【摘 要】
：
本文设计了一种基于传感器和无线传输的运动辅助系统,人员佩戴的单元模块通过LoRa与上位机通信.接收上位机发出的心跳信号、采集运动和定位信息.肢体传感器通过2.4 G无线通信与相应的单元模块通信以及采集肢体运动数据.LoRa使得上位机可远程获取人员数据.单元模块和肢体传感器间采用2.4 G近距离通信,避免了各人员间数据干扰.
【机 构】
：
东华大学 计算机科学与技术学院,上海201620
论文部分内容阅读
本文设计了一种基于传感器和无线传输的运动辅助系统,人员佩戴的单元模块通过LoRa与上位机通信.接收上位机发出的心跳信号、采集运动和定位信息.肢体传感器通过2.4 G无线通信与相应的单元模块通信以及采集肢体运动数据.LoRa使得上位机可远程获取人员数据.单元模块和肢体传感器间采用2.4 G近距离通信,避免了各人员间数据干扰.
其他文献
针对玻璃幕墙出现缺陷难以发现并处理的问题,本文设计了集缺陷识别与清洗一体的机器人,通过图像识别获取缺陷种类并完成清洗.针对已有算法分类准确性不足的问题,引入L1-L2范数及判别准则用以提升算法的分类效果,并在所设计的机器人平台上完成实验,最终实验表明优化后的算法在识别划痕方面平均提升为2％,总体识别准确率提升1％.优化后机器人能完成幕墙的日常维护及危险报警工作.
随着大数据时代的到来,数据挖掘、图像处理等已经成为了一个热门研究方向。本文的研究目的是自动识别猫狗类型,采用的是基于数据挖掘的猫狗自动识别技术。本文将位于全方位下拍摄的具有外貌复杂的猫狗图像运用卷积神经网络训练。本实验挑选前沿的深度学习框架pytorch以及计算能力强大的GPU,使用深度神经网络VGG16,分别对猫狗图像进行网络训练与测试。实验显示使用VGG16网络模型进行识别的准确率非常高,在猫
针对暖通空调系统(HVAC)故障样本的不充分从而使基于数据驱动的故障诊断方法在暖通空调系统应用较为困难,本文提出一种基于Modelica语言的暖通空调系统故障方法.首先,采用Modelica语言仿真平台OpenModelica建立暖通空调系统的模型,然后对仿真模型以人工注入故障获取故障样本,最后通过PCA故障诊断算法对故障样本进行故障识别找出故障源.仿真结果表明:该方法可以有效且准确地实现暖通空调系统的故障诊断.
针对用户连续位置查询请求服务中未考虑语义信息而导致用户敏感语义泄露问题,为了实现对道路网络上客户端的查询隐私、位置隐私和语义位置隐私保护,本文提出一种离线轨迹聚类和语义位置图相结合的算法来进行隐藏用户的选择,使隐藏用户的位置具有明显的多样性和不同的语义以及多样化的服务请求,有效保护客户端的语义和位置隐私.在具有2个定义指标的真实地图上评估了该算法的有效性,整个连续查询道路网络服务的过程中,有很好的成功率和查询处理时间.同时与现有的其他可信第三方模型算法进行了对比分析,验证了本文算法的有效性.
为了快速解决库存路径问题(Inventory Routing Problem,IRP),提出用松弛与分解结合的拉格朗日松弛算法进行求解.首先对问题进行了详细描述和有效假设,在此基础上,以系统总成本为优化目标,建立了混合整数规划模型.针对此模型,本文先采用拉格朗日松弛算法将IRP分解为2个独立的子问题,然后分别用遗传算法和次梯度算法进行求解,最后通过案例实验表明,与直接求解对偶问题和智能优化算法相比,本文分解算法能在较短的时间内构造一个配送方案,且所求解的质量更好.
代码复用可以有效缩短软件开发的时间,而代码搜索是代码复用的主要途径.提出了一种基于程序切片和BiGRU的代码搜索方法,该方法通过构建源代码的程序依赖图,以程序依赖图中出度最大的节点作为兴趣点构建前向切片.将程序切片与源代码的其他相关特征一起构成代码特征.把代码特征和代码的功能描述通过嵌入模块输入到BiGRU网络中,结合注意力机制训练BiGRU模型.用户输入功能查询语句,模型返回向量值最接近的代码.为了验证该模型的可行性和有效性,从开源代码库下载了Java项目,构建了数据集并进行实验.实验结果表明,提出的基
声源可视化技术对传声器数量和采集系统的性能具有一定的要求,传统驻极体传声器阵列采集系统存在功耗高、体积大、采集系统可移植性差和拓展性差等问题.本文设计了36阵元数字MEMS传声器阵列成像系统,有效克服了以上问题.采集模块选用FPGA为硬件平台,完成数据采集和信号处理模块设计,分析了I2 S音频传输协议的实现、数据传输机制的建立和上位机数据的交互方式.并在普通室内环境中对此系统进行实验验证,系统的声源成像效果良好、成像分辨率高,在实际的噪声源定位与噪声设备监测中有广泛的应用前景.
目前大多数大型神经网络都存在参数量大、计算难度高等问题,想要在移动端设备使用,则会受到计算资源的限制。虽然现有轻量级网络出现解决了一定的计算量的问题,但同时其网络中大量使用1×1点卷积,使得其成为了现在轻量级网络的计算瓶颈。针对点卷积造成的计算瓶颈的问题,首先提出使用GhostModel来代替其中一部分点卷积,然后结合异构卷积对残差结构进行改进并提出Res Het Model_A、B两个改进的模块
传统的鲸鱼优化算法(WOA)容易陷入局部最优以及收敛速度慢,针对此问题进行研究,提出了一种改进的鲸鱼优化算法,改进算法首先用非线性收敛因子替换原本使用的收敛因子,改进后的非线性收敛因子可以有效利用在算法中以弥补该算法在计算过程中全局探索与局部开发能力中的缺陷,并且可以加快算法收敛速度;然后在鲸鱼位置更新公式中加入了自适应权重,该策略可以改善算法的寻优精度以及进一步提高收敛速度;最后,在固定参数和不同维度的8个基准测试函数上进行了实验,结果表明,改进后的算法在寻找最优位置的精度和收敛速度对比于传统的鲸鱼算法
机器学习在数据密集型应用中十分广泛,但缺点是当数据集很小时往往效果欠佳。近年来,人们提出了小样本学习来解决这个问题。小样本学习指只利用少量样本来训练识别这些样本的机器学习模型。由于小样本学习的实用价值,业界提出很多针对的研究方法,但是目前国内缺少该问题的综述。本文中,对目前业界提出的小样本学习模型及算法进行了总结和探索。首先,给出了小样本学习的问题定义,并介绍了其他一些相关的机器学习问题;然后,根