基于CNN的高校节水智能灌溉设计

针对高校后勤建设中水资源利用率较低、灌溉管理过于粗放等问题,文章提出了一种基于CNN的智能灌溉设计思路。首先,基于ZigBee技术和5G技术,实现校园绿色植被数据信息的采集与传输、灌溉控制命令的派发以及控制终端设备的控制。其次,构建基于卷积神经网络和自回归模型的温湿度数据预测模型。该模型选择相关度较高的有效降水量、作物需水量、最高气温、最低气温4个因子进行训练。实验结果表明,模型的预测结果很好的拟合真实值变化,得到的作物灌溉用水量与真实灌溉量相差不大,可满足作物需水量的预测要求。     

基于部分平行ADMM求解谱寻求问题的时频分析

经典的非参数谱分析方法使用滑动窗口来捕捉大多数时间序列的频谱特性,然而这种方法不能很好地应用在时间序列的时频谱是时间连续的信号上.对于一些其时频谱满足时间连续频率稀疏的非平稳信号,提出了一种利用部分平行交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）求解谱寻求问题用于此类信号的时频分析方法.对一段加噪声的仿真信号和一段EEG（脑电）信号使用提出的方法进行时频分析.仿真结果表明：与短时傅里叶的分析方法相比,提出的方法不仅提高了时频谱的频率分辨率和时间分辨率,还有效抑制了噪声.最后从ADMM算法停止准则的角度说明了算法的收敛.