Turbo码是一种常用的信道编码方式,正确识别Turbo码首先要正确识别其子递归系统卷积(recursive system convolutional,RSC)码,由于信道噪声与干扰引发误码,这就要求识别算法具有良好的抗误码性能以及识别能力。利用解调软判决序列,通过...Turbo码是一种常用的信道编码方式,正确识别Turbo码首先要正确识别其子递归系统卷积(recursive system convolutional,RSC)码,由于信道噪声与干扰引发误码,这就要求识别算法具有良好的抗误码性能以及识别能力。利用解调软判决序列,通过编码码元约束方程,构建指数形式的代价函数模型,将识别RSC码的生成矩阵问题转化为求解代价函数全域极值的最优化问题,最后在共轭梯度法的基础上,采用新的PRP步长因子来寻找全域极值点。仿真结果表明,所提算法与现有算法相比,收敛速度更快,在低信噪比下也有良好的识别能力。展开更多
采用同步判断(Simultaneous judgment,SJ)的研究范式探讨空间注意梯度是否受到视网膜离心率的影响。实验中给被试呈现两个目标刺激,调节它们的呈现距离和间隔时间,让被试进行不限时的同步判断,计算出各种距离上的主观等同点(Point of Su...采用同步判断(Simultaneous judgment,SJ)的研究范式探讨空间注意梯度是否受到视网膜离心率的影响。实验中给被试呈现两个目标刺激,调节它们的呈现距离和间隔时间,让被试进行不限时的同步判断,计算出各种距离上的主观等同点(Point of Subjective Simultaneous,PSS)变化情况。实验中对比了注视点和注意点重合与分离的两种状态。其中注视点和注意点分离的状态是指使用反向掩蔽后的线索刺激将注意点内隐地引导到外周。通过控制似动等影响因素,发现在注意点和注视点分离的状态下存在距离效应--也就是随着距离的增长主观等同点变化越大,但是在重合的状态下则没有。结果表明分离状态下存在传统意义上的注意梯度效应,而重合时,注意易化梯度受到一个抑制梯度的影响。这说明,注意梯度分布受到视网膜离心率的影响,而影响方式符合注意点为中心的易化梯度场和注视点为中心的抑制梯度场的双梯度场理论。展开更多
通过对变电站中电气设备电场梯度信息检测计算方法进行研究,结合矢量电场多电极梯度信息,使用压缩感知贪婪重构算法对电场检测计算方法进行优化,对电场梯度信息进行有效识别,提高电压等级检测判断的准确率。该方法通过分析带电体周围电...通过对变电站中电气设备电场梯度信息检测计算方法进行研究,结合矢量电场多电极梯度信息,使用压缩感知贪婪重构算法对电场检测计算方法进行优化,对电场梯度信息进行有效识别,提高电压等级检测判断的准确率。该方法通过分析带电体周围电场信息,能够准确地计算出高电压导体周围的电场分布和电压等级。通过在110 k V变电站复杂工频电场环境中进行试验,获取带电载体一个间隔的场强分布。实验分析表明,该方法可以有效提高带电载体电压等级的检测能力和对带电体周围电场信息的响应速度,提高了工作人员在复杂工频电场环境下工作的安全性。展开更多
传统的目标检测方法需要对大量候选窗(区域)做判断,需要较大的计算量。本文根据人体特点,提出了一种基于分级判断的方法,需要判断的候选窗逐级减少,因此可以大量减少复杂特征和分类器需要判断的候选窗数量,进而减少整个检测算法的计算...传统的目标检测方法需要对大量候选窗(区域)做判断,需要较大的计算量。本文根据人体特点,提出了一种基于分级判断的方法,需要判断的候选窗逐级减少,因此可以大量减少复杂特征和分类器需要判断的候选窗数量,进而减少整个检测算法的计算量。算法首先对待检测图像提取NG(norm of gradients)特征,通过线性支持向量机(SVM)判断得到行人的候选区域;然后对候选区域提取简化梯度方向直方图(HOG,histograms of oriented gradients)特征,采用线性SVM对候选区域进一步的过滤;最后对经过过滤筛选得到的区域提取多分辨率HOG特征,使用可变形部件模型(DPM,deformation part model)对候选区域进行检测定位行人的位置。在INRIA数据集上的实验结果表明,本文方法在保证检测精度的情况下,虽然相比于原始DPM算法有少数的行人漏检,但是本文方法的检测结果中行人误检数目远少于原始DPM算法,检测速度也优于原始DPM算法。展开更多
文摘Turbo码是一种常用的信道编码方式,正确识别Turbo码首先要正确识别其子递归系统卷积(recursive system convolutional,RSC)码,由于信道噪声与干扰引发误码,这就要求识别算法具有良好的抗误码性能以及识别能力。利用解调软判决序列,通过编码码元约束方程,构建指数形式的代价函数模型,将识别RSC码的生成矩阵问题转化为求解代价函数全域极值的最优化问题,最后在共轭梯度法的基础上,采用新的PRP步长因子来寻找全域极值点。仿真结果表明,所提算法与现有算法相比,收敛速度更快,在低信噪比下也有良好的识别能力。
文摘采用同步判断(Simultaneous judgment,SJ)的研究范式探讨空间注意梯度是否受到视网膜离心率的影响。实验中给被试呈现两个目标刺激,调节它们的呈现距离和间隔时间,让被试进行不限时的同步判断,计算出各种距离上的主观等同点(Point of Subjective Simultaneous,PSS)变化情况。实验中对比了注视点和注意点重合与分离的两种状态。其中注视点和注意点分离的状态是指使用反向掩蔽后的线索刺激将注意点内隐地引导到外周。通过控制似动等影响因素,发现在注意点和注视点分离的状态下存在距离效应--也就是随着距离的增长主观等同点变化越大,但是在重合的状态下则没有。结果表明分离状态下存在传统意义上的注意梯度效应,而重合时,注意易化梯度受到一个抑制梯度的影响。这说明,注意梯度分布受到视网膜离心率的影响,而影响方式符合注意点为中心的易化梯度场和注视点为中心的抑制梯度场的双梯度场理论。
文摘通过对变电站中电气设备电场梯度信息检测计算方法进行研究,结合矢量电场多电极梯度信息,使用压缩感知贪婪重构算法对电场检测计算方法进行优化,对电场梯度信息进行有效识别,提高电压等级检测判断的准确率。该方法通过分析带电体周围电场信息,能够准确地计算出高电压导体周围的电场分布和电压等级。通过在110 k V变电站复杂工频电场环境中进行试验,获取带电载体一个间隔的场强分布。实验分析表明,该方法可以有效提高带电载体电压等级的检测能力和对带电体周围电场信息的响应速度,提高了工作人员在复杂工频电场环境下工作的安全性。
文摘传统的目标检测方法需要对大量候选窗(区域)做判断,需要较大的计算量。本文根据人体特点,提出了一种基于分级判断的方法,需要判断的候选窗逐级减少,因此可以大量减少复杂特征和分类器需要判断的候选窗数量,进而减少整个检测算法的计算量。算法首先对待检测图像提取NG(norm of gradients)特征,通过线性支持向量机(SVM)判断得到行人的候选区域;然后对候选区域提取简化梯度方向直方图(HOG,histograms of oriented gradients)特征,采用线性SVM对候选区域进一步的过滤;最后对经过过滤筛选得到的区域提取多分辨率HOG特征,使用可变形部件模型(DPM,deformation part model)对候选区域进行检测定位行人的位置。在INRIA数据集上的实验结果表明,本文方法在保证检测精度的情况下,虽然相比于原始DPM算法有少数的行人漏检,但是本文方法的检测结果中行人误检数目远少于原始DPM算法,检测速度也优于原始DPM算法。
