該文檔為基于特征融合的粒子濾波目標(biāo)跟蹤講解資料，講解的還不錯，感興趣的可以下載看看…………………………
標(biāo)簽： 特征融合
上傳時間： 2021-10-29
上傳用戶：XuVshu
該文檔為面向5G的光纖無線融合通信技術(shù)講解資料，講解的還不錯，感興趣的可以下載看看…………………………
上傳時間： 2021-10-30
上傳用戶：fliang
中國電信云網(wǎng)融合2030白皮書，闡述電信在云網(wǎng)融合戰(zhàn)略上的思考
標(biāo)簽： 電信 云網(wǎng)融合
上傳時間： 2021-12-09
上傳用戶：
=論文：基于小波變換的圖像融合研究這是一份非常不錯的資料，歡迎下載，希望對您有幫助！
上傳時間： 2022-01-17
上傳用戶：zhaiyawei
面向急救人員的傳感器融合式 精密定位和跟蹤方法，很不錯的資料，希望對你有幫助
標(biāo)簽： 傳感器
上傳時間： 2022-02-01
上傳用戶：
5G移動通信網(wǎng)絡(luò)關(guān)鍵技術(shù)綜述.pdf陳 婧，韓遠(yuǎn)兵，徐 川 (重慶郵電大學(xué)未來網(wǎng)絡(luò)研究中心 重慶 400065) 摘 要: 為適應(yīng)未來海量移動數(shù)據(jù)的爆炸式增長，加快新業(yè)務(wù)新應(yīng)用的開發(fā)，第五代移動通信( fifth generation mo- bile communication network，5G) 網(wǎng)絡(luò)應(yīng)運而生。目前，國內(nèi)外已經(jīng)逐漸明確了 5G 的愿景和需求，如何將現(xiàn)有技術(shù)和 多種潛在的新技術(shù)進行融合以實現(xiàn) 5G 網(wǎng)絡(luò)成為下一步的研究與發(fā)展重點。面向未來 5G 的技術(shù)發(fā)展，介紹 5G 的 概念、應(yīng)用場景以及終端用戶對 5G 的相關(guān)需求; 然后，重點闡述 5G 在無線網(wǎng)絡(luò)方面具有發(fā)展前景的 10 大關(guān)鍵技 術(shù)，包括: 超密集異構(gòu)網(wǎng)絡(luò)、自組織網(wǎng)絡(luò)、D2D( device-to-device) 通信、M2M( machine-to-machine) 通信、軟件定義無線 網(wǎng)絡(luò)、
上傳時間： 2022-02-25
上傳用戶：zhaiyawei
大數(shù)據(jù)融合及應(yīng)用(經(jīng)典)
標(biāo)簽： 數(shù)據(jù)融合
上傳時間： 2022-03-14
上傳用戶：slq1234567890
人口老齡化是世界各國正在面對的一個普遍問題。隨著我國老齡化程度的持續(xù)加劇，對于老年人群體的醫(yī)療資源投入會不斷提高。而與此同時，跌倒已經(jīng)成為老年人日常生活中最為常見的危險行為活動。所以，跌倒檢測系統(tǒng)的研究和應(yīng)用對降低老年人受到的身心傷害和醫(yī)療成本具有顯著的意義。目前解決老年人跌倒檢測的方案仍存在許多不足。其中，基于計算機視覺的跌倒檢測技術(shù)在無干擾的場景下檢測較為有效，但其易受環(huán)境變化（如背景光線影響、人遮擋問題等）影響。此外，基于可穿戴計算的跌倒檢測技術(shù)受限于算法穩(wěn)定性和識別準(zhǔn)確率，系統(tǒng)的靈敏度和特異性難以同時得到保證。針對上述問題本文提出一種融合計算機視覺和可穿戴計算數(shù)據(jù)的跌倒檢測新的方法。首先，設(shè)計并開發(fā)了集成三軸加速度計、三軸陀螺儀和藍(lán)牙的活動感知模塊，實現(xiàn)實時采集、傳輸人體活動數(shù)據(jù)：其次，使用深度學(xué)習(xí)算法從攝像頭采集的圖像數(shù)據(jù)提取人體姿態(tài)特征數(shù)據(jù)：最后，對采集的人體活動數(shù)據(jù)和姿態(tài)數(shù)據(jù)進行規(guī)范化和時序化處理，設(shè)計了兩個深度學(xué)習(xí)網(wǎng)絡(luò)分別對數(shù)據(jù)進行特征提取，并將兩特征進行特征層數(shù)據(jù)融合，在此基礎(chǔ)上構(gòu)建神經(jīng)網(wǎng)絡(luò)對融合數(shù)據(jù)進行活動本文搭建了實驗平臺并進行了算法測試，其中，本文跌倒檢測算法針對離線測試數(shù)據(jù)的準(zhǔn)確率為992%，平均敏感度為995%、平均特異性為99.8%：針對在線數(shù)據(jù)系統(tǒng)測試準(zhǔn)確率為98.9%、平均敏感度為99.2%、平均特異性為99.5%實驗結(jié)果證明了利用計算機視覺和可穿戴計算數(shù)據(jù)融合的跌倒檢測具有較高的準(zhǔn)確率和魯棒性。
標(biāo)簽： 視覺圖像 數(shù)據(jù)融合
上傳時間： 2022-03-14
上傳用戶：bluedrops
準(zhǔn)確量化和預(yù)測陸地生態(tài)系統(tǒng)碳水通量對于理解陸氣間相互作用，預(yù)測未來氣候變化和控制溫室效應(yīng)具有重要意義。通量觀測和模型模擬是目前研究碳水通量的兩種主要方法。通量觀測精度較高，但觀測范圍局限、站點分布不均勻，易受環(huán)境影響，難以區(qū)域擴展；模型模擬可實現(xiàn)不同尺度參量估算，但由于理想化假設(shè)、模型參數(shù)和驅(qū)動數(shù)據(jù)等限制，導(dǎo)致其模擬結(jié)果往往與真實值存在較大偏差。模型-數(shù)據(jù)融合方法主要是通過參數(shù)估計和數(shù)據(jù)同化兩種技術(shù)集成觀測和模型信息，建立兩者相互制約調(diào)節(jié)的優(yōu)化關(guān)系，以提高模型結(jié)果與真實值之間的匹配程度。基于該思路，本研究在地面觀測數(shù)據(jù)、遙感衛(wèi)星資料以及相關(guān)氣候環(huán)境數(shù)據(jù)基礎(chǔ)上，重點突破全球動態(tài)植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感參數(shù)優(yōu)化方法，獲取適宜中國的參數(shù)化方案：在此基礎(chǔ)上，引入數(shù)據(jù)同化算法，將遙感衛(wèi)星產(chǎn)品信息與模型相融合，在模擬過程中不斷校正原有模型模擬軌跡，提高模型適用性。將以上改進的模型推廣至中國區(qū)域，實現(xiàn)對20002015年中國地區(qū)總初級生產(chǎn)力（Gross Primary Productivity GPP）和敬發(fā)（Evapotranspiration，ET的空間格局模擬及分析。主要結(jié)論如下1）將LP」DGwM中所選出的22個可調(diào)參數(shù)（涉及光合、呼吸、水平衡異速生長、死亡、建立以及土壤和掉落物分解共七個作用領(lǐng)域）在各自取值范圍內(nèi)隨機獲得不同的參數(shù)組合，結(jié)果表明22個參數(shù)可引起GPP和ET模擬結(jié)果產(chǎn)生較大的不確定性，尤其集中在生長季。所有站點GPP相對不確定性（Relative Uncertainty，RU）基本保持在09-1.25之間，不具有明顯的年際變異性：ET相對不確定性RU月變化趨勢明顯，且基本處于0.5以下，明顯低于GPP，說明所篩選的22個參數(shù)對GP模擬產(chǎn)生的影響更為顯著。
標(biāo)簽： 數(shù)據(jù)融合
上傳時間： 2022-03-16
上傳用戶：shjgzh
在工業(yè)應(yīng)用中常用一組傳感器對問一個被測量目標(biāo)在一個過程的不同位置進行測量，然而由于每個傳感器位于過程的不同位置，它們將不問程度的受到嗓聲的干擾，為了從被嗓聲干擾的多傳感器測量值中獲得更準(zhǔn)確的測量結(jié)果，霱要進“步研究多傳感器的融合理論多傳感器數(shù)據(jù)融合系統(tǒng)的關(guān)鍵在于如何充分利用各個傳感器的信息，得到對被測參數(shù)的最優(yōu)估計，本文主要研究了以加權(quán)的方式進行多傳感器數(shù)據(jù)融合的方法，即研究如何對每個傳感器進行加權(quán)，從而得到對被測參數(shù)最優(yōu)佑計的方法為此本文在介紹了多傳感器數(shù)據(jù)融合技術(shù)的基礎(chǔ)上，首先研究了基于奇異值分解的數(shù)據(jù)融合算法，通過對傳感器測量值構(gòu)成的矩陣進行奇異值分解，利用每個傳感器測量值所對應(yīng)的奇異值，可以估計出對每個傳感器權(quán)值的最優(yōu)估計，從而在不要任何先驗知識的條件下，可僅由多傳感器的測量值，利用提出的算法得到在最小均方誤差意義下的被測參數(shù)的最優(yōu)估計，此外，在許多工業(yè)過程中，人們利用多傳感器測量同一過程參數(shù)以控制該參數(shù)在過程中的不同位置能根據(jù)需要進行合理分布，此時人們希望利用多傳感器融合的測量結(jié)果，對每一個傳感器的測量數(shù)據(jù)進行重建，以獲得對每一個傳感器的測量結(jié)果進行更為準(zhǔn)確的估計。為此，本文進一步研究了基于小波降噪和數(shù)據(jù)融合的傳感器數(shù)據(jù)重建算法，仿真和實驗結(jié)果都說明提出算法是有效的，最后，研究了非線性動態(tài)系統(tǒng)的狀態(tài)融合問題，研究了加權(quán)無氣味卡爾曼濾波（UKF）方法，研究表明無氣味卡爾曼波波能克服了擴展卡爾曼濾波（EKF）在狀態(tài)融合估計中的不足，可以得到了更準(zhǔn)確的狀態(tài)融合估計結(jié)關(guān)鍵詞多傳感器系統(tǒng)，數(shù)據(jù)融合，奇異值分解，UKF
標(biāo)簽： 傳感器 數(shù)據(jù)融合
上傳時間： 2022-03-16
上傳用戶：aben
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
