检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

应用于生物医学的胳膊电波传播通道特征研究

应用于生物医学的胳膊电波传播通道特征研究

作者：周成贵桂林电子科技大学

学位级别：硕士

5G/6G技术是体域网技术发展的推动力,研究无线体域网技术必须研究天线与人之间的相互影响,而本课题研究天线对人体的影响,主要聚焦于电磁波在胳膊上的传播特征及SAR(Specific Absorption Rate)值研究。目前相关研究集中在ISM 2.45 GHz... 详细信息

5G/6G技术是体域网技术发展的推动力,研究无线体域网技术必须研究天线与人之间的相互影响,而本课题研究天线对人体的影响,主要聚焦于电磁波在胳膊上的传播特征及SAR(Specific Absorption Rate)值研究。目前相关研究集中在ISM 2.45 GHz以下的频段,而本课题依据未来发展方向,围绕着ISM频段的5.8 GHz频段展开研究,具体研究如下:1.胳膊电磁通道统计特征研究。该研究使用两个5.8 GHz的全织物贴片天线放置在胳膊后作为收发端,分别研究自然下垂时静止状态下胳膊的传输特征以及选取三个自然动作模拟自然行走的动态过程传输特征,包括了前摆最高点、自然下垂和后摆最高点。对比研究有无胳膊存在时的传输特征,确定出表面波对传输特征的影响,并采用曲线拟合方法得到了相对路径损耗预测模型;通过对三种自然状态下的实测结果分析,建立动态路径损耗预测模型。综合分析静态和动态胳膊电磁特征,通过采用补偿因子的方式,将自然下垂状态下的预测模型进行简单的修正,即可较好地预测动态时的路径损耗。2.真实胳膊电磁传播特征仿真分析研究。首先,依据人体电参数特征和固态胳膊模型,分别研究均匀的皮肤、脂肪和肌肉上单层的电波传播特征,发现皮肤组织的电磁波传播效率最好。再使用3D扫描仪对特定个人的真实胳膊进行扫描建模,建立起由皮肤、脂肪和肌肉三层组织的真实固态电磁仿真模型,并依据贴片天线的实际测量数据调整仿真模型,使其能更加有效地预测电磁波传播特征;通过对比分析有无胳膊存在时贴片天线的传输系数,确定出表面波的影响,并推导出表面波的传播公式。最后用单极子天线形成的不同于贴片天线的视距传播特征,研究直射波和反射波的影响,并通过使天线远离胳膊的方式确定出胳膊不影响电波传播的距离。3.基于通道特征的SAR值及健康安全评估分析。依据分别将贴片天线和单极子天线放置在手腕位置后,用近场探头对附近区域的实测结果,分别建立单介质和三介质层的胳膊电磁仿真模型,评估不同位置的SAR值分布。结果表明,不管是贴片天线,还是单极子天线,在天线的输入功率为1W的情况下,两者的SAR值都低于国际标准。

关键词：体域网真实胳膊电磁模型通道特征 SAR

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于通道特征金字塔的图像分割算法

电子科技 2023年第12期36卷 39-45页

作者：孙红杨晨莫光萍上海理工大学光电信息与计算机工程学院上海200093

针对语义分割任务中存在的庞大参数计算成本和冗余参数量等问题,文中提出了通道特征金字塔模块来解决该问题。基于通道特征金字塔模块和轻量级注意力机制构建用于实时语义分割的网络。通道特征金字塔模块创造了足够的感受野并密集地利... 详细信息

针对语义分割任务中存在的庞大参数计算成本和冗余参数量等问题,文中提出了通道特征金字塔模块来解决该问题。基于通道特征金字塔模块和轻量级注意力机制构建用于实时语义分割的网络。通道特征金字塔模块创造了足够的感受野并密集地利用了上下文信息,从第2个通道开始采用求和运算逐步组合特征图,并将它们连接起来构建最终分层特征图,在常规卷积层后添加卷积模块的注意力机制提升分割精度。在没有任何预训练和后处理的情况下,算法在CamVid数据集使用单块GTX2080Ti上仅用0.75 MB参数和5.3 MB内存就实现了68.1%的分割准确率,在Cityscapes数据集上以56帧的推理速度取得了75.7%的均交互比。

关键词：预测任务语义分割推理速度通道特征注意力机制感受野上下文信息均交互比

在线全文

学校读者我要写书评

暂无评论

融合通道特征的混合神经网络文本分类模型

中文信息学报 2021年第2期35卷 78-88页

作者：韩永鹏陈彩苏航梁毅北京工业大学信息学部北京100124

基于卷积神经网络与循环神经网络的混合文本分类模型通常使用单通道词嵌入。单通道词嵌入空间维度低,特征表示单一,导致一维卷积神经网络不能充分学习文本的空间特征,影响了模型的性能。因此,该文提出一种融合通道特征的混合神经网络文... 详细信息

基于卷积神经网络与循环神经网络的混合文本分类模型通常使用单通道词嵌入。单通道词嵌入空间维度低,特征表示单一,导致一维卷积神经网络不能充分学习文本的空间特征,影响了模型的性能。因此,该文提出一种融合通道特征的混合神经网络文本分类模型。该模型使用了双通道词嵌入丰富文本表示,增加了空间维度,在卷积的过程中融合了通道特征,优化了空间特征与时序特征的结合方式,最终提高了混合模型的分类性能。在IMDB、20NewsGroups、复旦中文数据集、THUC数据集上进行实验,该模型的分类准确率相比于传统卷积神经网络平均提升了1%,在THUC数据集上准确率最高提升了1.3%。

关键词：通道特征神经网络文本分类

在线全文

学校读者我要写书评

暂无评论

基于通道特征的印前图像处理技巧

印刷技术 2003年第28期 47-49页

作者：顾桓薛延学陈文燕西安理工大学西安科技大学

一幅图像可以分成不同的颜色通道,如RGB文件可分成红、绿、蓝3个色通道,CMYK、Lab文件也可以分成不同的颜色通道.如果观察与其对应的每个色通道,会发现它们之间存在很大的差别.对于同一幅图像,在某个通道中的层次光滑柔顺,而在另一个通... 详细信息

一幅图像可以分成不同的颜色通道,如RGB文件可分成红、绿、蓝3个色通道,CMYK、Lab文件也可以分成不同的颜色通道.如果观察与其对应的每个色通道,会发现它们之间存在很大的差别.对于同一幅图像,在某个通道中的层次光滑柔顺,而在另一个通道中可能会存在很多斑点;对于同一幅图像的相同部位,在某个通道的细节对比度比较明显,而在另一通道可能会很模糊.这些差别为我们提供了局部图像的一些隐含信息,如果我们能够仔细分析,并对有用的信息进行再加工,就可以实现原图像的修饰及有效处理.这里,笔者总结了在Photoshop软件中进行图像处理的几种常用方法,与大家一起交流.

关键词： Photoshop软件图像处理印前技术图像修饰锐化处理通道特征

在线全文

学校读者我要写书评

暂无评论

增强可分离卷积通道特征的人脸表情识别

增强可分离卷积通道特征的人脸表情识别

作者：雷毅雄长安大学

学位级别：硕士

近年来,人脸表情识别已然成为当下最具有发展潜力的研究方向之一,应用范围涵盖了安防、娱乐和机器人交互等领域。传统的人脸表情识别需要人工提取特征,虽然需要的样本少且具有一定的稳定性,但是难免会有人为因素产生误差,导致表情识别... 详细信息

近年来,人脸表情识别已然成为当下最具有发展潜力的研究方向之一,应用范围涵盖了安防、娱乐和机器人交互等领域。传统的人脸表情识别需要人工提取特征,虽然需要的样本少且具有一定的稳定性,但是难免会有人为因素产生误差,导致表情识别准确率不高。由于卷积神经网络提取特征时不用对表情图片数据进行标注,使得在面临大量数据样本时更易训练,还可以提取到高维的人脸表情特征,但神经网络结构一般较复杂且参数过多,减少网络参数就满足不了实际应用中的实时性要求。针对以上问题,提出一种增强可分离卷积通道特征的人脸表情识别方法。本文以Xception网络为原型,设计了一个卷积神经网络结构,初始层采用普通卷积层提取低维特征,然后把深度可分离卷积放置于网络中间层,可以解决网络参数过多的问题,同时引入了压缩激发模块,可以将某个表征能力强的通道变得更强,表征能力弱的通道自然就会更弱。由于不同的卷积层的通道数可能会不一样,所以在不同的通道,压缩激发模块需要选取不同的压缩率,合理地利用压缩激发模块来提升网络模型的精度。最后用Softmax函数实现表情分类,在CK+表情序列数据集与静态表情数据集FER2013上对其进行了实验并分析。实验结果表明:本文提出的增强可分离卷积通道特征的人脸表情识别方法在CK+人脸表情序列数据集与静态人脸表情数据集FER2013上,识别精度值各增加了0.15%和3.29%,且网络模型参数量降低了75%。所提方法在降低网络模型参数的同时,也可以保证人脸识别精度有明显的提升,使得特征提取更加高效。

关键词：人脸表情识别通道特征深度可分离卷积压缩激发模块

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

胳膊通道特征研究

胳膊通道特征研究

作者：尹聂康桂林电子科技大学

学位级别：硕士

目前无线体域网(WBAN)应用主要集中在医疗监测、老人监护和军事等方面,而无线体域网研究的基础是人体的电磁特征。故此,本文针对5.8GHz这一ISM频段的胳膊电磁特征展开研究,研究其传输电磁波时的通道特征,具体研究如下:1.真实胳膊电磁模... 详细信息

目前无线体域网(WBAN)应用主要集中在医疗监测、老人监护和军事等方面,而无线体域网研究的基础是人体的电磁特征。故此,本文针对5.8GHz这一ISM频段的胳膊电磁特征展开研究,研究其传输电磁波时的通道特征,具体研究如下:1.真实胳膊电磁模型研究。首先利用3D成像扫描仪对特定个人的胳膊进行扫描,建立起具有真实外形的胳膊模型;然后,根据中国人群的医学生理特点和人体器官各相关的电磁参量,建立具有层状结构的固体电磁仿真模型,该模型由皮肤、脂肪、肌肉等组成;最后,将所设计的工作在5.725-5.875 GHz频段的全织物微带天线共形到真实胳膊上面,进行传输参数的测试。依据测试结果调整仿真模型,以此建立起有效的电磁仿真模型。对比分析得出最终所建立的仿真模型与实测结果的路径损耗指数和参考距离处路径损耗误差在0.012和0.775d B。2.胳膊通道特征研究。依据所设计的全织物微带天线,研究在静态和动态两种状况下的通道特征,其中动态特征是通过选取某个动作的几个静态情形所得到的。通过相应路径损耗建模分析可知,在静态情况下,肌肉组织电导率与路径角度的增加均会提高路径损耗指数,而肌肉组织介电常数的增加会使路径损耗指数降低,且路径角度的增加会加大阴影衰落;在动态情况下,胳膊前向摆臂角度的增加会增加路径损耗指数和阴影效应,后向摆臂角度增加时路径损耗指数和阴影效应都基本不变。

关键词：无线体域网真实电磁模型胳膊通道特征

一种基于改进聚合通道特征的快速行人检测方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

开封大学学报 2020年第3期34卷 86-89页

作者：付红杰刘悦王青正开封大学信息工程学院河南开封475004 开封市公共安全信息化工程技术研究中心河南开封475004 上海交通大学电子信息与电气工程学院上海200240

针对在复杂交通视频图像中进行行人检测存在漏检错检的问题,提出了一种基于改进聚合通道特征的快速行人检测方法.首先,对视频图像进行预处理,去除一部分噪声;其次,针对行人出现形变的问题,划出形变区域,利用金字塔进行均值池化,之后,进... 详细信息

针对在复杂交通视频图像中进行行人检测存在漏检错检的问题,提出了一种基于改进聚合通道特征的快速行人检测方法.首先,对视频图像进行预处理,去除一部分噪声;其次,针对行人出现形变的问题,划出形变区域,利用金字塔进行均值池化,之后,进行向量化表示特征;最后,针对错检漏检问题,改进非极大值抑制算法,以减少错检漏检的次数.实验结果表明,使用该方法能够提高行人检测效率,减少错检漏检的次数.

关键词：通道特征金字塔非极大值抑制

在线全文

学校读者我要写书评

暂无评论

基于全局特征提取的农作物病害识别模型

农业机械学报 2022年第12期53卷 301-307,379页

作者：郭小燕于帅卿沈航驰李龙杜佳举甘肃农业大学信息科学技术学院兰州730070

针对现阶段特征提取网络当测试样本出现歪斜、模糊、缺损等变化时识别效果不够理想,利用训练样本扩充、变换、缩放等方式改善网络性能并不能动态地满足实际的复杂病害图像识别任务的问题,在ResNet50中引入双层注意力机制与通道特征提取... 详细信息

针对现阶段特征提取网络当测试样本出现歪斜、模糊、缺损等变化时识别效果不够理想,利用训练样本扩充、变换、缩放等方式改善网络性能并不能动态地满足实际的复杂病害图像识别任务的问题,在ResNet50中引入双层注意力机制与通道特征提取机制,设计基于全局特征提取的深度学习网络(Global feature deep learning network,GFDL-Net),该网络包括通道特征提取子网络(Squeeze and excitation net,SE-Net)和双注意力特征提取子网络(Double feature extraction net,DFE-Net),分别从通道空间特征提取与平面关键点特征提取两方面改善了网络的全局特征提取能力。为了验证GFDL-Net的有效性,对辣椒、马铃薯、番茄等15种病害图像加入不同角度的旋转、色彩变换等测试,发现在样本加入旋转后与ResNet50、BoTNet、EfficientNet相比,平均识别准确率分别高出20.05、18.62、21.97个百分点;加入明暗度、饱和度、对比度变换后与ResNet50、BoTNet、EfficientNet相比,平均识别准确率分别高出3.57、0.53、3.98个百分点,而识别速度分别为ResNet50、BoTNet、EfficientNet的4.4、4.9、2.0倍。试验证明GFDL-Net在图像全局特征提取能力方面的改进能有效提升网络的泛化能力与鲁棒性,可将其应用于解决变化样本的农作物病害识别任务中。

关键词：农作物病害识别全局特征多头注意力通道特征

在线全文

学校读者我要写书评

暂无评论

使用深度学习的多通道水下目标识别

声学学报 2020年第4期45卷 506-514页

作者：李琛黄兆琼徐及郭新毅宫在晓颜永红中国科学院声学研究所语言声学与内容理解重点实验室北京100190 中国科学院大学北京100049 中国科学院声学研究所水下环境特性重点实验室北京100190 中国科学院声学研究所声场声信息国家重点实验室北京100190 中国科学院新疆理化技术研究所新疆民族语音语言信息处理重点实验室新疆830011

为解决低信噪比条件下水下目标识别率低的问题,提出一种适用于多通道水听器阵列的深度学习水下目标识别方法。首先是采用子通道特征级联的方法利用多通道信息;在特征提取方面,采用对信号的不同频率区间进行加权的特征提取器,并对提取的... 详细信息

为解决低信噪比条件下水下目标识别率低的问题,提出一种适用于多通道水听器阵列的深度学习水下目标识别方法。首先是采用子通道特征级联的方法利用多通道信息;在特征提取方面,采用对信号的不同频率区间进行加权的特征提取器,并对提取的特征进行正则规整;最后采用深度神经网络(Deep Neural Network,DNN)实现目标识别。实验首先在仿真条件下对所提出方法的有效性进行验证,结果表明在-15 dB信噪比条件下的五目标识别任务中,使用多通道级联特征的深度神经网络的识别正确率达到96.7%,显著高于基于支持向量机(Support Vector Machine,SVM)的方法。在后续的湖上试验中,深度神经网络的平均正确率达到96.0%,进一步验证了所提出方法的有效性。

关键词：深度神经网络深度学习水下目标识别通道特征特征提取平均正确率水听器阵列频率区间