获得动态有功参考值,DG输出有功则对动态有功参考值进行跟随,使发电成本最小化,同时消除频率偏差,所以此方法无需对频率进行额外的控制。除此之外,控制模块中加入了电压控制器,针对电压不一致问题,加入补偿因子,维持电压在额定值,保证电能质量。最优潮流负责子微网之间的功率调度,当子微网的容量不足时可进行功率互济。最后在MATLAB/SIMULINK中建立交流多微网,仿真结果表明,所提方法有效地提高了系统的经济性和稳定性。     

基于四苯乙烯结构的阳离子荧光探针的设计合成及其应用

我们以四苯乙烯为荧光团,通过McMurry反应、Duff反应和胺醛缩合设计合成一种阳离子的荧光探针,该荧光探针可以在水与二甲亚砜体积比为2︰5的混合溶液中对铝离子做到特异性识别。在不加入离子和加入其它阳离子的情况下,荧光探针的荧光强度很低,而加入铝离子后,荧光强度大幅增强。而且,在其它阳离子对荧光探针对铝离子的荧光响应影响不大。     

基于FPA-VVRKFA的手势表面肌电信号识别

表面肌电(Surface Electromyography,sEMG)信号直接、客观地反映了人体肌肉的活动情况,其作为一种便捷的无侵入式肌电检测方法,被广泛地应用于人体动作识别领域.针对表面肌电信号的手势识别问题,提出了一种基于时域特征和向量正则核函数逼近方法(Vector-Valued Regularized Kernel Function Approximation,VVRKFA)的手势识别方法.首先,对MYO臂环采集到的sEMG数据进行活动段检测以提取出活动段;随后,从活动段信号中提取平均绝对值、波形长度、过零点数、均方根和Willison幅值等五个时域特征;最后,应用VVRKFA分类器对提取到的sEMG进行分类识别,同时采用花授粉算法(Flower Pollination Algorithm,FPA)优化分类器参数以保证最佳分类能力.实验结果表明提出的方法在手势动作模式识别上取得了较高的准确率.