导读:本文包含了动态采样论文开题报告文献综述及选题提纲参考文献，主要关键词:网络控制系统,网络需求度,模糊神经网络,变采样周期
动态采样论文文献综述
时维国,雷何芬[1]（2019）在《基于网络需求度的变采样周期智能动态调度算法》一文中研究指出针对资源受限的网络控制系统,提出基于网络需求度的变采样周期动态调度算法。调度器以控制回路的误差、误差变化率建立模糊规则;控制回路网络需求度的在线确定采用神经网络记忆模糊规则的方法。利用变步长自适应LMS滤波算法预测控制回路中数据包的传输时间,同时根据网络需求度动态分配各回路带宽,对各个控制回路进行采样周期的动态调节,从而使得网络控制系统在不同需求情况下都能有效分配网络资源,使控制系统更加稳定性、传输更加有效性。仿真试验结果表明,控制系统的控制质量得到了有效的提高,保证了系统的控制性能及系统的稳定性。(本文来源于《自动化与仪表》期刊2019年10期）
周传航,罗向东,邵佩旭[2]（2019）在《基于两次采样的大动态微弱信号探测》一文中研究指出在大动态微弱信号检测领域,为了提高探测系统的ADC模数转换器(Analog-to-Digital Converter)的精度,以滨松公司的CCD电荷耦合器件(Charge-Coupled Device)传感器芯片S11156,选择16位精度的ADI公司的AD9265芯片与AD9747芯片,使用两次采样的设计原理,搭建硬件电路,通过对微弱信号的放大,实现低精度ADC对信号的检测,仿真结果表明可以实现在不改变ADC位数的情况下,实现高精度的测量,满足特定情况下的探测需要。同时硬件电路调试时与仿真结果相吻合。(本文来源于《电子器件》期刊2019年04期）
韩思祺[3]（2019）在《基于导向上采样的高动态范围成像加速方法研究》一文中研究指出高动态范围图像(High Dynamic Range Imaging,HDRI)可以提供更多的动态范围和图像细节,被广泛地应用于消费电子、医学影像、遥感遥测、军事侦察等领域。由于高动态范围成像需要经过繁琐的重建、映射、增强等步骤,算法复杂度高,影响了成像效率,也制约了高动态范围成像的应用范围。因此,高动态范围的成像加速是目前高动态范围研究与应用的重点和热点。基于单张图像的超分辨率算法可以在一定程度上提升高动态范围成像的效率,但难以充分地还原高分辨率下的颜色和细节信息。基于多张图像的超分辨率算法相比于基于单张图像的超分辨算法可以利用导向图通过上采样得到一张高质量的图片,避免图像颜色和细节信息的过量缺失。但其使用的限制条件较多,且仅能够对高动态范围成像中的某个步骤进行加速,对整体成像效率的提升有限,图像处理时间相对较长。为此,本文提出一种基于导向上采样的高动态范围成像加速算法,在保证图像质量的前提下,有效降低高动态范围成像时设备的运算量。有效减少高动态范围成像时需要处理的像素数量,降低成像过程中处理步骤增多所造成的延迟,实现了对高动态范围成像过程的整体加速。具体工作如下:(1)提出了高动态范围导向图。该导向图可以从多张低动态范围图像(Low Dynamic Range Image,LDRI)中提取完整的高频信息,可以用于HDRI重建的导向上采样,能够在保证成像质量的前提下,缩短高动态范围图像重建时间。(2)在高动态范围导向图的基础上,提出了相应的高动态范围成像加速方法,可以有效降低高动态范围成像时输入的像素数量,提升成像的效率。该算法对于高动态范围成像过程中具体步骤的类型和数目没有严格的限制,使用时可以根据需求删减相应的成像步骤,因此使用场景较广。此外,针对拍摄时的噪声影响,本文还改进了算法的结构,增加了噪声的评估和抑制机制,有效提升了低照度环境下的成像质量。实验结果表明,在保证成像质量的前提下,本文提出的算法能够大幅度地缩短高动态范围成像所需的时间,且随着分辨率的提升和成像步骤的增多,速度的提升会变得更加显着。此外,基于多曝光融合技术的图像处理也可以使用本文提出的算法进行加速,并获得良好的效果。(本文来源于《重庆邮电大学》期刊2019-06-09）
闫文健[4]（2019）在《动态场景下基于采样的移动机器人路径规划算法研究》一文中研究指出目前,移动服务机器人的研究和应用受到越来越多的关注。与工业机器人相比,移动服务机器人与人类的密切互动给机器人的导航带来了挑战。这意味着机器人不仅要在动态场景下实现导航,还要考虑行人的运动情况,以人性化的方式与用户交互。本文基于多传感器估计行人的位姿和运动信息,实现移动机器人智能人性化的路径规划方法,在人机共处的环境实现机器人的导航。首先,本文根据动态场景机器人导航要求搭建了机器人平台,并进行了机器人平台的性能测试和运动学建模。本文基于gmapping算法进行了室内环境的建图和定位,研究了gmapping算法的定位和重定位性能,通过优化采样粒子数建立了精度符合导航需求的静态地图。其次,本文研究了快速扩展随机树算法,并针对该算法的不足提出叁种路径优化方法。针对RRT算法搜索路径的效率问题,分析不同步长对搜索效率的影响,并根据室内场景选择了合适的步长;对于RRT算法生成的路径非最优性,提出了基于路程优化的修剪算法,降低了RRT算法所生成路径的成本。并采用叁次贝塞尔曲线进行平滑,得到了符合机器人运动学参数的可行路径。之后,研究了基于多传感器融合的行人识别与运动预测。移动机器人旨在与工作空间中的用户共存,需要实时识别目标用户及其意图。本文采用激光雷达和Kinect两个传感器共同进行人体检测。进行了激光、相机之间的标定,采用深度信息模板匹配获取人体上半身位姿,采用激光数据识别人体腿部信息,根据按标量最优加权融合方法进行了激光和相机的数据融合,通过提取行人骨架获得行人朝向,提高了行人检测的准确率。最后,研究了基于行人感知的机器人导航系统。通过建立个人空间模型将行人信息添加到多层代价地图中,利用改进的双树快速探索随机树(Risk-DRRT*)算法实现动态环境中的局部路径规划。Risk-DRRT*算法继承了RRT算法的概率完备性,并且考虑了行人的舒适性,能够在动态场景下的实现人机友好的导航。综上,本文提出的算法在仿真和现实世界中进行了实验,所提出的人性化移动机器人导航系统能够在动态室内环境中提供令人满意的性能。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
王磊[5]（2019）在《大动态射频直接采样方案的设计与实现》一文中研究指出为适应无线通信设备通用化设计的需求,提出一种大动态射频直接采样方案。方案包括射频前端与数字信号处理两部分,首先将接收信号分别通过高低增益双信道进行预选滤波放大等处理,然后使用ADC采样电路进行带通采样及模数变换,最后对采样后的信号进行串并转换、同步捕获、解调及译码等处理,并根据译码状态对两路接收信道的译码数据进行择优判决。使用发送测试数据的方式对方案的可行性进行测试验证,测试结果表明,该方案可有效扩展接收机动态范围,提高接收机通用信号处理能力,为后续无线通信设备的小型化、通用化设计提供参考依据。(本文来源于《物联网技术》期刊2019年05期）
郑飞龙[6]（2019）在《基于距离加权采样和动态图像的行人重识别算法研究》一文中研究指出行人重识别(Person Re-identification,Person Re-ID)课题是智能视频分析领域的研究热点。随着数据规模的不断增大,基于传统机器学习的行人重识别研究将进入瓶颈区。但随着深度学习算法在机器学习和计算机视觉等领域的重大突破,也使深度学习成为行人重识别的主流研究手段。研究者根据研究对象的不同,将行人重识别问题的研究分为两类:一是基于单帧图像的行人重识别,二是基于多帧视频序列的行人重识别。行人重识别算法研究主要聚焦在行人图像或视频的表征学习和度量学习两个方面。虽然在这两方面已经获得了若干重要的成果,但依然存在很多问题,例如复杂背景下行人图像间的相似性匹配或者行人视频序列的特征表示等。针对以上问题,本文的主要工作包括两方面内容:(1)针对单帧图像的行人重识别,本文提出一种距离加权采样算法,并基于该算法设计一个叁元组损失变体。具体来说,首先给定一个锚点图片并选取困难正样本对,然后根据距离加权采样算法均匀的选取叁元组负样本。实验结果表明,本文提出的算法优于其他基于叁元组损失函数的行人重识别算法。(2)针对多帧视频序列的行人重识别,本文提出了一种基于动态图像的行人重识别算法。该算法旨在利用排序支持向量机模型将行人序列表示成动态图像的形式,并将动态图像作为深度嵌入学习网络的输入提取有效的行人序列的时间特征,然后结合行人序列的表观特征融合成该行人序列的最终特征表示,最后利用适当的相似性度量学习进行行人视频序列的匹配。实验结果表明,利用动态图像算法可以有效的提取行人序列的时间特征,并在叁个公共行人数据上取得了较高的精度。(本文来源于《安徽大学》期刊2019-05-01）
张立学[7]（2019）在《梯度下降算法中的动态采样方法研究》一文中研究指出前馈型神经网络的求解大多属于非线性非凸优化问题,神经网络算法的日益流行使得在优化领域非线性非凸问题的求解问题研究变的更加重要。梯度下降算法是前馈型神经网络最常见的求解算法。即使在如今深度学习盛行的年代,该方法依然被用于深度神经网络的训练。算法简单、有效、易实现,但也面临一些缺点,比如易陷入局部极小、求解过程缓慢且不稳定。在本篇论文中,我们以梯度下降算法为基础,提出一种动态随机采样的梯度下降的方法,并从理论上证明该方法可以保证解的稳定性,并通过实验也验证理论结论。本文采用的是动态采样的方法,目的是实现真正梯度的一种无偏估计逼近来代替梯度,避免随机梯度产生的噪音影响。利用梯度估计来代替真实梯度虽然可以减少求解过程的计算量,但是由于梯度估计存在方差,也就导致了一定的不精确性。相比于随机梯度下降方法和小批量随机梯度下降方法,采用这种方法不仅可以减少求解过程的计算量,而且随着迭代次数的增加,动态采样算法的梯度估计也越来越稳定,梯度估计的方差最终会收敛到零。本文证明了该方法在求解非线性非凸优化问题时具有次线性收敛性。这种方法本质上就是减少了每次迭代时梯度估计的方差,从而加速算法的收敛,减少了迭代次数。相比于方差削减算法SVRG,本文的算法具有更快的前期收敛速度和更高的后期收敛精度。最后的实验部分给出了改进的动态采样算法在收敛速度,运行时间以及计算精度的表现。在一些常见数据集上的模拟实验证明了本文方法的有效性。(本文来源于《河北大学》期刊2019-05-01）
徐乔笙,谢维成,江山,曾传华,江德凤[8]（2019）在《一种监测母线槽温升信号的无线传感器动态采样策略》一文中研究指出母线槽的温升会因异常因素发生快速变化,但无线传感器受能源和传输速度限制无法一直保持高采样率和高上传率。为了使无线传感器根据温升变化速率自动调节采样间隔和上传频率,改进了一种无线传感器节点动态采样策略FDSI。首先分析了原采样策略对于采集变化快速的温升信号的缺陷,然后对其调节采样间隔的方法做出调整,最后利用Matlab仿真进行两者的对比研究。结果表明对于监测密集型母线槽温升信号,调整后的无线传感器动态采样策略与原策略相比信息丢失更少,冗余采样更少。(本文来源于《电力系统保护与控制》期刊2019年08期）
胡满满,陈旭,孙毓忠,沈曦,王晓青[9]（2019）在《基于动态采样和迁移学习的疾病预测模型》一文中研究指出基于门诊病历临床表现的疾病预测模型是临床决策支持系统(Clinical Decision Support System,CDSS)的一个重要研究内容.主流疾病预测模型将门诊病历转化为医学特征集合,将诊断结果作为输出标签,在此基础上利用机器学习算法训练疾病预测模型.不同疾病发病率的差异性导致医学样本具有不均衡、小样本特点,难以训练高效、准确的疾病预测模型.采样技术是目前解决样本不均衡问题的常用手段,其主要采用一定的策略生成均衡训练集,在均衡训练集上训练疾病预测模型,但是采样技术独立训练不同疾病的预测模型,没有考虑不同疾病模型之间的知识迁移性,限制了模型效果.迁移学习可以实现相似任务之间的知识迁移,如果将迁移学习运用到疾病预测模型训练过程中,在已有疾病诊断模型的基础上,训练新型疾病预测模型.受此启发,本文提出了基于动态采样和迁移学习的疾病预测模型,首先在多数类疾病上训练疾病预测模型,然后在此基础上训练少数类疾病预测模型,以实现不同疾病预测模型间的知识迁移.特别地,针对主流模型将疾病门诊病历转化为特征集合丢失文本信息的问题,本文提出了一种基于卷积神经网络的疾病预测模型,利用卷积神经网络提取语义信息;针对疾病模型知识迁移问题和小样本疾病训练问题,本文引入动态采样技术以构造均衡数据集,利用模型在不同样本上的预测结果来动态更新样本采样概率,目的是确保模型可以更多地关注错误分类样本和分类置信度不高的样本,从而提高预测模型的效果.本文在收集的门诊病历上进行了实验评估,实验结果表明,相对于目前主流疾病预测模型,本文提出的基于动态采样和迁移学习的疾病预测模型在准确率、召回率和F1值上取得了重要的提升,尤其是召回率的提升具有十分重要的意义.(本文来源于《计算机学报》期刊2019年10期）
谢昌纲,高鑫,刘镇,谢伟,张华[10]（2019）在《智能机器人商品煤动态采样系统的研发与应用》一文中研究指出针对煤矿商品煤人工及机械采样的现状,对火车快速装车时煤样的动态采集方法进行了分析研究,成功研发了国内首套智能机器人商品煤动态采样系统,详细地介绍了智能机器人采样系统的设计与应用,尤其是煤样采样臂的研制,确保了所采商品煤煤样具有代表性,减少了煤质纠纷,对于煤矿智能高效、安全生产,具有十分重要意义。(本文来源于《选煤技术》期刊2019年01期）
动态采样论文开题报告
（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：
在大动态微弱信号检测领域,为了提高探测系统的ADC模数转换器(Analog-to-Digital Converter)的精度,以滨松公司的CCD电荷耦合器件(Charge-Coupled Device)传感器芯片S11156,选择16位精度的ADI公司的AD9265芯片与AD9747芯片,使用两次采样的设计原理,搭建硬件电路,通过对微弱信号的放大,实现低精度ADC对信号的检测,仿真结果表明可以实现在不改变ADC位数的情况下,实现高精度的测量,满足特定情况下的探测需要。同时硬件电路调试时与仿真结果相吻合。
（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。
动态采样论文参考文献
[1].时维国,雷何芬.基于网络需求度的变采样周期智能动态调度算法[J].自动化与仪表.2019
[2].周传航,罗向东,邵佩旭.基于两次采样的大动态微弱信号探测[J].电子器件.2019
[3].韩思祺.基于导向上采样的高动态范围成像加速方法研究[D].重庆邮电大学.2019
[4].闫文健.动态场景下基于采样的移动机器人路径规划算法研究[D].哈尔滨工业大学.2019
[5].王磊.大动态射频直接采样方案的设计与实现[J].物联网技术.2019
[6].郑飞龙.基于距离加权采样和动态图像的行人重识别算法研究[D].安徽大学.2019
[7].张立学.梯度下降算法中的动态采样方法研究[D].河北大学.2019
[8].徐乔笙,谢维成,江山,曾传华,江德凤.一种监测母线槽温升信号的无线传感器动态采样策略[J].电力系统保护与控制.2019
[9].胡满满,陈旭,孙毓忠,沈曦,王晓青.基于动态采样和迁移学习的疾病预测模型[J].计算机学报.2019
[10].谢昌纲,高鑫,刘镇,谢伟,张华.智能机器人商品煤动态采样系统的研发与应用[J].选煤技术.2019