粗糙表面的摩擦触觉感知研究

本文中研究了手指触摸粗糙表面的摩擦振动特性、脑电生理反应和主观评价,为产品触感舒适性和抓握可靠性设计以及产品触感量化表征提供理论依据.研究结果显示：随着表面轮廓算术平均偏差和轮廓单元平均宽度的降低,摩擦系数和功率谱重心逐渐增大,垂直偏差逐渐降低;垂直偏差、功率谱重心和摩擦系数特征参数能够反应粗糙表面的形貌特征变化,并且与人的主观感知评价一致,可以用来定量表征人对材料表面粗糙度、细致度和黏着度的感知. ERP曲线的P200成分峰值与接触表面的粗糙特征相关,粗糙度大的表面诱发的P200峰值高;P300成分与人的主观认知判断有关,粗糙感强、细致感差及黏着感低的表面诱发的P300峰值高且潜伏期短.研究表明,材料表面的粗糙特性通过影响皮肤的接触摩擦行为,进而影响人脑的触觉感知和主观评价.表面摩擦振动特性、人脑电生理反应和触感主观评价具有相关性,三者结合是系统研究粗糙表面摩擦触觉感知的有效手段.     

基于内点罚函数的全双工认知无线电网络优化

针对全双工认知无线电网络中频谱利用率不高的问题,文中提出一种通过优化频谱感知中能量检测阈值来提升系统频谱利用率的方法。为了获得最优频谱利用率下的能量检测阈值,建立马尔科夫状态转移模型得到全双工认知无线电单位带宽吞吐量,将频谱利用率问题转化为以单位带宽吞吐量为目标函数、以检测概率为约束条件的多约束非线性规划问题。然后,采用内点罚函数法,以单位带宽吞吐量和约束条件构造增广目标函数,将多约束非线性规划问题转化为无约束问题,通过搜索可行域内部一系列的罚因子,求解罚函数的极值点,从而逼近最优频谱利用率下的能量检测阈值。仿真结果表明,在次级用户处于高传输功率和低信噪比时,优化能量检测阈值后的认知无线电网络单位带宽吞吐量有明显提升。     

5G技术军事运用及作战影响分析

第五代(5G)移动通信技术是最新一代蜂窝移动通信技术,具有超高速率、超大容量和超低延时等显著优势.为适应现代信息化作战形态,提高5G技术在军事中的运用效能,针对5G技术所具有的优势和特征,深入分析了信息化作战中5G技术在信息共享、态势感知、指挥控制等典型作战方式中的影响,对于增强部队信息化作战能力具有较强的现实意义.     

移动群智感知系统的任务分配方法研究综述

近年来,随着移动智能终端性能和网络传输能力不断提升,移动群智感知系统得到广泛关注.参与者的趋利性易导致系统效用低且难以完成既定任务.因此,合理的任务分配机制能够保证系统采集较优质量数据、达到更广覆盖范围,并使系统效益最大化.本文首先概述移动群智感知基本概念和工作流程;然后分析移动群智感知系统任务分配环节的2个核心研究问...     

基于随机森林和高阶累积量的频谱感知研究

频谱感知技术是认知无线电系统实现高效安全运作的关键技术之一,面对软件无线电多元发展需求,频谱感知技术需要获取更多的空间电磁情况.文中提出了一种基于高阶累积量和随机森林算法的频谱感知方法,通过提取接收信号高阶累积量特征,减少信号传播过程中的多径干扰和噪声干扰,离线训练分类信号,得到可以高效感知接收信号调制类型的随机森林模...     

基于仿真的L900干扰研究与优化提升

随着江苏联通L900批量部署,低频上行干扰的现象对数据话统、长期演进语音承载的性能、路测指标、视频和网页感知均产生了一定程度的业务影响.江苏联通基于长期干扰处理经验,结合仿真和现网实际情况,针对L900从干扰排查和优化提升维度不断总结提炼可落地方案,提出了4种分析方法,以及3种自动化和大数据的优化创新方案,支撑现网干扰...     

基于视觉心理学的SFS流形算法研究

通过视觉方法获取形状在科学研究及工程实践中有着重要作用,灰度图像是最容易获取的视觉信息之一。目前由灰度重构的形状(SFS,shape from shading)受到了广泛的关注,但现有的算法稳定性差、效率低,一直阻碍着SFS方法的推广应用。受近期的视觉心理学研究成果的启发,针对SFS问题,从局部分析入手,即:在图像上,在每一灰度极值点附近,根据灰度单调变化的情况,形成一个椭圆形邻域,对应着表面凹凸区;在每一椭圆域上,形状可用抛物面逼近,其参数可由局部辐射度约束求解;整个图像被椭圆形邻域覆盖,这些覆盖可构成一个二维流形;借助于流形上单位分解函数,各局部抛物面粘合在一起,形成光滑的整体形状;总体形状在整幅图像的灰度约束下再进行全局优化,可得到最终的重构结果。给出了初步算例,算法的稳定性和效率均有大幅度提高。     

一种改进的背景感知相关滤波跟踪算法

针对视觉目标跟踪复杂环境中的遮挡、运动模糊、形变以及背景干扰等问题,提出了一种改进的背景感知相关滤波跟踪算法,通过增加提取灰度特征(Histogram of Oriented Gradient,HOG)及颜色特征(Color Names,CN),提升了目标定位精度,并在此基础上采用多峰检测的模型更新策略抑制相似特征,解...     

基于感知偏序模型的图标视觉复杂度研究

视觉复杂度分析是计算机视觉研究的重要分支。当前主流研究方法采用基于用户数据的统计概率模型进行定量评估,这样虽能获得统计型结论,但由于缺少对潜在逻辑规则的考虑而无法逼近用户真实模型。用户感知评价的不稳定性常常导致训练模型收敛困难或者次最优现象的出现。本文针对此问题,结合用户感知评价特征与视觉特征的关系,提出基于用户感知偏序关系的视觉图标复杂度分析模型。针对感知数据难以获取和表示的困难,本文提出基于二比较的偏序关系表示用户感知特征;采用可信度预处理减少用户评价数据矛盾冲突对于模型预测的影响。通过提取特定的可视化特征,本文提出改进的SVM模型对基于偏序对的感知数据进行训练获得图标视觉复杂度感知模型。通过进行Pearson、Kendall和Spearman系数的对比,本文预测模型在中国大学图标数据库上与人工评价结果高度相似(>90%)。与最新算法的对比结果证实了本文算法的有效性和先进性。     

基于人工智能代理的负荷态势感知及调控方法

随着电力系统规模的不断扩大和电能消费的快速增长,对电网负荷态势的准确感知和高效调控成为确保电力系统稳定运行的关键问题。本文从电力负荷态势感知的基本原理入手,介绍了基于人工智能代理的负荷态势感知系统,并提出了行之有效的负荷调控策略,通过引入先进的人工智能技术,可提高电力系统对负荷变化的敏感性和响应速度,从而实现更加智能化和自适应的负荷管理。