Title Motion字幕软件的使用方法

Title Motion(TM)字幕软件是一个专业的字幕软件,并且可以作为Premiere的插件使用。运用此软件可以创建各种各样的文字和图形,任意设置它们的大小、渐变色、阴影、透明度等,还自带有几百种精彩的字幕模块和图形搭配模块等,具有广播级质量的抗锯齿特性。它还可以为各种对象设置特效,如移动、翻滚、变形、模糊等,效果出众,受到了许多业内人士的好评。Title Motion的安装 运行Title Motion(TM)的安装程序,按照提示可以十分顺利地进行安装。 在安装过程中会有几个提示供你选择,如图1所示。在这里选择TM是独自使用还是在Premiere中使…     

管道引入皮线光缨

一、前言 随着光纤通信技术的发展和多年市场的孕育，中国的FTTH已进入实用化阶段，各大电信运营商及各地的网络公司在大规模进行FTTH网络的建设。皮线光缆以其独特的扁平结构和低廉的价格成为FTTH网络中用户引入段的主流产品。     

基于超声相控阵和逆时偏移成像的套筒灌浆饱满度无损检测方法

灌浆套筒连接是装配式建筑应用主要的连接方式之一,套筒的灌浆饱满度决定了装配式建筑的稳定性和抗震性。本文提出一种基于逆时偏移(RTM)成像算法的相控阵超声检测方法,可对装配式套筒连接处可能存在的灌浆缺陷进行检测,本文通过数值仿真试验和室内模型试验对所提方法的有效性进行了验证,其中数值仿真结果表明：RTM算法与传统超声全聚焦(TFM)算法相比,具有更高的成像精度和清晰度,能准确识别套筒内部的空洞、不密实等灌浆缺陷。室内试验结果表明：在RTM重构图像中,与灌浆密实套筒相比,灌浆不密实套筒的反射信号会低9dB,此特征可以识别注浆缺陷。研究结果表明本文提出的相控阵超声成像方法适用于预制结构的套筒灌浆缺陷检测。     

基于级联卷积神经网络的前列腺磁共振图像分类

针对深度学习训练成本高,以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题,本文提出了一种基于级联卷积神经网络（Convolutional Neural Network,CNN）和磁共振图像的前列腺癌（Prostate Cancer,PCa）自动分类诊断方法,该网络以Faster-RCNN作为前网络,对前列腺区域进行提取分割,用于排除前列腺附近组织器官的干扰;以基于ResNet改进的网络结构CNN40_bottleneck作为后网络,用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成,其中使用批量标准化（Batch Normalization,BN）、全局平均池化（Global Average Pooling,GAP）进行优化.实验结果证明,本文方法对前列腺癌诊断结果较好,而且缩减了训练时间和参数量,有效降低了训练成本.     

预嵌锂硬碳和软碳用于锂离子电容器负极的比较研究

锂离子电容器是一种应用前景广阔的电化学储能器件. 目前,活性炭作为锂离子电容器正极被广泛使用. 然而,锂离子电容器负极却有多种不同选择,如硬碳和软碳等碳材料. 本文使用两种具有不同结构和电化学特性的硬碳和软碳材料作为锂离子电容器负极,进行了对比研究. 研究表明,软碳相比于硬碳有更好的电子导电性和更高的可逆容量. 通过在电流范围0.1 ~ 12 A·g^-1下进行充放电测试,分别研究了两种碳基电极在不同涂覆厚度下的倍率性能. 结果显示,硬碳电极在大电流下有更好的倍率特性. 然后,以活性炭为正极,预嵌锂的硬碳和软碳为负极,锂片为锂源和参比电极,分别组装了三电极软包锂离子电容器. 根据三电极充放电测试,分别研究了不同预嵌锂量的硬碳和软碳所组装的锂离子电容器的电化学性能. 结果表明,合适的负极预嵌锂容量可以提升锂电容的能量密度、功率密度和循环稳定性. 最后,大容量硬碳和软碳基软包锂离子电容器被分别组装,软碳基锂电容实现了最高的能量密度21.2 Wh·kg^-1（基于整个器件质量）,硬碳基锂电容实现最高的功率密度5.1 kW·kg^-1.     

基于特征的地平线遮挡剔除算法

可见性计算是计算机图形学的一个基本问题,高效的可见性计算可大量节省关于场景中不可见部分的计算。提出了一种新的基于地形特征的可见性判别算法。该算法首先提取场景的主要山脊线特征,然后构造地形的多分辨率层次细节模型,实现对四叉树结点的快速访问,最后应用增量地平线消隐技术及地形包围盒技术,实现了基于地形山脊线特征的快速遮挡剔除算法。实验结果证明了此算法的有效性。     

一种新的红外目标跟踪方法

提出了一种基于灰度加权和Kalman滤波预测的红外目标跟踪方法。利用带有空间位置信息的目标区域直方图描述红外目标,克服了灰度直方图对图像描述缺少空间位置信息的缺陷,增加了描述的鲁棒性。同时,对跟踪目标的实时位置数据利用卡尔曼滤波校正和预测,增强了跟踪的实时性。实验结果表明,该方法是有效和稳健的。     

认知异构网络中基于克隆选择算法的动态频谱分配

建立了认知异构无线网络的系统模型。基于该模型,以网络效益最大化为目标,考虑接入网的频谱需求,接入网之间的干扰和对应异构网络不同接入技术的多粒度重叠信道之间的干扰约束条件,将频谱资源分配建模为非线性约束0-1整数规划问题,进而提出基于克隆选择的认知异构网络中动态频谱分配算法,并在该算法中设计了一种新的能够同时考虑接入网频谱需求和多粒度信道频谱资源的抗体整数编码方式。仿真结果表明,所提算法相比于贪婪分配算法,增加了网络效益,提高了频谱使用效率。     

认知无线电中非高斯噪声下数字调制信号识别方法简

针对认知无线电系统中传统数字调制识别方法在非高斯Alpha稳定分布噪声下识别性能差、计算复杂度高的问题,提出了一种基于分数低阶循环谱相关系数的数字调制识别新方法。该方法提取分数低阶循环谱截面和频率谱截面以及其投影面的5个相关系数作为识别特征参数,并采用判决树分类器,实现了非高斯噪声下数字调制信号识别。仿真结果表明,在非高斯Alpha稳定分布噪声下,该识别方法不仅具有较高的识别率和良好的稳健性并且计算复杂度更低,更适合于认知无线电系统。