一、Optimization of a Segmented Filter with a New Error Diffusion Approach（论文文献综述）
毛俊博[1]（2021）在《基于单一深度图像信息的孔洞填充方法研究》文中认为伴随着信息时代潮流的推进,深度图像在物体检测、行为识别和场景建模等方面的应用越来越多。由于3D成像系统本身缺陷和外界干扰,采集的深度图像中往往带有孔洞,孔洞是限制深度图像实际应用的主要因素之一。目前大多数深度图像孔洞填充采用基于彩色图像引导的修复方法,复杂的采集设备和彩色图像与深度图像间的对齐精度一定程度上限制此类方法的应用。基于此背景,本文专注于基于单一深度图像信息的孔洞填充方法研究。论文取得了以下研究成果:（1）在研究现有深度图像修复方法的基础上,结合稀疏表示理论提出了基于单一深度图像信息的孔洞填充方法。首先选取优先级最高的受损图像块作为待修复图像区域,然后创建相似图像块组作为修复字典,经正交匹配追踪算法求解受损图像块的稀疏表示向量,通过字典原子的线性表示实现受损图像块的重建。实验验证了该算法可以有效实现深度图像的中小尺寸孔洞的填充修复。（2）为解决基于稀疏表示的孔洞填充方法对受损严重深度图像填充能力有限的问题,提出基于U-Net的单一深度图像信息孔洞填充方法。U-Net从单一深度图像学习特征并推理出孔洞内的深度信息,将网络输出图像孔洞部分与原图组合得到最终修复结果。实验结果表明该方法在仅学习单一深度图像特征的情况下,得到的孔洞填充结果与多种结合彩色图像信息的孔洞填充方法的最优结果相近。（3）为降低孔洞内部无效信息对CNN特征提取的影响,提出了基于门控卷积U-Net的单一深度图像信息孔洞填充方法。门控卷积U-Net从单一深度图像学习特征并有效地滤除孔洞内部无效特征,更多地关注孔洞外的有效特征,以实现更准确的特征学习和更精确的孔洞填充。实验结果表明该方法可以有效降低无效特征的影响,获得了优于传统卷积U-Net的孔洞填充性能。（4）为进一步提高深度学习方法的孔洞填充效果,提出了一种结合深度图像边缘结构信息的单一深度图像信息孔洞填充方法。设计了两阶段网络模型,分阶段地完成边缘结构推理和深度图像孔洞填充,以进一步提高深度图像孔洞的修复效果。从定性分析角度可以看出边缘结构信息提升了孔洞填充效果,但训练数据集规模的限制以及不精确的边缘推理结果一定程度上影响了其中部分深度图像的修复结果。本文致力于解决面向单一深度图像信息的孔洞填充问题,从稀疏表示、深度学习两方面研究了深度图像孔洞填充方法设计,经测试本文算法有效提升了深度图像孔洞填质量,将在进一步研究的基础上提升实际应用价值。
刘奕[2]（2020）在《5G网络技术对提升4G网络性能的研究》文中认为随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
山石泉[3]（2020）在《基于能量利用的富氧燃烧辐射问题与系统研究》文中研究表明基于热功转换的传统能源生产方式受到热力循环最高参数的限制,无法有效利用高温燃烧能量;因此,以能量品质匹配原则为基础构筑燃烧光热能量分级转化系统是实现能源高效利用的一项重要技术思路。富氧燃烧既是一种控制CO2排放的关键技术,又能够产生具有较高利用价值的高温燃烧辐射能。因此从能质匹配利用角度研究富氧燃烧辐射能特征及相应的富氧燃烧光热能量分级利用系统则具有重要的意义。本文按照富氧燃烧单色辐射能效评价理论→高效高精度宽范围富氧燃烧气氛辐射总体模型开发→富氧燃烧辐射能量特征理论分析→富氧燃烧辐射能量特征实验探究的研究路线对富氧燃烧热辐射能量利用的关键问题进行研究,最后构筑了基于富氧燃烧的光热能量分级转化系统并进行参数分析。为了合理评价富氧燃烧高温辐射能量品质,首先建立了能够表征光谱辐射可用能的辐射热力学理论。在讨论了黑体辐射?的几种表达式基础上,从辐射能和热能不同的观点出发建立了辐射机模型,证明了Petela黑体辐射?公式的有效性。基于辐射等效温度的概念,通过建立无限分级卡诺热机模型,提出了积分形式的单色光子?表达式;同时给出了等效温度与辐射波长之间的近似关系。最后,利用无限分级卡诺热机模型讨论了单色光子的熵,并给出了积分形式的光子熵的表达式。并验证了单色光子的熵和?之间满足热力学关系,可以反映辐射能和热能之间的差异。详细总结灰气体加权（WSGG）模型的开发理论及步骤,并改良WSGG模型结构使其能够兼容更宽压力范围的参数。以EM2C实验室的统计窄谱带（SNB）模型作为基准,开发出适用三种典型压力条件下的富氧燃烧特性的WSGG模型系数。将该改进模型同时应用于一维和二维算例,以验证其准确性。结果发现改进模型的结果与基准模型的结果非常吻合,从而说明改进模型的合理性。在此基础上,又进一步开发了适应更宽参数范围H2O/CO2混合气氛的改良WSGG辐射模型参数,新模型可适用于0.1-3 Mpa范围,其温度范围为500-2500K,行程长度为0.001-60 m,H2O/CO2摩尔比范围为0.125-4。新的WSGG模型可适应多种燃料以及多数燃烧设备的燃烧条件。此外,还基于新模型深层次地研究压力对混合气体辐射传热的影响。发现在高压条件下,新的WSGG模型计算的混合气体发射结果与基准模型结果吻合较好,一维算例在1 m行程长度下的平均源项误差最大不超过4%,平均热流误差最大值仅在3%左右;鉴于常压下WSGG模型则不能取得很好效果,因此宽范围新模型的建立是很有意义的。研究还发现在一定的压力范围内,压力增大能增强H2O/CO2混合气体的辐射换热,存在一个强化混合烟气辐射换热的最佳的压力。同时,压力对低H2O/CO2摩尔比值混合烟气辐射强度影响更大。基于热力学第二定律,将单色辐射光子可用能理论与辐射传递方程相结合,建立了基于热力学第二定律的单色辐射熵及辐射?传递方程,可用来更加合理准确的计算及分析单色光谱辐射传递过程中的能量品质及变化,通过理论及数值验证发现辐射熵与辐射?传递计算之间符合热力学规律。在此基础上,通过构建一维炉膛燃烧介质辐射算例,计算燃烧介质辐射能量特征。探究温度,气体摩尔比,压力,行程长度以及颗粒粒子数密度等参数对光谱辐射能及光谱辐射?比例分布的影响。结果表明,在各个工况条件下,光谱辐射能量占比特征与光谱?占比特征一致,可以使用光谱能量的分布特征来预测光谱?的分布特征。影响辐射能量光谱分布特征的主要参数是温度。基于改造的管式炉燃烧平台,对煤粉富氧燃烧辐射能流特征进行了实验研究。探究了温度,氧气浓度,气氛以及煤种等因素对辐射能流特性的影响,并基于本文开发的辐射热力学理论探究辐射?规律。结果发现温度及氧浓度的增大使得煤粉燃烧的辐射功率增大,波长4.1μm以下的短波段辐射占比增加,而温度的影响更明显。辐射?功率的变化趋势与辐射功率基本一致。煤种及氧浓度对?能比的影响不太大,主要因素是温度。而通过构建一维算例能够预测光谱能量占比。基于自行搭建的平焰燃烧器实验平台,实验研究了半焦射流火焰的光谱辐射能量特征,并基于辐射热力学理论研究了辐射?分布规律。结果发现高温及高氧浓度直接增强辐射强度。其他条件不变的情况下,O2/CO2气氛中辐射强度较低。平焰燃烧器实验中不同工况下能量比例分布基本符合灰体分布规律,1400°C左右,1.1-3μm波段辐射占比达60%,可通过构建一维算例预测。不同工况的辐射?比例分布结果与辐射能量比例分布结果类似。基于中试试验台的实验结果显示,固体燃料纯氧燃烧产生类似于灰体的光谱。计算获得的光谱辐射?较大并与光谱辐射能分布特征相似。纯氧燃烧可产生2000 K以上的高温,具有极高的能量品质。该温度下由于传统的热力循环最高参数的限制则造成较大程度能量品质损失,光热能量分级利用的思路对纯氧高温燃烧更加关键。最后在总结燃烧光热能量分级利用的理论及原则的基础上构筑了直接利用火焰能量的富氧燃烧光热能量分级转化系统,以及基于光谱调节的富氧燃烧热光伏-布雷顿-朗肯联合循环光热能量分级转化系统（TBRC）。对于直接利用火焰能量的富氧燃烧光热能量分级转化系统,通过建立热力学分析模型并基于富氧燃烧辐射能量特性实验数据分析系统的性能。模拟结果表明相比不添加光伏装置的基本朗肯循环,理想条件下,随着光伏比例的增加能够提高系统效率约13个百分点。新系统中锅炉?损（60%左右）远大于朗肯循环（7%左右）,光伏板的加入主要降低了锅炉传热?损,从而降低系统?损,提高系统效率。直接利用火焰能量的富氧燃烧光热能量分级利用系统中,对于不同燃煤,使用无烟煤与烟煤系统效率较高,而褐煤最差。基于光谱调节的富氧燃烧光热能量系统（TBRC）,使用热光伏装置来对燃烧辐射能量进行光谱调节,从而进行光电转化。通过构建热光伏,布雷顿朗肯联合循环等子系统模型,对150 kW小系统进行模拟分析研究。结过表明该系统效率相比同容量热动力循环可提高20个百分点。21%O2/N2燃烧气氛条件下的系统最佳功率接近于30%O2/CO2左右的条件的功率;氧气浓度对系统功率的影响在O2/CO2燃烧气氛下更大一些。基于480 MW的高参数高效率燃气蒸汽联合循环系统所构筑的富氧燃烧光热能量分级系统在纯氧燃烧条件下理论最高效率可达86%,相比于空气燃烧的联合循环机组提高了26个百分点,这体现了富氧燃烧光热能量分级利用系统的发展潜力。
尤国庆[4]（2019）在《逆向设计的硅基无源器件以及三维光子集成的研究》文中研究说明以信息技术为主体的信息革命浪潮推动着21世纪正式进入信息化时代,受寄生电容、寄生电阻等限制的传统集成电路已不能满足当前快速增长的通信容量的需求,大带宽、高速率、低能耗、低延迟、小尺寸的片上集成光路越来越多的受到研究者的关注。随着光芯片集成密度的增加,芯片上的器件数量和线路复杂度也成指数式增长。为进一步提高集成密度,本文提出了两个可行的思路:减小器件尺寸和增加集成维度,即逆向设计的超小型硅基器件和三维光子集成。主要工作概括如下:（1）介绍了硅基光子学、逆向设计的纳米光子学器件以及三维光子集成的研究现状和意义,并对耦合模理论和几种优化算法的理论模型进行了分析,为后续的硅基无源器件的逆向设计和三维光交叉连接器的设计奠定基础。（2）分别采用粒子群算法、有约束最小化函数和直接二元搜索算法逆向设计了任意比例功分器、偏振不敏感功分器和高阶模式滤波器,在超小尺寸内实现低损耗、大带宽的高性能硅基无源器件。所设计的任意比例功分器在中心波长1550 nm处,损耗低于0.29 dB,功率分配比例误差低于0.05;对于偏振不敏感功分器,其在1550 nm处损耗低于0.35 dB,器件透过率不均衡性低于0.06%;TE1的定向耦合型模式滤波器,在1550 nm处损耗仅为0.18 dB,串扰则低于-27 dB。此外,也综合使用直接二元搜索算法和有约束最小化函数设计了模式杂化器,结合两种算法各自的优点,所设计器件在1550 nm处损耗低于0.49 dB,器件透过率不均衡性低于0.6%。（3）基于SiN-on-SOI平台设计了三维光交叉连接器,包括反向倒锥垂直耦合器和亚波长光栅波导三维交叉结构。通过优化结构参数,实现了在1500-1600 nm波长范围内器件理论损耗低于0.14 dB。（4）详细讨论了制备硅基二维平面器件和三维器件所需的工艺流程,并实验制作了定向耦合型模式滤波器和三维光交叉连接器。测试结果表明,TE1模式滤波器在1550 nm处损耗约为0.7 dB,串扰低于-16 dB;三维光交叉连接器在1550-1600 nm波长范围内层间垂直耦合损耗低于0.76 dB,波导交叉处串扰低于-30 dB。
刘宏达[5]（2019）在《闭式整体叶盘多轴联动电火花加工抬刀运动速度规划研究》文中指出闭式整体叶盘类零件是航空航天发动机的核心关键部件,其质量直接影响了发动机的可靠性、性能和成本。多轴联动电火花加工具有无宏观切削力、加工性能与材料的机械性能无关、可达性好以及成形精度高等优点,成为闭式整体叶盘类零件的首选加工方法。运动控制作为数控系统自动控制的一部分,负责控制机床的刀具和工件严格按照指令所给定的轨迹进行运动,对于一台机床能否实现复杂形状工件的高精度、高效率加工起着举足轻重的作用。如何在保证满足给定精度的前提下,给出一个计算复杂度和存储空间消耗都较小且相互均衡的折衷方案,是数控技术领域长期以来十分重视的一个热门难题。此外,多轴联动电火花加工机床的伺服进给与回退功能、抬刀功能都要求对轨迹能够进行频繁且精确的正向和反向插补,然而现有的插补方法大多是针对切削加工而设计,无法满足多轴联动电火花加工的功能需求。加工精度与加工效率的提升是衡量加工装备与加工技术的标准,本文研究工作的核心也是围绕加工精度与加工效率的提升展开,针对抬刀速度规划算法、数控系统及其插补器中存在的问题,提出相应的解决方案。主要研究工作如下:（1）针对现有高速抬刀技术在高速抬刀加减速算法以及控制系统方面存在的问题,详细分析了电火花加工过程中高速抬刀的基本要求,提出了适用于电火花加工高速抬刀的S形加减速算法以及基于EtherCAT协议的多轴联动电火花加工数控系统。将S形加减速算法分成三个功能模块进行分析,并在此基础上提出了用于主轴抬刀运动的S形加减速算法,该算法使用正弦曲线作为加加速度的控制函数,保证了加加速度的连续性。计算结果表明,在相同最大加加速度条件下,获得同样的最大速度,使用正弦曲线的加加速度方法规划能使得加减速过程中的最大加速度减小约25%。（2）针对传统抬刀控制算法在跨线段抬刀过程中频繁的加减速会大幅降低加工效率的问题,提出了一种电火花加工抬刀运动轨迹实时光顺与动态前瞻速度规划方法,解决了小直线段抬刀轨迹光顺及抬刀速度平滑的问题。利用一条参数曲线对由两条相邻小直线段构成的拐角进行光顺,将放电间隙作为轨迹光顺过程中过渡曲线与原小线段之间的最大轨迹逼近误差。通过使用双向扫描算法来计算光顺轨迹的速度极值曲线,该算法考虑各轴的最大速度、加速度以及加加速度等性能以及曲率极值等,然后利用加加速度可控的S形加减速算法获得平滑的抬刀运动指令速度曲线。仿真和实验结果验证了新规划方法的稳定性和可靠性,对复杂形状的零件加工表明,使用新规划方法可减少12.16%加工时间。（3）针对闭式整体叶盘多轴联动电火花加工抬刀运动过程中的速度波动、加工效率较低等问题,提出了多轴联动电火花加工抬刀运动轨迹光顺方法,实现了多轴联动抬刀运动轨迹的在线光顺与插补。根据直线运动轴和旋转运动轴量纲的不同,将多轴联动抬刀轨迹分为直线子轨迹和旋转子轨迹,分别对每条子轨迹运用三轴光顺方法进行转角光顺。然后在考虑工具电极和工件的CAD模型以及机床坐标系向工件坐标系的机床运动学变换的基础上,建立了闭式整体叶盘多轴联动电火花加工误差映射模型,将机床坐标系下轨迹光顺所产生的逼近误差按照非线性关系转换到工件坐标系下。最后将加加速度可控的S形曲线抬刀速度规划算法运用到光顺同步后的多轴联动抬刀轨迹,获得其指令速度曲线,使得抬刀能够快速稳定完成。实验表明,所提出的规划方法能够使某型号闭式整体叶盘单个叶片的平均加工时间减少19.68%。（4）针对目前闭式整体叶盘加工运动轨迹仍然是用大量逼近于原参数曲线的小线段来表示,不仅大大增加了数控系统的运算及实时处理的负担,而且造成了逼近误差的不断累积的问题,提出了基于编码器/播放器架构的多轴联动电火花加工及其速度规划方法。该方法使用机床坐标系下双NURBS并联曲线来描述多轴联动运动轨迹,通过广义弧长单位增量插补法获得参数曲线的“原子级”逼近点。在此基础上,提出了基于单位弧长增量扫描法的双NURBS并联曲线运动轨迹速度极值曲线的生成方法,该方法综合考虑了逼近点的曲率、各运动轴的最大加速度和加加速度。然后提出了基于编码器/播放器体系架构的速度规划的实现方法。该规划方法采用C2连续的双NURBS并联参数曲线表示的运动轨迹,在伺服进给运动中减少了小线段衔接处的插补速度损失,同时抬刀过程中无需进行转角光顺,获得了更大的“转弯”速度,从而提高了加工效率。
乔鹏[6]（2018）在《基于可学习图像扩散的自然图像复原技术研究》文中研究表明图像是人类获取信息的重要来源。随着带有高清摄像头的智能手机的普及和成像器件在城市安防、卫星遥感遥测等诸多领域的广泛使用,这些成像器件产生着数量巨大的图像数据。人们对收集到的上述图像数据进行分析与处理,获得关于真实世界重要信息。然而,数字图像在成像、传输、存储等各个环节都不可避免的受到各种降质影响而降低质量,如噪声、低分辨率、模糊等。图像的质量对于基于图像的分析与理解的准确性有着极大的影响。因此,图像复原问题作为图像分析和理解的预处理过程,是一个被广泛研究的问题。本文围绕图像复原中涉及的图像先验模型的表示、图像先验模型的学习效率问题以及图像复原的计算效率等问题,研究其中涉及的若干关键技术。本文的主要工作及创新点概括如下:（1）提出了一种非局部自相似嵌入的可学习图像扩散图像去噪方法。图像扩散模型是处理图像复原任务时常用的模型之一,如[1]中被提出的可训练非线性反应扩散（Trainable Nonlinear Reaction Diffusion,TNRD）模型。TNRD 模型是局部模型,其扩散行为完全由局部斑块的信息控制。因此,TNRD模型恢复的图像会出现伪影和过度平滑等现象。特别是在噪声强度比较大的情况下,上述现象表现的更加突出。同时,非局部自相似（Nonlocal Self-Similarity,NSS）图像先验模型能够利用非局部的图像斑块信息,因此对于抑制伪影和避免过度光滑纹理有积极作用。基于此,本文提出将NSS图像先验模型嵌入到TNRD模型中来改善上述不足。该模型称为可学习的非局部反应扩散（Trainable NonLocal Reaction Diffusion,TNLRD）模型。实验结果表明,TNLRD模型能够产生视觉上更加合理的恢复图像,同时具有更多纹理和更少的伪像。TNLRD模型在峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）和结构相似性指数（Structural SIMilarity,SSIM）等指标方面取得了较对比方法更有竞争性的性能。（2）提出了一种局部滤波器堆叠的快速非局部扩散图像去噪方法。图像去噪方法中,大部分方法在设计时仅考虑提供良好的去噪图像,而几乎不考虑或者极少考虑计算和存储效率,如[2]。随着高清成像设备普及,这些方法不能很好地扩展到高分辨率图像恢复,如计算时间过长或者导致内存溢出等。从语义角度分析相似斑块S相对于其参考斑块R的距离distrs分布,发现人造物和自然物体两个类别中大distrs的分布较多。但由于这两类图像总体占比少,因此大distrs的分布在整体分布占比也少。基于此,将TNLRD中的非局部滤波器替换为局部滤波器,提出了一种局部滤波器堆叠的快速非局部图像扩散图像去噪方法,记为2layerTNRD。实验结果表明,2layerTNRD模型比TNLRD模型的计算效率更高。在4096 × 4096处理中,采用CPU单线程版本,2layerTNRD模型比TNLRD模型快约6倍。图形处理器单元加速的2layerTNRD较CPU版本快约10倍。同时,从PSNR和SSIM指标看,2layerTNRD模型达到了和TNLRD模型相当的图像去噪性能。（3）提出了一种共享扩散项的通用图像扩散方法。图像复原问题是典型的不适定问题,基于正则化的方法是常用求解之一。除了人工设计（如总变分模型）外,图像先验模型1还可以通过机器学习的方法训练得到,如专家场模型。基于机器学习的方法分为生成式学习和判别式学习。一方面,生成式模型可以转移到各种图像复原问题,但与判别式模型相比,生成式模型提供图像恢复质量一般较差。另一方面,判别式模型通常是针对特定的图像复原问题进行训练,在未训练的问题中会失败。为了结合生成式和判别式学习的优点,本文提出了一种共享扩散项的通用图像扩散方法（genericDP）,通过共享一个扩散项来同时训练模型处理多个噪声强度的图像去噪问题。与原来的训练方法相比,genericDP模型可以提供相近的图像去噪性能和更高的训练效率。实验结果表明,本文训练得到的扩散项可以作为通用的图像先验模型迁移到图像非盲去卷积问题,并获得了较对比方法有竞争力的恢复性能。（4）提出了高层视觉任务指导的底层视觉任务优化器。基于判别式方法训练图像复原模型时,l2损失函数是最常用的损失函数。使用l2损失函数训练的模型在恢复图像时,倾向于过度光滑图像的细节。虽然恢复图像的PSNR指标较高,但是视觉质量不是很好。在生成对抗网络框架训练的图像复原模型,虽然能够得到纹理更加丰富、视觉质量更好的恢复图像,但是生成对抗网络训练十分不稳定,对网络结构、训练超参数都十分敏感。基于此,本文提出高层视觉任务指导的底层视觉任务优化器（High-level task Aided Low-level Optimizer,HALO）。实验结果表明,HALO框架训练过程具有良好的稳定性,对网络结构、训练超参数具有良好的可解释性。在改善高层视觉网络对于输入噪声的鲁棒性同时,使用HALO框架训练的图像去噪模型可以恢复出更多合理的细节,提高了恢复图像的视觉质量。
潘晨宇[7]（2021）在《移动网络流量和5G用户数预测》文中认为随着5G技术的推广和普及,人们的日常工作生活更加需要移动网络作为基础,对移动网络的性能要求越来越高。因此对移动网络流量进行预测,能够为网络异常监测和运维管理进而提升网络整体效能提供依据。同时5G用户数量在不断的增长,预测5G用户在接下来一段时间的数据量,能够为5G的网络运营商以及终端设备制造商制定生产运营策略提供数据依据。针对移动网络流量预测,本文首先分析移动网络流量的日常变化特点,基于网络流量的特征建立一个全面的有效的预测模型。经过对网络流量变化特性的分析,发现网络流量具有自相似性、周期性以及突发性等特性,这些特征的存在也是能够根据部分网络流量历史数据预测未来数据值的依据。小波神经网络凭借小波函数特有的两大参数的调整既能够分析整体信号的特征,又能聚焦局部信号的变化,特别适合处理突变信号以及非平稳随机信号,因此采用小波神经网络进行实验预测。本文首先设计模型的层级结构,之后多次实验确定最佳隐含层节点数,最终建立小波模型进行仿真实验。实验结果表明此模型能够很好的拟合数据的变化情况,但是其预测精度不高,收敛速度较慢。基于此结果,提出一种改进算法来优化小波神经网络寻找最佳参数的能力,克服其容易找到局部最优参数的问题。本文采用粒子群算法来改进小波神经网络的参数调整过程,粒子群算法能够调节搜索最优解的范围和能力,因此能够解决小波神经网络预测出现的问题。基于流量预测设置粒子群算法的适应度函数以及粒子向量组成,之后设计模型的层级结构、最佳种群数以及其它参数,建立模型进行预测。最后实验结果表明此模型预测准确度更高,网络训练收敛更快,证明了粒子群优化小波神经网络模型的有效性。对5G用户数进行预测的基本思路是将5G用户数扩散视为一项新产品投入市场后采用者的变化情况,在新产品扩散预测领域最有效的数学模型是Bass模型。但是Bass模型更多用在实体创新产品扩散预测,对于5G通信技术产品预测较少。因此本文对5G用户的扩散途径,扩散因素进行分析后,又采用此模型对4G用户数扩散进行拟合,证明Bass模型用在预测5G用户扩散预测中的适用性和有效性。最后统计5G用户数历史数据,进行拟合获得参数后,对接下来两年的用户数进行预测。
苏有平[8]（2021）在《单液流锌镍电池阻抗谱测量及模型参数辨识》文中认为单液流锌镍电池（Single-Flow Zinc-Nickel Battery）是一种新型的液流储能装置,它具有造价成本低、储能容量大以及循环寿命长等优点,在储能领域具有广阔的发展前景。电化学阻抗谱（Electrochemical Impedance Spectroscopy,EIS）涵盖频率范围广,包含阻抗信息丰富,给电池建模分析提供了强有力的依据。本论文为获取单液流锌镍电池阻抗谱及阻抗参数,设计了基于STM32的单液流锌镍电池阻抗谱测量平台,并提出一种改进的鲸鱼优化算法辨识电池阻抗模型参数。论文对全相位FFT（All-Phase FFT,APFFT）法估计两个同频正弦信号的幅度比值与相位差进行理论分析,结合阻抗谱频域测量原理,确定单液流锌镍电池阻抗谱测量方案,并设计相应的阻抗谱测量平台。测量平台以STM32控制器为核心,使用AD9833产生设定频率的正弦信号,通过恒电流仪进行V/I转换后向待测电池注入电流激励,利用定时器中断控制AD7606的采样率。在STM32控制器上集成全相位FFT算法,实现在控制器片内对电流、电压信号进行全相位FFT分析,得到测量频率点的电池阻抗值。采用查表的方式进行扫频测量电池阻抗谱,并通过串口将测量数据发送到上位机进行保存。对单液流锌镍电池阻抗谱测量平台进行滤波放大电路、恒电流仪等功能测试。进行RC等效电路、单液流锌镍电池阻抗谱测量,并对比专业仪器频率响应分析仪测量结果。实验表明,所研制的阻抗谱测量平台测量单液流锌镍电池阻抗谱,阻抗幅值测量误差小于5%,相角测量误差小于1.2°。同时,采用新威充放电测试仪对单液流锌镍电池进行充放电,由测量平台得到电池在不同荷电状态（SOC）下的阻抗谱数据。针对通过拟合阻抗谱数据建立等效电路模型难度大的问题,应用弛豫时间分布（Distribution of Relaxation Times,DRT）法解析单液流锌镍电池阻抗谱,建立了单液流锌镍电池4阶RC阻抗等效电路模型。提出一种改进的鲸鱼优化算法,用于辨识阻抗等效电路模型参数。基于电池实测阻抗谱数据,使用改进的鲸鱼优化算法辨识得到电池在不同SOC下的模型参数值。实验结果表明,采用改进的鲸鱼优化算法辨识阻抗等效电路模型参数,阻抗实部平均相对误差小于2%,虚部平均相对误差小于10%。
赵亮[9]（2021）在《基于智能行程时间预测的露天煤矿卡车调度随机优化方法研究》文中认为随着人工智能和无人采矿技术的发展,露天矿自动卡车调度系统将迎来新的变革。定位系统、集成传感器的应用,为卡车调度系统带来最新的监测工具;深度学习方法、GPS/BDS定位和导航技术、物联云和边缘计算等技术的充分利用,也将引发从业人员和车辆终端之间操控联系的变革。在车辆GPS/BDS定位、车速变化和姿态等大数据的基础上,利用深度学习、统计学等数据分析和智能处理的理论和方法,可以进一步优化露天矿卡车调度策略,降低运输成本,促进智能化露天矿山建设。在借鉴和改进前人的露天矿调度系统建模方案的基础上,本文在物联云框架下构建露天煤矿车辆状态数据传输系统,基于车辆行程的大数据,对车辆派遣的行程时间预测,形成了深度神经网络预测卡车行程时间的方法;基于概率统计和深度学习理论,对露天煤矿短期计划中卡车调度进行建模和分析,对车辆下一个阶段的车铲预分配方案进行优化,建立了露天煤矿短期计划的卡车调度系统随机优化模型及其效能评估方法。本文取得主要研究成果如下:（1）由于露天煤矿运输具备特殊的往返特性,可以利用深度学习方法,对露天煤矿车辆运行的行程时间进行预测。为此,用矿区规划图获得的露天煤矿运输路径,对卡车行程数据进行了分析,结果表明:在一个运输往返过程中,采装、运输、卸载等不同行为的耗费时间的概率分布可存在正态和对数正态两种不同的分布;行程时间受司机和采装耗时的影响很大。结合GPS/BDS模块差分定位记录的位置和车辆状态数据,开发了对矿山车辆状态数据进行采集的智能边缘设备,实现了矿山车辆行驶行为的数据采集,收集了增强的卡车行驶行为的数据集。（2）为了解决露天煤矿车辆行程时间预测问题,对所采集的车辆怠速等车辆状态数据,利用改进的1D-CNN（one-dimension convolutional neural network）网络进行数据分类,区分车辆等待和行驶的行为、坡路和水平行驶行为,提取了车辆行驶在不同路段上的行为特征,解决了矿山卡车行为特征识别问题。进一步基于LSTM（long short-term memory）和CNN建立了两种不同的深度神经网络预测模型,根据司机、不同路段等数据特征构造二维输入向量,利用2D深度网络学习行程时间数据,提升了矿山卡车行程时间预测的准确率。结果表明:在卡车特征识别上,用inception结构的1D-CNN网络对卡车状态识别率可以达到98%以上;对卡车行程时间预测结果上,所设计的CNN网络的学习效果在误差允许范围内,准确率约90%。两个模型对差异较大的不同卡车运输路径的泛化能力较弱。（3）为解决露天煤矿卡车调度优化和可行性评估问题,建立了露天煤矿短期计划中的卡车调度随机优化方法。由于传统的卡车调度较少考虑矿山运输中的随机性,因此,本文对基于最小成本的优化目标进行转换,将目标中的行驶路径等变量简化和转换为行程时间等时间变量;对传统优化模型引入随机变量表征行程时间等随机性,提出并建立了多染色体遗传算法,解决了车铲调度的随机优化问题。结果表明:优化方法减少了矿山设备空闲时间,可以提高矿山车辆利用率约3%,降低了运输成本,可以减少重车上坡台阶数约7%。综上所述,本文设计的露天矿卡车调度随机优化模型能够在行程时间预测的基础上,对下一个短期计划阶段的车辆调度进行预测和优化,并检验预测结果的可行性,从而提高矿山的生产效率。论文有图46幅,表18张,参考文献152篇。
巩佳宁[10]（2021）在《低杂散任意波形发生器硬件电路设计》文中认为任意波形发生器（Arbitrary Waveform Generator,AWG）作为一类信号产生设备,可以生成多种标准波形信号及用户自定义波形信号,具有频率切换速度快、带宽较大等特点,因此在信号源中扮演着十分重要的角色。与射频信号源比,AWG输出信号无杂散动态范围（Spurious Free Dynamic Range,SFDR）指标较小,这成为制约任意波形发生器进一步应用的关键因素。本文调研了六款采样率低于2.5GSPS任意波形发生器的SFDR指标,得出在500MHz带宽内该指标均小于40d Bc。因此本文通过设计一款2GSPS采样率低杂散AWG,在500MHz带宽内使仪器SFDR指标大于50d Bc,具体工作内容如下:1.杂散信号分析。通过分析理想DDS（Direct Digital Synthesis,DDS）输出信号频谱,得出数模转换器（Digital to Analog Converter,DAC）保持特性会在输出信号频谱中添加镜像频率信号;通过分析实现DDS结构时所用器件参数与理想DDS结构参数之间的差距,推导出DDS技术中引入的相位截断误差和幅度量化误差与输出信号SFDR指标的关系;基于集成运放仿真模型得出AWG输出信号频率大于10MHz时,放大器非线性造成的谐波失真是影响SFDR指标的关键因素。2.低杂散AWG硬件电路设计。通过分析上述四种因素对低杂散AWG输出信号SFDR指标的影响,确定相位截断误差与幅度量化误差造成的杂散信号幅值过小,可以忽略不计,SFDR指标可以通过使用低通滤波器电路滤除输出频谱中的镜像频率信号和谐波频率信号的方法实现,并利用MATLAB软件仿真及硬件电路测试确认输出信号SFDR指标满足目标要求;基于“FPGA+DAC+存储器”结构,通过分析低杂散AWG功能指标和性能指标,完成仪器硬件电路设计。3.FPGA逻辑工程设计。基于PCIe总线实现上位机与PCB板卡之间的数据通信功能;基于数据传输模块解决了存储器非均匀传输至均匀传输的转换;基于数据发送接口模块实现了最大传输4GB波形数据至DAC芯片;基于AXI4-Lite总线,实现时钟芯片配置、信号调理电路控制及仪器状态信息回读等功能。测试结果表明:低杂散AWG输出信号能力不弱于电子科技大学某型号AWG、鼎阳科技SDG6052X及是德科技M9336A仪器,且输出信号SFDR指标优于上述三款仪器,具体为输出信号频率在300MHz以内时,仪器SFDR大于65d Bc;在300MHz至500MHz范围内时,仪器SFDR大于50d Bc。具有低杂散输出能力的AWG不仅能适用更多测试场景,也能提升包含AWG设备系统的整体性能。
二、Optimization of a Segmented Filter with a New Error Diffusion Approach（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Optimization of a Segmented Filter with a New Error Diffusion Approach（论文提纲范文）
（1）基于单一深度图像信息的孔洞填充方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 相关研究趋势 |
| 1.4 本文研究框架与研究目标 |
| 1.5 章节安排 |
| 2 基于稀疏表示的单一深度图像孔洞填充方法 |
| 2.1 稀疏表示与信号修复理论 |
| 2.2 基于稀疏表示的单一深度图像孔洞填充方法 |
| 2.2.1 小尺寸孔洞的填充 |
| 2.2.2 图像块优先级的计算 |
| 2.2.3 修复字典的创建 |
| 2.2.4 图像块的修复 |
| 2.3 实验结果及分析 |
| 2.3.1 实验结果的定性对比与分析 |
| 2.3.2 实验结果的定量对比与分析 |
| 2.3.3 本章方法不足 |
| 2.4 本章小结 |
| 3 基于U-Net的单一深度图像孔洞填充方法 |
| 3.1 网络结构 |
| 3.2 损失函数 |
| 3.3 实验结果及分析 |
| 3.3.1 数据集 |
| 3.3.2 网络训练 |
| 3.3.3 实验结果的定性对比与分析 |
| 3.3.4 实验结果的定量对比与分析 |
| 3.4 本章小结 |
| 4 基于门控卷积的单一深度图像孔洞填充方法 |
| 4.1 门控卷积 |
| 4.2 网络结构 |
| 4.3 损失函数 |
| 4.4 实验结果及分析 |
| 4.4.1 超参数λ的选取 |
| 4.4.2 实验结果的定性对比与分析 |
| 4.4.3 实验结果的定量对比与分析 |
| 4.5 本章小结 |
| 5 结合边缘结构信息的单一深度图像孔洞填充方法 |
| 5.1 边缘结构信息影响分析 |
| 5.2 网络结构 |
| 5.3 损失函数 |
| 5.4 实验结果及分析 |
| 5.4.1 边缘训练集的生成 |
| 5.4.2 实验结果的定性对比与分析 |
| 5.4.3 实验结果的定量对比与分析 |
| 5.5 小结 |
| 6 结论 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）5G网络技术对提升4G网络性能的研究（论文提纲范文）
| 引言 |
| 1 4G网络现处理办法 |
| 2 4G网络可应用的5G关键技术 |
| 2.1 Msssive MIMO技术 |
| 2.2 极简载波技术 |
| 2.3 超密集组网 |
| 2.4 MEC技术 |
| 3 总结 |
（3）基于能量利用的富氧燃烧辐射问题与系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 富氧燃烧技术 |
| 1.2.1 富氧燃烧技术简介 |
| 1.2.2 富氧燃烧基础研究 |
| 1.3 富氧燃烧热辐射关键问题 |
| 1.3.1 气体辐射特性模型 |
| 1.3.2 辐射热力学研究现状 |
| 1.3.3 富氧燃烧火焰辐射特性 |
| 1.4 光热能量分级转化系统研究 |
| 1.4.1 基于太阳能的光热能量分级转化系统 |
| 1.4.2 基于燃烧热光伏技术的光热能量分级转化系统 |
| 1.5 本文研究内容 |
| 2 富氧燃烧辐射热力学理论研究 |
| 2.1 引言 |
| 2.2 黑体辐射? |
| 2.2.1 几种代表观点 |
| 2.2.2 不可逆性的讨论 |
| 2.2.3 三个公式的差异 |
| 2.2.4 讨论黑体辐射?的辐射机模型 |
| 2.3 单色辐射? |
| 2.3.1 关于单色光子?的讨论 |
| 2.3.2 等效温度公式的讨论 |
| 2.3.3 关于黑体辐射的讨论 |
| 2.4 单色辐射熵 |
| 2.5 本章小结 |
| 3 富氧燃烧气体辐射模型开发理论 |
| 3.1 引言 |
| 3.2 非灰气体辐射特性模型 |
| 3.2.1 SNB模型 |
| 3.2.2 WSGG模型及改进 |
| 3.2.3 求解耦合气体辐射模型的辐射传递方程 |
| 3.3 灰气体加权模型的开发 |
| 3.3.1 改进WSGG模型系数的拟合 |
| 3.3.2 典型工况下的WSGG模型 |
| 3.4 典型工况WSGG模型计算结果 |
| 3.4.1 考察工况设计 |
| 3.4.2 结果及讨论 |
| 3.5 本章小结 |
| 4 富氧气氛新型宽范围灰气体加权模型 |
| 4.1 引言 |
| 4.2 新型宽范围WSGG模型 |
| 4.2.1 新WSGG模型 |
| 4.2.2 辐射传递方程 |
| 4.2.3 考察算例 |
| 4.3 结果与讨论 |
| 4.3.1 发射率结果 |
| 4.3.2 一维算例结果 |
| 4.3.3 压力对辐射传热的影响结果 |
| 4.4 本章小结 |
| 5 富氧燃烧辐射特性理论研究 |
| 5.1 引言 |
| 5.2 单色辐射传递过程热力学理论 |
| 5.2.1 单色光谱可用能理论评述 |
| 5.2.2 单色辐射?传递 |
| 5.2.3 单色辐射熵传递 |
| 5.2.4 热力学关系验证 |
| 5.2.5 数值计算验证 |
| 5.3 一维炉膛燃烧介质辐射能量特征 |
| 5.3.1 一维工况设计 |
| 5.3.2 气体辐射模型应用比较 |
| 5.3.3 富氧燃烧介质辐射特性结果 |
| 5.4 本章小结 |
| 6 富氧燃烧辐射特性实验研究 |
| 6.1 引言 |
| 6.2 管式炉一维辐射实验 |
| 6.2.1 管式炉实验系统介绍 |
| 6.2.2 实验方法与数据分析 |
| 6.2.3 实验结果与讨论 |
| 6.3 小型平焰燃烧器辐射实验 |
| 6.3.1 小型平焰燃烧器实验系统介绍 |
| 6.3.2 实验方法与数据分析 |
| 6.3.3 实验结果与讨论 |
| 6.3.4 数值计算验证 |
| 6.4 富氧燃烧中试实验 |
| 6.4.1 富氧中试试验台介绍 |
| 6.4.2 实验方法与工况 |
| 6.4.3 实验结果与讨论结果 |
| 6.5 本章小结 |
| 7 富氧燃烧光热能量分级利用系统 |
| 7.1 引言 |
| 7.2 光热能量分级利用理论及原则 |
| 7.2.1 辐射能量分频利用理论 |
| 7.2.2 光热能量分级利用原则 |
| 7.3 直接利用火焰能量的光热能量分级转化系统 |
| 7.3.1 新型富氧燃烧分级利用系统概念 |
| 7.3.2 系统简化热力学计算模型 |
| 7.3.3 系统性能结果与讨论 |
| 7.4 基于光谱调节的光热能量分级转化系统 |
| 7.4.1 新型热光伏光热能量分级转化系统(TBRC) |
| 7.4.2 光热能量分级转化系统的分析模型 |
| 7.4.3 系统热力学分析结果与讨论 |
| 7.4.4 基于高参数联合循环机组的光热分级系统理想性能分析 |
| 7.5 本章小结 |
| 8 全文总结及工作展望 |
| 8.1 主要研究内容与结论 |
| 8.2 论文创新点 |
| 8.3 未来工作展望 |
| 参考文献 |
| 附录 |
| 作者简介 |
| 教育经历 |
| 获奖与荣誉 |
| 博士期间参与的科研项目 |
| 攻读博士期间发表的论文 |
（4）逆向设计的硅基无源器件以及三维光子集成的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 硅基光子学的发展 |
| 1.3 逆向设计的纳米光子学器件 |
| 1.4 三维光子集成的研究现状及意义 |
| 1.5 本文主要完成的工作 |
| 2 集成光学与优化算法的基本理论 |
| 2.1 光波导基本理论 |
| 2.2 耦合模理论 |
| 2.3 数值分析方法 |
| 2.4 优化算法基本理论 |
| 2.5 本章小结 |
| 3 逆向设计的硅基无源器件 |
| 3.1 任意比例功分器 |
| 3.2 偏振不敏感功分器 |
| 3.3 高阶模式滤波器 |
| 3.4 模式杂化器 |
| 3.5 实验制作和测试 |
| 3.6 本章小结 |
| 4 三维光交叉连接器的设计和制作 |
| 4.1 三维光交叉连接器的波导结构设计 |
| 4.2 三维垂直耦合器的仿真与设计 |
| 4.3 三维波导交叉结构的仿真与设计 |
| 4.4 三维光交叉连接器的实验制作和测试 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士学位期间发表论文及科研成果 |
（5）闭式整体叶盘多轴联动电火花加工抬刀运动速度规划研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 数控技术的发展 |
| 1.1.2 电火花加工数控技术的发展 |
| 1.2 国内外研究现状 |
| 1.2.1 电火花加工抬刀运动研究现状 |
| 1.2.2 轨迹平滑运动规划方法研究现状 |
| 1.2.3 多轴联动数控加工装备速度规划的研究现状 |
| 1.2.4 速度规划研究现状 |
| 1.3 基于编码器/播放器体系架构的多轴联动电火花加工数控系统 |
| 1.4 课题来源及研究安排 |
| 1.4.1 课题的来源 |
| 1.4.2 当前的研究尚且存在的问题 |
| 1.4.3 论文的研究内容与安排 |
| 第二章 基于S形加减速算法的抬刀控制系统研究 |
| 2.1 现有主轴高速抬刀运动存在的问题 |
| 2.1.1 实现主轴高速抬刀的基本要求 |
| 2.1.2 电火花加工主轴高速抬刀控制系统 |
| 2.2 基于S形加减速曲线的主轴抬刀速度规划算法 |
| 2.2.1 运动段长度划分模块 |
| 2.2.2 离散化及误差计算模块 |
| 2.2.3 加减速算法执行模块 |
| 2.2.4 用于主轴抬刀速度规划的S形加减速算法 |
| 2.3 基于ETHERCAT协议的多轴联动电火花加工数控系统 |
| 2.3.1 数控系统人机交互界面 |
| 2.3.2 EtherCAT主站 |
| 2.3.3 主轴动态性能优化 |
| 2.4 仿真分析与加工对比实验 |
| 2.5 本章小结 |
| 第三章 电火花加工抬刀运动轨迹实时光顺与动态前瞻速度规划方法 |
| 3.1 现有抬刀方法存在的问题 |
| 3.2 基于参数曲线的过渡曲线模型的建立 |
| 3.2.1 平面直角坐标系下过渡曲线的构造 |
| 3.2.2 平面直角坐标系下过渡曲线的计算 |
| 3.2.3 过渡曲线的坐标系转换 |
| 3.2.4 抬刀运动轨迹实时光顺方案 |
| 3.3 电火花加工抬刀运动动态前瞻速度规划方法 |
| 3.3.1 带前瞻功能的速度规划算法 |
| 3.3.2 双向速度极值扫描算法具体流程及计算方法 |
| 3.3.3 基于编码器/播放器架构的混合路径插补器 |
| 3.4 仿真分析与加工对比实验 |
| 3.4.1 仿真 |
| 3.4.2 加工对比实验 |
| 3.5 本章小结 |
| 第四章 闭式整体叶盘多轴联动电火花加工抬刀运动速度规划方法 |
| 4.1 现有多轴联动电火花加工抬刀方法存在的问题 |
| 4.2 多轴联动电火花加工抬刀运动轨迹光顺方法 |
| 4.2.1 三轴抬刀运动轨迹光顺方法 |
| 4.2.2 多轴联动抬刀轨迹光顺方法 |
| 4.3 带前瞻功能的多轴联动电火花加工抬刀运动速度规划算法 |
| 4.3.1 多轴联动抬刀运动子轨迹同步 |
| 4.3.2 闭式整体叶盘多轴电火花加工误差映射模型分析与建立 |
| 4.3.3 运动子轨迹的速度合成与规划 |
| 4.4 仿真分析与加工对比实验 |
| 4.4.1 多轴联动抬刀运动仿真 |
| 4.4.2 闭式整体叶盘加工对比实验 |
| 4.5 本章小结 |
| 第五章 基于编码器/播放器架构的多轴联动电火花加工及其速度规划方法 |
| 5.1 多轴联动电火花加工参数曲线插补及速度规划的问题 |
| 5.1.1 多轴联动电火花加工参数曲线插补的需求和挑战 |
| 5.1.2 基于编码器/播放器架构数控系统的速度规划模块 |
| 5.2 机床坐标系下双NURBS并联曲线描述的多轴联动电火花加工运动轨迹 |
| 5.2.1 NURBS曲线与B样条曲线的定义 |
| 5.2.2 机床坐标系下双NURBS并联曲线运动轨迹的定义 |
| 5.2.3 用于机床坐标系下双NURBS并联曲线的广义单位弧长增量插补法 |
| 5.3 基于单位弧长增量扫描法的双NURBS并联曲线运动轨迹速度极值曲线的生成 |
| 5.3.1 基于单位弧长增量扫描法的速度极值曲线的生成 |
| 5.3.2 基于轴加加速度限制的速度极值曲线生成 |
| 5.3.3 多轴联动运动轨迹的速度极值曲线 |
| 5.4 基于编码器/播放器体系架构的速度规划的实现 |
| 5.4.1 基于编码器的运动轨迹扫描分段 |
| 5.4.2 基于播放器端的电火花加工运动 |
| 5.5 仿真和实验验证 |
| 5.5.1 仿真验证 |
| 5.5.2 闭式整体叶盘加工实验 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文的工作总结 |
| 6.2 本文的创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 附录1 闭式整体叶盘加工示例曲线 |
| 致谢 |
| 攻读博士学位期间的科研成果 |
（6）基于可学习图像扩散的自然图像复原技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号使用说明 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究依据 |
| 1.1.2 课题来源 |
| 1.2 研究现状 |
| 1.2.1 图像复原方法分类 |
| 1.2.2 图像复原研究趋势 |
| 1.3 研究内容和创新点 |
| 1.3.1 提出了一种非局部自相似嵌入的可学习图像扩散图像去噪方法 |
| 1.3.2 提出了一种局部滤波器堆叠的快速非局部扩散图像去噪方法 |
| 1.3.3 提出了一种共享扩散项的通用图像扩散方法 |
| 1.3.4 提出了高层视觉任务指导的底层视觉任务优化器 |
| 1.4 研究经历 |
| 1.5 论文的组织结构 |
| 第二章 一种非局部自相似嵌入的可学习图像扩散图像去噪方法 |
| 2.1 引言 |
| 2.2 背景知识与相关工作 |
| 2.2.1 可训练的非线性反应扩散模型 |
| 2.2.2 非局部自相似 |
| 2.3 提出的方法 |
| 2.3.1 紧凑矩阵表示的NSS图像先验 |
| 2.3.2 可学习非局部反应扩散 |
| 2.3.3 TNLRD的参数学习 |
| 2.4 实验结果 |
| 2.4.1 TNLRD模型训练配置 |
| 2.4.2 参数初始化的影响 |
| 2.4.3 非局部相似斑块数量的影响 |
| 2.4.4 滤波器尺寸的影响 |
| 2.4.5 损失函数的影响 |
| 2.4.6 和对比算法的比较 |
| 2.5 本章小结 |
| 第三章 一种局部滤波器堆叠的快速非局部扩散图像去噪方法 |
| 3.1 引言 |
| 3.2 背景知识与相关工作 |
| 3.2.1 非局部自相似 |
| 3.2.2 参考斑块和其相似斑块的距离 |
| 3.2.3 dist_(rs)分布 |
| 3.3 提出的方法 |
| 3.3.1 基于局部滤波器堆叠的快速非局部扩散 |
| 3.3.2 2layer TNRD的参数学习 |
| 3.4 实验结果 |
| 3.4.1 2layer TNRD模型训练配置 |
| 3.4.2 局部滤波器尺寸m×m |
| 3.4.3 2~(nd)layer滤波器个数N_h |
| 3.4.4 运行时间比较 |
| 3.4.5 去噪对比 |
| 3.5 本章小结 |
| 第四章 一种共享扩散项的通用图像扩散方法 |
| 4.1 引言 |
| 4.2 背景知识与相关工作 |
| 4.2.1 生成式和判别式 |
| 4.2.2 半二次分裂 |
| 4.3 提出的方法 |
| 4.3.1 通用扩散过程 |
| 4.3.2 generic DP的参数学习 |
| 4.4 实验结果 |
| 4.4.1 generic DP模型训练配置 |
| 4.4.2 参数影响 |
| 4.4.3 反应项的影响 |
| 4.4.4 图像去噪对比 |
| 4.4.5 图像非盲去卷积 |
| 4.5 本章小结 |
| 第五章 高层视觉任务指导的底层视觉任务优化器 |
| 5.1 引言 |
| 5.2 背景知识与相关工作 |
| 5.2.1 卷积神经网络 |
| 5.2.2 对抗生成网络 |
| 5.2.3 对抗攻击 |
| 5.2.4 纹理合成和风格迁移 |
| 5.2.5 损失函数 |
| 5.3 提出的方法 |
| 5.3.1 深度网络对图像细节敏感 |
| 5.3.2 高层视觉任务指导的底层视觉任务优化器 |
| 5.3.3 HALO的参数学习 |
| 5.4 实验结果 |
| 5.4.1 训练配置 |
| 5.4.2 物体检测 |
| 5.4.3 语义分割 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（7）移动网络流量和5G用户数预测（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 网络流量预测研究现状 |
| 1.2.2 5G用户数预测研究现状 |
| 1.3 研究内容及章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 2 基于小波神经网络的流量预测模型 |
| 2.1 移动网络业务流量预测概述 |
| 2.1.1 研究对象 |
| 2.1.2 研究内容 |
| 2.2 移动网络业务流量数据特征分析 |
| 2.2.1 移动网络流量特征分析 |
| 2.2.2 时间序列预测技术 |
| 2.3 小波神经网络预测模型 |
| 2.3.1 神经网络基本思想 |
| 2.3.2 小波变换理论 |
| 2.3.3 小波神经网络结构 |
| 2.4 基于流量预测设计模型参数修正过程 |
| 2.4.1 数据正向传播 |
| 2.4.2 误差反向传播实现参数调整 |
| 2.4.3 模型训练过程 |
| 2.5 基于流量预测设计模型结构 |
| 2.5.1 模型层级结构的设计 |
| 2.5.2 隐含层节点数的设计 |
| 2.6 小波神经网络预测实验 |
| 2.6.1 网络流量数据预处理 |
| 2.6.2 实验结果与分析 |
| 2.7 本章小结 |
| 3 基于粒子群算法的小波网络预测模型 |
| 3.1 粒子群算法寻找最优解 |
| 3.1.1 粒子群算法思想 |
| 3.1.2 粒子群算法实现全局寻优 |
| 3.1.3 粒子群算法求最优解步骤 |
| 3.2 基于移动网络流量预测设计粒子群算法 |
| 3.2.1 适应度函数的设置 |
| 3.2.2 确定每个粒子向量的组成 |
| 3.2.3 粒子群算法求模型最佳参数 |
| 3.2.4 粒子群优化后的模型预测步骤 |
| 3.3 优化后的模型结构和参数设计 |
| 3.3.1 模型层级结构的设计 |
| 3.3.2 模型参数的设计 |
| 3.4 优化后的小波网络预测实验 |
| 3.4.1 网络流量数据预处理 |
| 3.4.2 实验结果与分析 |
| 3.5 本章小结 |
| 4 基于Bass模型的5G用户数预测 |
| 4.1 引言 |
| 4.2 Bass模型 |
| 4.2.1 Bass模型概述 |
| 4.2.2 Bass模型建模要素 |
| 4.2.3 Bass模型的基本公式和推导 |
| 4.3 Bass模型预测5G用户数适用性验证 |
| 4.3.1 5G用户扩散途径分析 |
| 4.3.2 5G用户扩散影响因素 |
| 4.3.3 实验统计数据 |
| 4.4 Bass模型拟合4G用户数据验证有效性 |
| 4.4.1 4G用户数据统计 |
| 4.4.2 模型参数估计 |
| 4.4.3 拟合结果分析 |
| 4.5 5G用户数预测 |
| 4.5.1 5G用户数据统计 |
| 4.5.2 5G用户数扩散参数估计 |
| 4.5.3 5G用户数扩散预测结果 |
| 4.6 本章小结 |
| 5 结论与展望 |
| 5.1 工作总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（8）单液流锌镍电池阻抗谱测量及模型参数辨识（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 单液流锌镍电池研究现状 |
| 1.3 电池阻抗谱测量、建模及参数辨识研究现状 |
| 1.3.1 电池阻抗谱测量研究现状 |
| 1.3.2 电池阻抗建模及参数辨识研究现状 |
| 1.4 论文的主要内容及结构 |
| 第二章 单液流锌镍电池阻抗谱测量方案确定 |
| 2.1 单液流锌镍电池简介 |
| 2.1.1 单液流锌镍电池工作原理 |
| 2.1.2 单液流锌镍电池基本参数 |
| 2.2 单液流锌镍电池阻抗谱测量原理 |
| 2.3 阻抗数字化测量方法 |
| 2.3.1 数字相关法 |
| 2.3.2 全相位FFT法 |
| 2.4 单液流锌镍电池阻抗谱测量方案 |
| 2.5 本章小结 |
| 第三章 单液流锌镍电池阻抗谱测量平台软硬件设计 |
| 3.1 测量平台硬件设计 |
| 3.1.1 控制器 |
| 3.1.2 AD9833 信号发生器 |
| 3.1.3 恒电流仪 |
| 3.1.4 滤波放大电路 |
| 3.1.5 AD7606 数据采集模块 |
| 3.1.6 辅助电源 |
| 3.2 下位机STM32 软件设计 |
| 3.2.1 主程序 |
| 3.2.2 串口通信程序 |
| 3.2.3 AD9833 输出正弦波信号程序 |
| 3.2.4 定时器中断采样程序 |
| 3.2.5 全相位FFT数据处理程序 |
| 3.3 上位机MATLAB软件设计 |
| 3.4 本章小结 |
| 第四章 平台调试及单液流锌镍电池阻抗谱测量结果 |
| 4.1 单液流锌镍电池阻抗谱测量平台搭建 |
| 4.2 测量平台功能测试 |
| 4.2.1 滤波放大电路测试 |
| 4.2.2 恒电流仪电路测试 |
| 4.2.3 通信测试 |
| 4.3 阻抗谱测量结果 |
| 4.3.1 等效电路阻抗谱测试 |
| 4.3.2 单液流锌镍电池阻抗谱测试 |
| 4.3.3 单液流锌镍电池不同SOC状态的阻抗谱 |
| 4.4 本章小结 |
| 第五章 基于DRT-GrWOA辨识单液流锌镍电池阻抗模型参数 |
| 5.1 基于DRT法建立单液流锌镍电池阻抗模型 |
| 5.1.1 DRT法的数学思想 |
| 5.1.2 单液流锌镍电池阻抗等效电路模型 |
| 5.2 参数辨识模型建立 |
| 5.3 改进的鲸鱼优化算法GrWOA |
| 5.3.1 基本的鲸鱼优化算法 |
| 5.3.2 改进策略 |
| 5.3.3 GrWOA算法伪代码 |
| 5.3.4 GrWOA算法测试与分析 |
| 5.4 基于GrWOA算法辨识模型参数实验与分析 |
| 5.4.1 基于GrWOA算法辨识模型参数流程图 |
| 5.4.2 基于GrWOA算法辨识模型参数结果与分析 |
| 5.5 本章小节 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 6.3 创新点 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（9）基于智能行程时间预测的露天煤矿卡车调度随机优化方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究内容与创新点 |
| 1.4 研究路线与论文结构 |
| 2 露天煤矿卡车调度基础概念与数据 |
| 2.1 卡车调度数据随机性特征提取 |
| 2.2 卡车调度的调度目标及优化分析理论 |
| 2.3 本章小结 |
| 3 卡车状态数据采集的建模与实现 |
| 3.1 边缘计算的概念 |
| 3.2 卡车智能调度采集服务云建模 |
| 3.3 基于边缘计算的卡车状态采集设计与实现 |
| 3.4 本章小结 |
| 4 卡车状态大数据的智能学习与行程时间预测 |
| 4.1 车辆状态数据的分析方法选择 |
| 4.2 卡车状态数据的样本特征分析与预处理 |
| 4.3 卡车状态数据分析与预测的深度学习建模 |
| 4.4 利用深度网络模型对卡车行程数据的预测与结果分析 |
| 4.5 本章小结 |
| 5 基于行程时间预测的短期计划卡车调度随机优化 |
| 5.1 短期计划卡车调度的二进制整数规划模型建立 |
| 5.2 基于行程时间预测的卡车调度的随机优化模型建立 |
| 5.3 多染色体混合遗传算法求解TSA&DP方法的建立 |
| 5.4 卡车调度随机优化的短期计划应用 |
| 5.5 卡车调度随机优化模型的适应性讨论 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 学位论文数据集 |
（10）低杂散任意波形发生器硬件电路设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展态势 |
| 1.2.1 杂散抑制方法发展现状 |
| 1.2.2 任意波形发生器杂散水平发展现状 |
| 1.3 主要研究内容 |
| 1.4 论文章节安排 |
| 第二章 杂散信号分析 |
| 2.1 DDS工作原理 |
| 2.1.1 直接数字频率合成技术 |
| 2.1.2 直接数字波形合成技术 |
| 2.1.3 理想DDS结构输出频谱 |
| 2.2 DDS误差分析 |
| 2.2.1 相位截断误差对SFDR指标影响 |
| 2.2.2 幅度量化误差对SFDR指标影响 |
| 2.2.3 DAC非理想特性对SFDR指标影响 |
| 2.3 信号调理电路输出信号杂散分析 |
| 2.4 低杂散指标实现方案设计 |
| 2.4.1 波形合成方法 |
| 2.4.2 信号调理电路方案 |
| 2.5 本章小结 |
| 第三章 总体方案设计 |
| 3.1 硬件电路总体结构设计 |
| 3.2 信号调理电路方案论证 |
| 3.2.1 信号调理电路需求 |
| 3.2.2 输出信号杂散抑制方案 |
| 3.2.3 输出幅度调理方案 |
| 3.3 波形数据存储方案论证 |
| 3.3.1 存储器需求 |
| 3.3.2 存储器类型确定 |
| 3.3.3 波形存储方案设计 |
| 3.4 波形数据高速传输方案论证 |
| 3.4.1 波形传输接口选型 |
| 3.4.2 JESD204B协议方案设计 |
| 3.5 时钟产生方案论证 |
| 3.5.1 时钟模块电路需求 |
| 3.5.2 时钟模块电路方案设计 |
| 3.6 本章小结 |
| 第四章 硬件单元电路设计 |
| 4.1 数模转换单元电路设计 |
| 4.1.1 数字数据路径设计 |
| 4.1.2 时钟控制模块 |
| 4.1.3 控制功能模块 |
| 4.2 时钟单元电路设计 |
| 4.2.1 参考时钟自动切换电路设计 |
| 4.2.2 可变时钟产生单元电路设计 |
| 4.3 模拟信号调理单元电路设计 |
| 4.3.1 DAC输出信号去偏单元电路设计 |
| 4.3.2 输出信号幅度控制单元电路设计 |
| 4.3.3 输出信号杂散抑制电路设计 |
| 4.4 其他单元电路设计 |
| 4.4.1 DDR3 SDRAM单元电路设计 |
| 4.4.2 FPGA单元电路设计 |
| 4.5 本章小结 |
| 第五章 硬件逻辑工程设计 |
| 5.1 通信接口逻辑设计 |
| 5.2 波形数据传输控制模块设计 |
| 5.2.1 波形数据写入逻辑模块设计 |
| 5.2.2 波形数据读取逻辑模块设计 |
| 5.3 配置数据及控制信号发送模块设计 |
| 5.3.1 配置数据发送模块设计 |
| 5.3.2 控制信号发送模块设计 |
| 5.4 状态信息回读模块设计 |
| 5.5 波形数据发送逻辑模块设计 |
| 5.5.1 JESD204B接口模块设计 |
| 5.5.2 JESD204B接口数据映射 |
| 5.5.3 JESD204B接口同步设计 |
| 5.6 本章总结 |
| 第六章 系统测试及分析 |
| 6.1 仪器功能指标测试 |
| 6.2 仪器性能指标测试 |
| 6.2.1 采样率及存储深度指标测试 |
| 6.2.2 输出信号频率范围及准确度测试 |
| 6.2.3 输出信号幅度范围及准确度测试 |
| 6.2.4 输出信号SFDR指标测试 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 附录 |
四、Optimization of a Segmented Filter with a New Error Diffusion Approach（论文参考文献）
- [1]基于单一深度图像信息的孔洞填充方法研究[D]. 毛俊博. 北京交通大学, 2021(02)
- [2]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)
- [3]基于能量利用的富氧燃烧辐射问题与系统研究[D]. 山石泉. 浙江大学, 2020(08)
- [4]逆向设计的硅基无源器件以及三维光子集成的研究[D]. 尤国庆. 华中科技大学, 2019(03)
- [5]闭式整体叶盘多轴联动电火花加工抬刀运动速度规划研究[D]. 刘宏达. 上海交通大学, 2019(06)
- [6]基于可学习图像扩散的自然图像复原技术研究[D]. 乔鹏. 国防科技大学, 2018
- [7]移动网络流量和5G用户数预测[D]. 潘晨宇. 北京交通大学, 2021(02)
- [8]单液流锌镍电池阻抗谱测量及模型参数辨识[D]. 苏有平. 广西大学, 2021(12)
- [9]基于智能行程时间预测的露天煤矿卡车调度随机优化方法研究[D]. 赵亮. 中国矿业大学, 2021
- [10]低杂散任意波形发生器硬件电路设计[D]. 巩佳宁. 电子科技大学, 2021(01)