XiaoMi-AI文件搜索系统
World File Search System时域
一种用于图像压缩感知参数提取的平台...
摘要 — 在本文中，我们介绍了一个完整的（硬件/软件）亚奈奎斯特速率（×13）宽带信号采集链，该链能够在 100 MHz – 2 的瞬时带宽内采集雷达脉冲参数。5 GHz，具有相当于 8 ENOB 数字化性能。该方法基于压缩感知（CS）的替代感知范式。硬件平台采用全集成 CS 接收器架构，称为随机调制预积分器 (RMPI)，采用 Northrop Grumman 的 450 nm InP HBT 双极技术制造。软件后端由一种新颖的 CS 参数恢复算法组成，该算法无需执行全时域信号重建即可提取有关信号的信息。这种方法显著减少了检索所需信息所涉及的计算开销，这为在功率受限的实时应用中采用 CS 技术提供了一条途径。所开发的技术在由制造的 RMPI 物理测量的 CS 样本上得到验证，并给出了测量结果。详细描述了参数估计算法，并给出了物理硬件的完整描述。
大规模 MIMO 中可实现的能源效率
引言大规模MIMO被认为是在现代无线通信系统（如5G NR及更高版本）中实现所需数据速率、带宽和可靠性的关键技术[1][2]。在基站（BS）中使用大型天线阵列（NT>64）可以显著提高信噪比（SNR），并通过指向特定位置的窄波束实现空间分集传输[3]。这两个特性使得在24至52 GHz的较高频带上进行毫米波通信变得可行[4]。事实上，它们是克服频谱较高部分传播路径损耗增加的有效方法[5][6]。然而，由于射频（RF）链数量的增加，大量天线也意味着更严格的硬件要求，从而导致更高的功耗[5]。从这个意义上讲，提高系统能源效率（EE）已成为主要关注点和活跃研究的重点。一般而言，大规模 MIMO 系统中的 EE 可以通过降低信号处理复杂度及其相关功耗，或通过提高硬件资源利用率 1 [7] 来改善。根据这一标准，[8] 和 [9] 提出了一种联合优化时域波束控制和峰均功率比 (PAPR) 降低的方法，其中计算复杂度显著降低，同时提高了功率放大器效率。然后，
引用方式：Shi, TW, Chen, K.-J., Ren, L., Cui, W.-H. (2023)。基于运动意象的机械臂抓握控制脑机接口。
本文提出了一种脑机接口（BCI）系统，利用ABB机械臂实现手部和腕部控制。该BCI系统从30个电极采集四类运动想象（MI）任务（手抓握、手伸展、腕部屈曲和腕部伸展）脑电图（EEG）信号。它利用两个具有不同带宽的五阶巴特沃斯带通滤波器（BPF）和归一化方法实现原始MI任务EEG信号的预处理。特征提取的主要挑战是从预处理后的EEG信号中分析MI任务意图。因此，所提出的BCI系统在时域和时频域中提取了十一种特征，并使用互信息方法来降低提取特征的维数。此外，BCI系统应用一个具有30个滤波器的单卷积层卷积神经网络（CNN）来实现MI任务的四级分类。与现有研究相比，该BCI系统的分类准确率提高了约32%-35%，实际机械臂抓取控制实验验证了该BCI系统具有良好的适应性。
通过描述性统计和机器学习进行全面的 GPR 信号分析
摘要 —本文全面分析了各种土壤特性如何影响探地雷达 (GPR) 接收信号的特征。这些特性包括介电特性、厚度、层数、雷达配置和表面粗糙度。本文使用 gprMax 进行了详尽的分析，模拟了不同的土壤介质场景，以展示这些参数如何影响 GPR 接收信号。所提出的方法通过描述性统计分析从接收信号中提取关键特征以表征土壤。然后，本文部署了机器学习 (ML) 技术，特别是随机森林 (RF) 模型和基尼均值减少杂质 (MDI) 作为度量，以识别数据集中最有影响力的特征。此过程从时域中提取一组简洁的特征，然后使用频域特征进行扩展。所提出的方法不仅可以有效地捕获高维 GPR 数据中的关键信息，还可以降低其维数，确保保留基本信息。使用这些重要特征而不是复杂的原始 A 扫描数据来训练 ML 和深度学习 (DL) 模型，可以实现更准确的土壤湿度和地下分析。
使用深度 Q 网络强化学习进行微电网能源管理
摘要 本文提出了一种基于深度强化学习的方法，用于优化管理微电网内的不同能源资源。所提出的方法考虑了主要要素的随机行为，包括负荷曲线、发电曲线和定价信号。通过定义状态、动作、奖励和目标函数，将能源管理问题表述为有限时域马尔可夫决策过程 (MDP)，而无需事先了解转换概率。这种公式不需要微电网的明确模型，而是利用累积的数据和与微电网的交互来得出最佳策略。实施了一种基于深度 Q 网络的有效强化学习算法来解决所开发的公式。为了确认这种方法的有效性，实施了一个基于真实微电网的案例研究。所提出方法的结果证明了它能够在随机条件下以最佳成本效益的方式在线调度微电网内的各种能源资源。实现的运营成本在最佳计划成本的 2% 以内。 2022 作者。由 Elsevier BV 代表亚历山大大学工程学院出版。这是一篇根据 CC BY 许可 ( http://creativecommons.org/licenses/by/ 4.0/ ) 开放获取的文章。
感觉共济失调和小脑共济失调的临床识别
共济失调是一种外部特征，当人体的协调不良和平衡障碍时，通常表明身体某些部位的疾病。许多内部因素可能导致共济失调；目前，观察到的外部特征，结合医生的个人临床经验在诊断共济失调中起主要作用。在这种情况下，可能会感到困惑，导致治疗和康复的延迟。现代高精度医疗工具将提供更好的准确性，但经济成本是不可忽略的因素。在本文中，新型的非接触式感应技术用于检测和区分感觉共济失调和小脑共济失调。首先，Romberg的测试和步态分析数据由微波传感平台收集；然后，经过一些预处理后，已经采用了一些机器学习方法来训练模型。对于Romberg的测试，考虑了时域特征，所有三种算法的准确性都高于96％；为了进行步态检测，主成分分析（PCA）用于降低维度，背部传播（BP）神经网络，支持向量机（SVM）和随机森林（RF）的准确性分别为97.8、98.9和91.1％。
个人简历 个人信息
我的研究领域是声子、光子和极化子在纳米、微观和宏观材料中传播的热传输，应用于热极化子和热电子学（热计算）、电子学、光子学、热电学等。玻尔兹曼传输方程、麦克斯韦电磁方程和涨落电动力学是我在理论和实验上研究线性和非线性材料在稳态和动态条件下的热传输的主要工具。我的主要贡献分为三个方面：第一，预测新的物理效应和热器件的概念，例如纳米线和纳米薄膜中极化子热导的量化、热忆阻器、热波二极管和量子热晶体管。第二，开发了根据 3ω、时域热反射、光热辐射测量、热波谐振腔和光声学技术记录的实验数据拟合热性能的分析模型。第三，对由纳米颗粒或多孔材料组成的固体基质复合材料的热导率进行建模和测量。这三个研究方向主要针对极性材料（即 SiO 2 、SiN、SiC）、相变材料（即 VO 2 、镍钛诺）和介电材料（薄膜和导线形式）进行了开发。
电子束金属增材制造中空间微结构控制的轨迹优化
摘要 — 金属增材制造 (AM) 为空间控制制造后的微观结构和性能提供了可能性。然而，由于驱动微观结构结果的固态扩散转变在温度方面由非线性 ODE 控制，而温度本身又由整个零件域上的 PDE 控制，因此求解实现所需微观结构分布所需的系统输入已被证明是困难的。在这项工作中，我们提出了一种用于金属 AM 中微观结构空间控制的轨迹优化方法，我们通过控制电子束粉末床熔合 (EB-PBF) 中低合金钢的硬度来证明这一点。为此，我们提出了热和微观结构动力学模型。接下来，我们使用实验数据来识别微观结构转变动力学的参数。然后，我们将空间微观结构控制作为有限时域最优控制问题。使用具有 GPU 加速的增强拉格朗日微分动态规划 (AL-DDP) 方法计算最佳功率场轨迹。然后通过近似方案在 EB-PBF 机器上实现所产生的随时间变化的功率场。对所得硬度的测量表明，优化的功率场轨迹能够紧密产生所需的硬度分布。
基于机器学习的超级估计...
I。UWB技术从高时域的分辨率中受益，从而导致精确时间（TOF）和高分辨率通道脉冲响应（CIR）测量值。高分辨率CIR提供了有用的信息，可用于应对主要本地化挑战，例如多径传播，使UWB成为挑战环境的关键技术。UWB技术实现了几种本地化，其中高度要求到达角度（AOA）估计。AOA估计是狭窄光束无线数据传输和智能天线系统的至关重要任务，可促进光束成形[3]，车辆通信[4]和室内定位[5]。与需要在锚节点和标签节点之间进行双向通信的方法不同，例如双向范围，在AOA估计中，不需要反馈链接（在自我定位中），从而可以提高系统的可扩展性和复杂性。此外，当前的UWB定位系统通常使用定时信息来确定移动标签和几个分布式锚节点之间的距离。通过在锚节点上添加其他天线和无线电模块（例如创建天线阵列），可以在每个天线元件上确定相位和到达时间，从而可以提取到达角度的信息。因此，
基于XGB-AKF方法的储能锂离子电池健康状态评估研究
锂离子电池具有能量密度高、循环寿命长、稳定性高等优点，被广泛应用于电动汽车、电网储能等领域。为保证电池系统安全可靠运行，准确快速地估计锂离子电池的健康状态（SOH）具有重要意义。锂离子电池是一个复杂的非线性动态系统，实际工作条件下锂离子电池的健康状态无法直接测得，只能通过反映电池老化程度的外特性参数来间接估计。基于单一老化特征或模型的方法难以保证可靠性。因此，本文提出了一种数据驱动的XGBoost与卡尔曼滤波相结合的多特征SOH估计方法。首先，采用主成分分析算法基于数据重构多种电池老化特征，并基于重构的特征数据构建融合多种特征的XGBoost在线估计模型。最后，该方法通过引入基于XGBoost模型实时校正的时域卡尔曼滤波实现了锂离子电池SOH的联合优化估计。结果表明，该方法提高了估计模型的准确性和鲁棒性，实现了锂离子电池SOH的高精度联合估计。