SAT 以霍尼韦尔数十年来在太空级角速率传感器技术领域的领先地位为基础,充分利用了 HG4934SRS 三轴空间速率传感器中使用的合格组件。它采用小巧、轻便、低功耗和低成本的封装,可提供一流的性能,是小型卫星的理想选择。SAT 可实现保证的 TID 和 SEE 辐射性能。
© 2022 PCB Piezotronics - 保留所有权利。PCB Piezotronics 是 Amphenol Corporation 的全资子公司。Endevco 是 PCB Piezotronics of North Carolina, Inc. 的假名,后者是 PCB Piezotronics, Inc. 的全资子公司。Accumetrics, Inc. 和 The Modal Shop, Inc. 是 PCB Piezotronics, Inc. 的全资子公司。IMI Sensors 和 Larson Davis 是 PCB Piezotronics, Inc. 的部门。除本文提供归属的任何第三方商标外,本文件中使用的公司名称和产品名称可能是 PCB Piezotronics, Inc.、PCB Piezotronics of North Carolina, Inc. (d/b/a Endevco)、The Modal Shop, Inc. 或 Accumetrics, Inc. 的注册商标或未注册商标。详细的商标所有权信息可在 www.pcb.com/trademarkownership 上找到。
摘要 能量耗竭是那些以固定能量预算进行长距离迁徙的动物所关注的重要问题。迁徙的成年弗雷泽河红鲑(Oncorhynchus nerka)停止在海洋中觅食,完全依赖内源能量储存来成功完成随后的淡水迁徙和产卵。大多数关于成年鲑鱼能量利用的研究都集中在迁徙的河流部分,但沿海迁徙可能会耗费大量能量,特别是在气温温暖、潮汐湍急的河口地区。我们沿不列颠哥伦比亚省海岸和弗雷泽河河口用声学三轴加速度计发射器标记和跟踪 38 条成年红鲑,行程超过 200 公里,比较了鲑鱼在沿海、河口和河流地区迁徙的相对能量成本。加速度计输出被转换为特定于温度的氧气消耗率。河流的耗氧率是沿海海洋区域(包括河口)的两倍,这主要是由于游动速度更快。耗氧率还受昼夜周期的影响,中午的能量消耗更高;但是,我们没有发现潮汐周期影响能量消耗的证据。尽管弗雷泽河的耗氧率更高,但运输成本(kJ −1 kg −1 km)在西摩海峡(一个潮汐冲刷较强的狭窄沿海地区)最高,这与之前的研究一致,表明这是一个可能对鲑鱼洄游具有挑战性的区域。总体而言,我们已经证明沿海海洋能量消耗是太平洋鲑鱼产卵洄游能量预算的重要组成部分。
摘要 - 神经网络(NNS)已经证明了它们在从计算机视觉到自然语言处理的各个领域中的潜力。在各种NN中,二维(2D)和三维(3D)卷积神经网络(CNN)在广泛的应用中已被广泛采用,例如图像分类和视频识别,因为它们在提取2D和3D特征方面具有出色的功能。但是,标准的2D和3D CNN无法捕获其模型不确定性,这对于包括医疗保健和自动驾驶在内的许多关键安全应用至关重要。相比之下,作为CNN的一种变体,贝叶斯卷积神经网络(贝叶斯)(贝叶斯)已经证明了它们通过数学基础在预测中表达不确定性的能力。尽管如此,由于采样和随后的前向通过多次通过了整个网络,因此贝内斯科的计算要求并未在工业实践中广泛使用。结果,与标准CNN相比,这些过程显着增加了计算和内存消耗量。本文提出了一种新型的基于FPGA的硬件体系结构,以加速通过Monte Carlo辍学推断的2D和3D贝内斯科。与其他最先进的加速器相比,贝内斯科的设计可以达到高达高达能量效率的4倍,而计算效率的9倍。考虑部分贝叶斯推断,提出了一个自动框架,以探索硬件和算法性能之间的权衡。进行了大量实验,以证明我们提出的框架可以有效地发现设计空间中的最佳点。
压电 (PE) 型加速度计 PE 型加速度计响应施加到其压电陶瓷或晶体传感元件上的机械应力,产生高阻抗静电荷输出。由于其高电荷灵敏度,压电陶瓷在电荷和电压模式加速度计中得到广泛应用。石英被公认为所有压电材料中最稳定的材料,也常用于通用 ICP ® 加速度计、校准传递标准以及 PE 压力和力传感器。电荷输出系统已经问世约 40 年。PE 加速度计通过低噪声电缆与高输入阻抗电荷放大器一起工作,该放大器将电荷信号转换为可用的低阻抗电压信号以供采集。电荷放大器提供信号阻抗转换、标准化和增益/范围调整。选项可能包括滤波、速度和/或位移积分以及输入时间常数的调整,这决定了低频响应。现代电荷放大器采用更有效的低噪声电路设计,并可能包含简化的 LCD 显示器和数字控制。一些“双模”型号可同时使用 PE 和 ICP ®
摘要:基于手势的交互是一种自然的人机交互方式,在普适计算环境中有着广泛的应用。本文提出了一种基于加速度的手势识别方法,称为 FDSVM(基于帧的描述符和多类 SVM),该方法仅需要可穿戴的三维加速度计。使用 FDSVM,首先收集手势的加速度数据并用基于帧的描述符表示,以提取判别信息。然后构建基于 SVM 的多类手势分类器以在非线性手势特征空间中进行识别。在包含数周内 12 个手势的 3360 个手势样本的数据集上进行的大量实验结果表明,所提出的 FDSVM 方法明显优于其他四种方法:朴素贝叶斯、DTW、HMM 和 C4.5。在用户相关的情况下,FDSVM 对 4 个方向手势的识别率为 99.38%,对所有 12 个手势的识别率为 95.21%。在用户无关的情况下,它对 4 个手势的识别率为 98.93%,对 12 个手势的识别率为 89.29%。与文献中报道的其他基于加速度计的手势识别方法相比,FDSVM 在用户相关和用户无关的情况下均能给出最佳结果。
摘要:基于手势的交互是一种自然的人机交互方式,在普适计算环境中有着广泛的应用。本文提出了一种基于加速度的手势识别方法,称为 FDSVM(基于帧的描述符和多类 SVM),该方法仅需要可穿戴的三维加速度计。使用 FDSVM,首先收集手势的加速度数据并用基于帧的描述符表示,以提取判别信息。然后构建基于 SVM 的多类手势分类器以在非线性手势特征空间中进行识别。在包含数周的 12 种手势的 3360 个手势样本的数据集上进行的大量实验结果表明,所提出的 FDSVM 方法明显优于其他四种方法:朴素贝叶斯、DTW、HMM 和 C4.5。在用户相关的情况下,FDSVM 对 4 个方向手势的识别率为 99.38%,对所有 12 个手势的识别率为 95.21%。在用户无关的情况下,它对 4 个手势的识别率为 98.93%,对 12 个手势的识别率为 89.29%。与文献中报道的其他基于加速度计的手势识别方法相比,FDSVM 在用户相关和用户无关的情况下均能给出最佳结果。
摘要:基于手势的交互是一种自然的人机交互方式,在普适计算环境中有着广泛的应用。本文提出了一种基于加速度的手势识别方法,称为 FDSVM(基于帧的描述符和多类 SVM),该方法仅需要可穿戴的三维加速度计。使用 FDSVM,首先收集手势的加速度数据并用基于帧的描述符表示,以提取判别信息。然后构建基于 SVM 的多类手势分类器以在非线性手势特征空间中进行识别。在包含数周内 12 个手势的 3360 个手势样本的数据集上进行的大量实验结果表明,所提出的 FDSVM 方法明显优于其他四种方法:朴素贝叶斯、DTW、HMM 和 C4.5。在用户相关的情况下,FDSVM 对 4 个方向手势的识别率为 99.38%,对所有 12 个手势的识别率为 95.21%。在用户无关的情况下,它对 4 个手势的识别率为 98.93%,对 12 个手势的识别率为 89.29%。与文献中报道的其他基于加速度计的手势识别方法相比,FDSVM 在用户相关和用户无关的情况下均能给出最佳结果。