Open Nav
基于DSP的并联式混合动力汽车整车控制器设计

基于DSP的并联式混合动力汽车整车控制器设计

基于DSP的并联式混合动力汽车整车控制器设计(中文5500字,英文PDF) 摘要:这篇文章主要是针对并联式混合动力汽车所设计的基于DSP的整车控制器。数字信号处理器(DSP)在电动车的控制系统中扮演一个关键的角色。它为运行复杂的能量管理控制算法提供了一个有效的...

一种改进的无线传感器网络RFID定位算法

一种改进的无线传感器网络RFID定位算法

一种改进的无线传感器网络RFID定位算法(中文2900字,英文2500字) 1、介绍 对于很多无线传感器网络应用例如资产追踪、工业自动化、家庭护理和医疗保健系统来说,位置感知是关键的前提。GPS是最广泛应用的定位科技。然而,一旦到达地球表面,GPS信号太弱无法穿...

RFID与其他技术的结合

RFID与其他技术的结合

RFID与其他技术的结合(中文8000字,英文PDF) 摘要:射频识别(RFID)已被不断运用,令各种各样的建造生产过程变得更加简单和自动化。 然而,RFID具有一些局限性,但如果与其他传感器和技术相结合则可以大大降低它的局限性。 本文回顾了最近和RFID结合使用的最...

基于Matlab的卫星图像恢复去噪方法比较研究

基于Matlab的卫星图像恢复去噪方法比较研究

基于Matlab的卫星图像恢复去噪方法比较研究(中文4500字,英文PDF) 摘要:在图像处理中,噪声可以被定义为灰度图像中不希望出现的随机变化亮度或是彩色图像中出现的颜色信息。 在大多数图像处理应用中,噪声像素与图像像素叠加在一起,使得从噪声图像中检索有...

基于部分传感器噪声方差知识的能量约束分散最佳线性无偏估计

基于部分传感器噪声方差知识的能量约束分散最佳线性无偏估计

基于部分传感器噪声方差知识的能量约束分散最佳线性无偏估计(中文3600字,英文PDF) 摘要:这封信研究了能量受限的MMSE分散最佳线性无偏估计的估计问题融合规则,假设1每个传感器都可以只发送其原始测量的量化版本到融合中心(FC),2传感器噪声方差的确切知识...

基于深度卷积神经网络的图像去噪方法

基于深度卷积神经网络的图像去噪方法

基于深度卷积神经网络的图像去噪方法(中文9000字,英文PDF) 摘要:图像去噪仍然是图像处理中的一个挑战性问题。作者提出了一种基于深度卷积神经网络(DCNN)的新型图像去噪方法。与其他基于学习的方法不同,作者设计了DCNN来实现噪声图像。因此,可以通过将噪...

面向移动设备的量化卷积神经网络

面向移动设备的量化卷积神经网络

面向移动设备的量化卷积神经网络(中文8000字,英文PDF) 摘要:最近卷积神经网络在众多计算机视觉任务上有着优秀的表现。然而,卷积神经网络的应用由于高计算复杂度的限制使得高性能的硬件成为必备条件。在这篇论文中,我们提出了一个名叫量化卷积神经网络来同...

突出对象检测:基准

突出对象检测:基准

突出对象检测:基准(中文10000字,英文PDF) 摘要:我们广泛地比较,定性和定量地比较了6个具有挑战性的数据集中的40个最先进的模型(28个突出物体检测,10个固定预测,1个目标和1个基准),用于基准突出物体检测和分割方法。从迄今为止的结果来看,我们的评估...

无线协议的比较:蓝牙、UWB、ZigBee和Wi-Fi

无线协议的比较:蓝牙、UWB、ZigBee和Wi-Fi

无线协议的比较:蓝牙、UWB、ZigBee和Wi-Fi(中文6000字,英文PDF) 摘要:蓝牙(IEEE 802.15.1),UWB(IEEE 802.15.3),ZigBee(IEEE 802.15.4),和Wi-Fi(IEEE 802.11)是四种低功耗短程无线通信协议标准。从应用程序的角度来看,蓝牙是用于无线鼠标、键盘...

用小波作为输入支持向量机和神经网络的磁共振脑图像分类

用小波作为输入支持向量机和神经网络的磁共振脑图像分类

用小波作为输入支持向量机和神经网络的磁共振脑图像分类(中文6000字,英文PDF) 摘要 在本文中,我们提出了一种新的方法,使用小波作为神经网络自组织映射的输入和支持向量机的人脑磁共振(MR)图像的分类。所提出的方法将MR脑图像分类为正常或异常。我们使用5...

  • 首页
  • 上一页
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 下一页
  • 末页
  • 56554
  • 关于资料
    提供的资料属本站所有,真实可靠,确保下载的内容与网页资料介绍一致.
  • 如何下载
    提供下载链接或发送至您的邮箱,资料可重复发送,若未收到请联系客服.
  • 疑难帮助
    下载后提供一定的帮助,收到资料后若有疑难问题,可联系客服提供帮助.
  • 关于服务
    确保下载的资料和介绍一致,如核实与资料介绍不符,可申请售后.
  • 资料仅供参考和学习交流之用,请勿做其他非法用途,转载必究,如有侵犯您的权利或有损您的利益,请联系本站,经查实我们会立即进行修正! 版权所有,严禁转载
    doc163.com Copyright © 2012-2024 苏ICP备2021029856号-4