2019年“金帆奖”获奖案例之春晚AR系统

在历年的金帆奖评比中,不乏各大精品综艺节目的影子。其中,每年的央视春晚更是各个获奖单元的常客。时间虽然已经过去一年有余,但2019央视猪年春晚节目依然给我们留下深刻印象。本文将从全新技术、创意设计、设备系统三个方面,对2019央视春晚中的全新虚拟技术应用进行解析。     

企业中大数据分析、应用及管理发展策略

文章以烟草企业为例,分析大数据分析技术对企业生产、经营、决策与发展起到的作用。当今市场经济环境背景下,若想要做强烟草品牌、扩大企业规模、稳固市场竞争力,就要以大数据分析为主,文章结合烟草企业运营现状,从多方面分析烟草企业应用大数据分析技术的调整战略,有效提升企业自身的市场竞争价值,并与当前宏观社会经济环境相适应,有助于烟草企业持续发展。     

电信运营商对大数据的应用

在现代社会,计算机、平板电脑、手机等终端设备几乎成了人们生活中不可或缺的一部分。无处不在的移动设备、RFID、无线传感器等每分每秒都在产生数据,数以亿计的互联网服务时时刻刻都在产生巨量的交互。据IBM最新研究报告显示,全球每天都要产生超过2.5 quintillion字节的数据。这些数据犹如一座金矿,各行业都想如何能够能好地利用它为自己创造最大的经济收益,电信行业也不例外。本文主要从电信运营商在大数据时代具有的先天优势出发,讨论国内外电信运营商对大数据方面的应用。     

基于多相滤波器组的非线性回声抵消

在免提通话系统和移动通信设备中，扬声器常常工作在较高的音量下，容易发生过载现象，从而产生明显的非线性声学回声，这在小微型扬声器中更加常见。常用的线性AEC(Acoustic Echo Cancellation)算法无法消除此类非线性回声，因此通话质量受到严重影响。非线性回声主要表现为额外的高频谐波分量，这些分量使得全带系统不再满足线性关系，而通常的AEC算法都是基于最小化全带误差推导而来，因此性能很容易受到非线性失真的影响。本文提出了一种基于多相滤波器组的子带AEC算法，把全带误差变成了各个子带的误差，因而把谐波失真成分变成了某些子带内的加性噪声，这使得谐波失真较小的那些子带依然能够正常收敛。通过仿真和实测实验，当出现非线性失真时，新方法的ERLE(Echo Return Loss Enhancement)明显高于经典的全带时域和频域方法，对于非线性失真明显的语音信号，ERLE提升约10 dB。      

基于小波变换和概率神经网络的焊接接头类型识别

为了实现机器人自动焊接过程中快速、精确地提取焊缝特征信息,提出了一种基于小波变换和概率神经网络的焊接接头类型识别方法。先采用小波变换对由激光视觉传感器采集的焊接接头图像进行降噪和增强,对重构后的图像进行二值化,然后提取图像的特征信息,组成图像特征向量,最后构建概率神经网络分类器并进行测试。结合视觉传感器中激光器与摄像机的位置关系,最终识别出4种焊接接头。实验结果表明,所提出的方法特征提取简单,识别率高,并具有较好的实时性。     

一种改进的GPC算法在网络控制系统中的应用

首先对传统的GPC算法进行理论推导和分析,然后针对传统GPC控制算法在大延迟过程中无法快速跟随参考轨迹的问题,提出了一种基于最小方差控制的广义预测控制,并以网络控制系统为控制对象,用MATLAB对其进行仿真分析,结果表明改进的广义预测控制算法能很好地跟踪系统轨迹,获得了良好的效果。     

云计算设备中的大数据特征高效分类挖掘方法研究

云计算设备中的大数据分类挖掘是现实模式识别和智能控制的基础,传统方法中对云计算设备中的大数据挖掘采用拓扑结构网格分区挖掘算法,不能有效提取大数据的细节特征,分类的准确性不好。提出一种基于分数阶Fourier变换特征匹配和K-L分类的云计算设备中的大数据特征高效分类挖掘算法。进行云计算设备中大数据存储机制体系分析,采用分数阶Fourier变换进行云计算设备中大数据特征提取和大数据特征匹配,基于K-L变换,选择最优的路径进行分类空间导引,构建了K-L大数据特征分类器,进行云计算设备中的大数据特征分类挖掘。仿真结果表明,采用该算法进行云计算设备中的大数据特征分类挖掘,特征分类挖掘的准确度较高,能量开销较少,效率较高。     

面向大学生心理问题分析的数据挖掘应用

当前已经进入大数据时代,数据挖掘是在大量的数据中提取有用的有价值的知识。本文结合高校学生心理测试产生的数据,采用ID3算法构造决策树分析预测大学生心理健康状况,为学校的心理辅导工作提供参考依据。