修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

8 条数据
?? 中文（中国） ▾

  • [2019年IEEE第46届光伏专家会议(PVSC) - 美国伊利诺伊州芝加哥(2019.6.16-2019.6.21)] 2019年IEEE第46届光伏专家会议(PVSC) - 薄硅片光伏组件制造的技经分析

    摘要： 在无线业务呈指数级增长而频谱资源日益稀缺的背景下，认知无线电（CR）技术被提出以机会式接入授权信道，从而提升频谱利用率。在CR设备中，精确的频谱感知是实现机会式接入的前提条件。现有的协作频谱感知方法仍无法有效利用感知数据间的时间相关性，尤其是当前感知数据与历史数据之间的关联。本文采用粘性分层狄利克雷过程-隐马尔可夫模型来挖掘多用户的历史感知数据，并根据潜在频谱状态对历史数据进行分组。所提出的频谱感知算法能将历史感知数据融合为先验知识，从而提高频谱决策的准确性。此外，还设计了拒绝机制来过滤分类不确定性高的感知数据，确保历史数据的有效性。仿真结果表明：相较于其他三种典型协作频谱感知算法，本算法在检测概率和虚警概率方面表现最优——当虚警概率为0.2时，在信道信噪比为0dB和-5dB条件下，本算法的检测概率分别提升超过10%和60%。

    关键词： 隐马尔可夫模型、认知无线电、分层狄利克雷过程、历史感知数据挖掘、频谱感知

    更新于2025-09-23 15:19:57

  • [IEEE 2018年第22届离子注入技术国际会议（IIT） - 德国维尔茨堡（2018.9.16-2018.9.21）] 2018年第22届离子注入技术国际会议（IIT） - 采用温控铝靶的磁控溅射型离子源制备氮化铝离子

    摘要： 提出了一种基于加速度整体运动模型的低可观测目标航迹检测方法。与现有基于序贯状态更新的"检测前跟踪"方法不同，该方法通过计算整个假设运动过程的累积回波能量进行检测。采用批处理方式同步实现航迹检测与参数估计。航迹检测概率对比表明，该方法对低可观测目标具有更优性能?；谠硕嗨贫戎副旰驮硕Ｐ屯市?，推导出性能预测模型并与仿真结果进行比对。

    关键词： 隐马尔可夫模型、跟踪、运动模型、弱目标、低可观测目标、批处理、海洋运载器、检测、先跟踪后检测

    更新于2025-09-23 15:19:57

  • [IEEE 2019年第14届工业电子与应用国际会议(ICIEA) - 中国西安(2019年6月19日-21日)] 2019年第14届IEEE工业电子与应用国际会议(ICIEA) - 考虑可转移负荷的配电网光伏消纳

    摘要： 本文提出了一种针对隐马尔可夫模型（HMM）和隐半马尔可夫模型（HSMM）的联合特征选择与参数估计算法。通过引入特征显著性这一新参数来区分状态，从而实现特征筛选。该参数通过对比状态相关与状态无关分布，表征特征的相关概率。采用期望最大化算法计算模型参数的最大后验估计，并比较了特征显著性的指数先验与贝塔先验。这些先验可用于在模型估计和特征选择过程中引入成本因素。算法通过与最大似然估计及变分贝叶斯方法对比进行验证：针对HMM，在已知参数生成的合成数据集、刀具磨损数据集及喷涂过程采集数据上比较了四种模型形式；针对HSMM，在后两个数据集上测试了最大似然与最大后验两种形式，证明该特征显著性方法可扩展至半马尔可夫过程。现有文献中专门针对HMM的特征选择研究较少，针对HSMM的研究则几乎空白。本文填补了利用EM算法实现HMM特征选择与参数估计同步进行的文献空白，并首次提出了考虑成本因素的HMM特征选择方法。

    关键词： 最大后验估计、隐马尔可夫模型、隐半马尔可夫模型、特征选择

    更新于2025-09-19 17:13:59

  • [2019年IEEE电气绝缘与电介质现象会议(CEIDP) - 美国华盛顿州里奇兰(2019.10.20-2019.10.23)] 2019年IEEE电气绝缘与电介质现象会议(CEIDP) - GIS局部放电超声波检测中迈克尔逊光纤干涉仪的抗干扰方法

    摘要： 通过整合额外信息源（如多模态数据、声学通道或声学模型），自动语音识别（ASR）系统的性能可显著提升。针对信息融合这一新兴问题，其与数字通信领域存在显著相似性——Berrou等人发现的Turbo码正是该领域的突破性创新。本文展示了如何成功将Turbo原理应用于ASR领域，从而解决上述信息融合问题。我们的研究贡献包含四个方面：首先，通过详细解析Turbo ASR中的前向-后向算法（FBA），重新阐释并构建了识别器间传递的"外部信息"概念；其次，提出适用于实际信息融合与识别任务的实时Turbo解码Viterbi算法；随后展示多模态信息融合的仿真结果；最后证明我们的Turbo FBA和Turbo Viterbi算法同样适用于采用两种声学特征提取方法的单通道多模型识别任务。在包含拼写挑战的小词汇量任务中，所提出的Turbo ASR方法在所有信噪比条件和噪声类型下均优于最佳参考系统，相对词错误率（WER）分别降低22.4%（视听任务）和18.2%（纯音频任务）。

    关键词： 隐马尔可夫模型、语音识别、多媒体系统、鲁棒性、迭代解码

    更新于2025-09-19 17:13:59

  • [IEEE 2019年第46届光伏专家会议(PVSC) - 美国伊利诺伊州芝加哥(2019年6月16日-2019年6月21日)] 2019 IEEE第46届光伏专家会议(PVSC) - 多种方法与过滤标准下的性能损失率一致性与不确定性

    摘要： 本文提出了一种针对隐马尔可夫模型（HMM）和隐半马尔可夫模型（HSMM）的联合特征选择与参数估计算法。通过引入特征显著性这一新参数来区分状态，从而实现特征筛选。该参数通过对比状态相关与状态无关分布，表征特征与状态区分相关的概率。采用期望最大化算法计算模型参数的最大后验估计，并比较了特征显著性的指数先验与贝塔先验。这些先验可用于在模型估计和特征选择过程中引入成本因素。该算法与最大似然估计及变分贝叶斯方法进行了对比测试：针对HMM，在已知参数生成的合成数据集、刀具磨损数据集以及喷漆过程采集的数据上比较了四种模型形式；针对HSMM，在后两个数据集上测试了最大似然与最大后验两种形式，证明该特征显著性特征选择方法可推广至半马尔可夫过程。现有文献中专门针对HMM的特征选择研究较少，针对HSMM的研究则几乎空白。本文填补了利用EM算法实现HMM特征选择与参数估计同步进行的文献空白，并首次提出了考虑成本因素的HMM特征选择方法。

    关键词： 隐马尔可夫模型、最大后验估计、隐半马尔可夫模型、特征选择

    更新于2025-09-19 17:13:59

  • 一款采用光学反馈稳定激光照明的PM?、PM?.?和PM??气溶胶颗粒检测仪

    摘要： 该论文提出了一种基于二维摄像机坐标系下移动行人方向估计的新方法。所提出的方向估计方法旨在用于交通控制系统中的行人监测。除交通控制外，运动方向估计在智能汽车防撞系统、辅助生活系统、视觉监控中无缝跟踪的遮挡预测等方面也具有重要意义。该基于视频的方向估计方法利用了二维摄像机坐标系单目视觉中感知到的透视畸变概念。帧序列中行人尺寸变化的时序模式对每个方向都是唯一的；因此，基于尺寸变化的特征被用于估计运动方向；考虑了八个离散的运动方向，并采用隐马尔可夫模型进行分类。实验在CASIA数据集A、CASIA数据集B以及自采数据集NITR Conscious Walk Dataset上进行。这些实验的方向估计平衡准确率取得了令人满意的结果，准确率指标分别为94.58%、90.87%和95.83%。实验还在适当测试条件下验证了该方法的特性特征，例如对不当分割、部分遮挡以及行人行走时头部或身体朝向变化的鲁棒性。该方法可作为独立系统使用，也可与现有的基于帧的方向估计方法集成，以实现行人监测系统。

    关键词： 视觉监控、隐马尔可夫模型、遮挡处理、透视畸变、行人方向估计

    更新于2025-09-16 10:30:52

  • 一种适用于局部阴影条件下光伏MPPT的简化传播融合萤火虫算法

    摘要： 通过整合额外信息源（如多模态数据、声学通道或声学模型），自动语音识别（ASR）系统的性能可显著提升。针对当前信息融合问题，其与数字通信领域存在显著相似性——Berrou等人发现的Turbo码正是该领域的突破性创新。本文展示了如何成功将Turbo原理应用于ASR领域，从而解决上述信息融合问题。我们的研究贡献包含四个方面：首先，通过深入解析Turbo解码前向-后向算法（FBA），详细阐释Turbo ASR技术，并对识别器间传递的所谓"外部信息"提出新诠释与数学表述；其次，提出适用于实际信息融合与识别任务的实时Turbo解码Viterbi算法；随后展示多模态信息融合的仿真结果；最后证明我们的Turbo FBA与Turbo Viterbi算法同样适用于采用两种声学特征提取方法的单通道多模型识别任务。在包含拼写挑战的小词汇量任务中，所提出的Turbo ASR方案在所有信噪比条件和噪声类型下均超越最佳参考系统——音频-视觉任务平均相对词错误率（WER）降低22.4%，纯音频任务降低18.2%。

    关键词： 鲁棒性、语音识别、多媒体系统、迭代解码、隐马尔可夫模型

    更新于2025-09-16 10:30:52

  • [2018年IEEE国际消费电子大会-亚洲分会(ICCE-Asia) - 韩国济州(2018.6.24-2018.6.26)] 2018年IEEE国际消费电子大会-亚洲分会(ICCE-Asia) - 基于MFCC和HMM的图像模式分类

    摘要： 我们提出了一种利用梅尔频率倒谱系数（MFCC）和隐马尔可夫模型（HMM）识别时变或空变模式的新方法。MFCC和HMM已成为语音识别的实际标准。MFCC是具有时变特性的时域信号，非常实用。大多数图像具有特征性模式，因此HMM有望高效对其进行建模。我们提出了基于MFCC和HMM的高效模式分类算法，并展示了其在MNIST和Fashion MNIST数据库中改进的性能。

    关键词： 隐马尔可夫模型（HMMs）、离散余弦变换（DCT）、美国国家标准与技术研究院混合数据集（MNIST）、梅尔频率倒谱系数（MFCC）

    更新于2025-09-09 09:28:46