摘要：随着数据挖掘、深度学习等领域的火热的发展,在嵌入式设备实现深度学习等计算量较大的算法已经成为一种趋势。由于传统CPU和GPU平台已经难以保证算法实时性的情况下,利用FPGA高性能低功耗的特点对复杂算法实现硬件加速,有着较好的优势。利用Xilinx公司的HLS工具,基于粒子群算法设计一套硬件加速方法。该方法可实现算法优化方案的自动化寻找,极大地提升了设计效率。实验结果表明,该优化方法在寻找一般算法的较优方案上具有一定程度上的通用性。

摘要：目前,基于压缩感知的可见光定位采用线性最小二乘法重构信号,容易陷入局部最优解,且需要高密度的发光二极管布局。针对这些问题,提出了一种基于粒子群优化压缩感知的可见光定位算法。首先,建立一种基于重构接收信号强度残差的适应度函数;其次,将指纹定位的权重求解问题转换为稀疏矩阵的重构问题;最后,采用粒子群优化重构信号。仿真结果表明,所提算法的时间复杂度较低、鲁棒性好,即使在低密度的发光二极管布局下,定位误差依然很小。当信噪比为10 dB、网格间距为50 cm时,所提算法定位误差的平均值为3.67 cm,显著低于现有的10种同类算法。还详细分析了不同参数对所提算法定位误差的影响,所得结果可为实际可见光定位系统的设计提供有益的参考。

摘要：针对单个光电二极管接收器的倾斜问题和几何算法的不足,搭建了多光电二极管接收器的真实可见光定位场景,并采用基于接收信号强度的指纹定位技术及其常用的机器学习算法,实验研究了4种典型的机器学习算法的定位性能。结果发现:在二维定位时,K最近邻、极限学习机、随机森林和自适应增强的定位误差小于2 cm的概率分别为96.67%、48.57%、67.14%和15.24%;在三维定位时,K最近邻、极限学习机、随机森林和自适应增强的定位误差小于2 cm的概率分别为74.52%、38.81%、59.76%和6.43%。结果均表明,K最近邻的定位性能较佳。在此基础上,比较了发光二极管个数、光电二极管个数和发光二极管发射功率等因素对定位精度的影响。结果表明:发光二极管个数和光电二极管个数的增加均有效地降低了定位误差,发光二极管的发射功率为5 W时,已经实现了定位误差的收敛。该结果为发光二极管分布密度较低时可见光定位系统的设计提供新的理论支持与实际应用参考价值。

摘要：传统的无人机与地面接收机之间的信道编码采用Turbo码、LDPC码等.Turbo码和LDPC码译码复杂、实时性不足、硬件成本高,其中LDPC码在高信噪比时候易导致错误地板.格雷码运算复杂度低,运算时间少,硬件实现简单且功耗也相对更低.针对这一现状,本文提出了基于格雷码的无人机图像传输自适应译码算法.在格雷码软硬判决译码算法的基础上设计了依据奇偶校验位的译码判决机制.仿真结果表明,该算法复杂度低、运行速度快、可靠性好,硬件成本低,可在满足图像精度需求下自适应地选择合适的解码方法,提高解码速度.

摘要：针对室内停车场的高精度定位问题,提出一种基于可见光通信的高精度室内停车场定位系统.首先,对该定位系统的发射端与接收端电路进行设计,并对发射信号进行编码,接收端通过解码操作获取发射端的唯一识别码以及相应的电压测量值;其次,通过经典的加权K最近邻算法验证了所提定位系统的有效性.实验结果表明,在1.2 m×1.2 m的定位空间中,所提定位系统的平均定位误差仅为1.89 cm,可以很好应用于室内停车场的车辆与人员定位.

摘要：针对目前主流深度学习网络模型应用于高空间分辨率遥感影像建筑物提取存在的内部空洞、不连续以及边缘缺失与边界不规则等问题,本文在U-Net模型结构的基础上通过设计新的激活函数(ACON)、集成残差以及通道-空间与十字注意力模块,提出RMAU-Net模型。该模型中的ACON激活函数允许每个神经元自适应地激活或不激活,有利于提高模型的泛化能力和传输性能;残差模块用于拓宽网络深度并降低训练和学习的难度,获取深层次语义特征信息;通道-空间注意力模块用于增强编码段与解码段信息的关联、抑制无关背景区域的影响,提高模型的灵敏度;十字注意力模块聚合交叉路径上所有像素的上下文信息,通过循环操作捕获全局上下文信息,提高像素间的全局相关性。以Massachusetts数据集为样本的建筑物提取实验表明,在所有参与比对的7个模型中,本文提出的RMAU-Net模型交并比与F1分数2项指标最优、查准率和查全率两项指标接近最优,RMA-UNet总体效果优于同类模型。通过逐步添加每个模块来进一步验证各模块的有效性以及本文所提方法的可靠性。

摘要：核电辐射环境监测网(ERMS)能提供实时、连续的监测数据,是核电最重要的外围监督性设施,为辐射环境评估提供数据依据。为掌握影响辐射数据质量的特征要素与及时发现环境的辐射异常,开展高压电离室探测器(HPIC)剂量率数据的特征挖掘与预测研究,提出一种基于奇异谱分析算法(singular spectrum analysis,SSA)的γ辐射剂量率数据预处理方法,从其历史数据中学习涨幅趋势和拐点细节变化;针对数据的多维度特点,设计一种特征融合并行优化模型预测框架,以福建宁德核电站外围11个自动站辐射监测数据、天顶方向总电子含量(VTEC)数据进行实验验证。实验结果表明,该模型对环境γ辐射剂量率预测取得了较好的预测性能与精度。

摘要：就新工科要求下对高校的工程实践教学进行深入研究探讨,引入新型的科研技术与仪器设备,提出并完成了基于4G移动通信的综合性实验平台的建设。设计了基于该实验平台的开放探索型教学实践课程,具有综合性、应用性以及前沿性,符合高等教育发展、改革的趋势和走向。将人才培养制度、课程体系、师资队伍建设和实践教学体系相互融合,更有助于创新性应用型人才的培养,对实践教学改革和相关专业建设具有较好的借鉴和推广意义。

摘要：本文基于深度学习目标检测算法设计并实现了一种实时的智能停车场车位信息查询系统.采用YOLO目标检测算法结合大量关于汽车以及车牌的图像数据对物体检测模型进行训练.利用该模型对停车场视频监控画面进行处理,根据模型处理的结果以及所设计的相关算法对车位进行判断,并且计算出被占用车位停车时长,识别出车辆的车牌信息.车位信息将以示意图的方式通过微信终端进行接收,使车主能够实时获取停车场车位信息.该系统能够准确地判断出停车场的车位信息,可为城市商业停车场管理方式提供参考.

摘要：由于遥感影像中建筑物种类繁多且与周围环境信息混淆,传统方法难以实现建筑物的准确高效提取.本文提出了一种基于改进Mask-RCNN的建筑物自动提取方法,利用PyTorch深度学习框架搭建改进Mask-RCNN网络模型架构,在网络的设计中添加了路径聚合网络和特征增强功能,通过监督和迁移学习的方式对Inria航空影像标签数据集进行多线程迭代训练与模型优化学习,实现了建筑物的自动精确分割和提取.基于不同开源数据集,分别与SVM、FCN、U-net和Mask-RCNN等建筑物提取算法进行对比,实验表明,本文方法可以高效准确、高效地提取建筑物,对于同一个数据集,提取结果的mAP、mRecall、mPrecision和F1分数这4个评价指标均优于对比算法.