金帆奖综合文体类节目获奖心得

在2010年度广电总局电视节目技术质量奖(金帆奖)评比中,上海广播电视台技术运营中心选送的《加油中国——红牛2010宋祖英上海演唱会》获得了标准清晰度电视录制技术质量奖综合文体类一等奖。本文详细介绍了从前期录制到后期制作的方法、经验与遇到的困难,结合技术指标分析了标清节目在纯高清系统中制作时质量控制的可能性。     

远距离多点连线大型电视直播节目转播方案——在“上海长江隧桥通车仪式”中的应用

本文主要针对大型远距离、多点连线类直播节目提出了可行的技术解决方案,根据节目特点完整地论述了此类节目的制作方法,分析了各种技术设备在节目过程中的应用,并且就技术难点提出了新的思路。     

LNG接收站蒸发计算状态方程选择

LNG物性参数是LNG接收站模型建立、工艺流程模拟计算及研究必不可少的基础数据。以国外实验数据为基础,采用Aspen HYSYS软件分析评价PR、SRK、LKP、BWRS状态方程对气液相组成、焓、密度等物性参数的预测结果,比选汽液相平衡和热力学参数的计算状态方程,建立了LNG接收站储罐蒸发模型,并比较了四种状态方程的准确度。结果表明：PR方程在汽液相平衡计算方面计算精度最高,相对误差为4.70%;LKP方程计算热力学参数最准确,预测误差为2.59%。综合考虑相平衡参数和热力学参数计算精度,PR方程精度最高,预测误差为3.77%。此外,PR方程对LNG储罐蒸发和储罐压力的模拟计算值与现场数据吻合度最好,因此LNG接收站蒸发计算推荐选用PR方程。研究结果对物性参数和LNG接收站蒸发计算状态方程的选择具有借鉴意义。     

辽宋金元时期葫芦形注壶比较研究

葫芦形注壶是葫芦形饮具中的常见的一种器形,在辽宋金元时期较为多见。在历史衍变中,葫芦形成为中原传统的器形,并在辽宋金元时期,因为社会生活模式、文化习俗、饮食方式和饮食器具组合的碰撞得到积淀和发展。通过这一时间段葫芦形执壶的比较研究,发现葫芦形执壶在结构形制上既具相似性又有区别性,探究出葫芦形注壶呈现出多种文化相渗的特色,是影响流行在辽宋金元时期的一种饮具,起初适用于北方民族的马上生活,并逐步适应了少数民族定居生活模式。     

校园个人计算机问题的维修实践分析

阐述校园个人计算机问题的维修实践，校园计算机的构成，硬件维护、操作系统与驱动软件、计算机与网络的信息安全。     

论图形符号的隐喻性特征

以图形符号在现实生活中的信息传播、交流为启示,分析了图形符号隐喻的基础、内涵、理解的多义性与模糊性,并结合日常生活中的各种事物、生活形态的隐喻性质,论述了图形符号中的隐喻价值,进而分析了图形利用隐喻特征进行设计的可行性.在此基础上,提出了隐喻的基础必须是设计者对生活感知;以及运用隐喻理解的多义性、模糊性的特征对于图形设计中创造思维过程及沟通过程的合理性.     

基于输电杆塔区域提取的图像匹配算法

针对无人机（UAV）视觉定位过程中传统特征提取与匹配算法匹配质量不佳的问题,提出了一种基于输电杆塔区域提取的图像匹配算法。首先,将图像划分为若干相互重叠的网格区域,并对每个区域采用双层金字塔结构提取特征点,从而保证特征点的均匀分布;其次,使用直线分割检测（LSD）算法提取图像中的直线,从而利用输电杆塔的特殊结构得到输电杆塔的支撑区域;最后,在连续图像中对输电杆塔区域与背景区域内的特征点分别进行匹配,以进一步估计相机运动。在旋转和平移估计实验中,与传统的ORB特征提取与匹配算法相比,所提算法的特征匹配准确率提升了10.1个百分点,相对位姿误差的均值降低了0.049;在UAV巡检实验中,采用所提算法进行UAV轨迹估计的相对误差为2.89%,表明该算法可在实时绕塔飞行过程中实现对UAV位姿的鲁棒、精确估计。     

用电行为大数据分析探索与实践

武汉供电公司开发利用用电行为大数据分析工具,挖掘客户用电行为的关键点、关注点以及客户服务的缺失点,通过该分析工具针对性地解决问题、改善指标和提升服务,解决电费回收难的问题。该工具能够科学量化用电行为、有效展示分析成果,在实际推广应用中获得良好效果。     

基于LSTM神经网络的声发射信号识别研究

声发射检测不需要进入被检对象中进行检测,与其他无损检测技术相比具有实时性、整体性和高灵敏度等独特优势.早期参数分析、小波分析等方法在声发射信号特征提取上缺乏理论指导,具有一定主观性,BP神经网络应用于声发射信号识别中时网络训练容易陷入局部极值,LSTM神经网络可以对输入序列数据进行逐层学习并自适应提取特征,避免了特征的人工选择和提取,较好地解决了存在的问题.文中提出一种基于LSTM的声发射信号识别模型,在声发射信号z-score标准化基础上,对比不同学习算法、隐层神经元数、正则化dropout rate下的测试集正确识别率,优化声发射信号识别模型,与BP神经网络的声发射信号识别准确率进行对比,实验结果表明,LSTM神经网络在Adam算法中,当隐层神经元数为250,dropout rate为0.5时,声发射信号识别率最高且为76.51％,优于BP神经网络53.9％的最高识别率.