XiaoMi-AI文件搜索系统
World File Search System噪声源
对室内噪声源的实验研究...
如今，无人水下滑翔机在海洋探索中发挥着重要作用，可获取有关水下环境的宝贵信息。水下滑翔机通过改变浮力来移动。浮力变化系统是决定机器人运动精度、潜水能力、声学特性、可靠性和资源的关键系统。这些参数由浮力变化系统内部的工作过程决定，特别是由发生的压力脉动决定。众所周知，压力脉动会引起振动，从而产生空气噪声。滑翔机中可实现五种类型的浮力变化系统。本文从理论上考虑了所有这些系统。理论分析显示了它们的优缺点，并允许选择最有效的系统。所选的浮力变化系统由液压泵、电动机、阀门和蓄能器组成。在滑翔机的几种操作模式下对浮力变化系统进行了实验研究：潜水模式、上升模式和紧急上升模式。半自然试验台用于实验测试。六个振动加速度传感器用于振动估计。它们安装在系统的每个组件上。通过 LMS 硬件和软件设备对获得的数据进行采样。结果使我们能够通过不同操作状态下压力脉动引起的振动加速度和噪声来研究滑翔机浮力变化系统的振动声学效率。关键词：水下滑翔机、半自然试验台、压力脉动、振动、生态学、噪声影响
工业放射学的噪声源和后果
光子计数，基于直接转换或闪烁体）。他们的工业应用是由各个委员会（ASTM，CEN，ISO等）标准化的。是由X射线辐射的量子性质引起的，所有讨论的检测器都在其图像中显示出噪音。典型的噪声源是光子噪声，固定图案噪声是由检测器设计引起的，以及由物体结构和表面产生的噪声。检测器生产过程中不同的检测原理和制造局限性以不同的方式转移噪声贡献。作为结果，可以为不同的检测器建立基于可实现的图像质量的不同应用程序限制。此知识对于最佳检测器选择和暴露条件至关重要。这些不同的噪声源及其对图像质量的影响将在演讲中讨论。将从基本的检测原理开始实践外介绍，这表明在考虑图像质量方面时，每个检测原理在考虑图像质量方面时仍然具有自己的优势和缺点。关键字：数字工业放射学，图像质量，图像噪声，射线照相膜，计算射线照相，数字探测器阵列
量子划分和计算：探索不同噪声源的效果
摘要我们最近的工作（Ayral等人。在IEEE计算机协会的会议记录中，ISVLSI，第138–140页，2020年。 Qubits和较浅的深度。这适应量子处理器的量子数量有限和短相干时间。本文研究了QDC过程的成功概率，研究了不同噪声源的影响 - 阅读错误，门错误和反应性。我们在ATOS量子学习机上执行详细的噪声建模，使我们能够理解权衡折衷方案，并提出有关哪些硬件噪声源的建议优先优化。我们还详细描述了我们用于在IBM的约翰内斯堡处理器上重现实验运行的噪声模型。本文还包括QDC程序中使用的方程式的详细推导，以从其片段的输出分布计算原始量子电路的输出分布。最后，我们通过张量 - 网络考虑分析了QDC方法的QDC方法的计算复杂性，并使用张量 - 网络模拟方法详细介绍了QDC方法的关系。
2023年国家路网特许A36高速公路
综合暴露于来自多个公路、铁路甚至航空基础设施的噪声（多重暴露情况）导致对当地相关人群所感受到的不适评估产生疑问。约 6% 的法国人（即 350 万人）因多次接触交通噪音而感到不适。如果我们考虑到累积噪声对人类可能产生的影响的增加甚至倍增，多重暴露就是一个公共卫生问题：例如，白天的不适、晚上的交流干扰和夜间的睡眠中断。暴露水平以及两种噪声源的相对贡献（一种噪声源相对于另一种噪声源的主导或非主导的情况）对判断和感到的不适有直接影响。
通过量子假设测试的量子分类的最佳可证明的鲁棒性
量子机学习模型与其经典同行相比，有可能提供加速和更好的预测精度。然而，这些量子算法与它们的经典算法一样，也已被证明也很容易受到输入扰动的影响，尤其是对于分类问题。这些可能是由于嘈杂的实现而引起的，也可以作为最坏的噪声类型的对抗性攻击。为了开发防御机制并更好地理解这些算法的可靠性，在存在自然噪声源或对抗性操纵的情况下了解其稳健性至关重要。从量子分类算法涉及的测量值是自然概率的，我们发现并形式化了二进制量子假设测试与可证明可证明可靠的量子分类之间的基本联系。此链接导致紧密的鲁棒性条件，该条件对分类器可以忍受的噪声量构成约束，而与噪声源是自然的还是对抗性的。基于此结果，我们开发了实用协议以最佳证明鲁棒性。最后，由于这是针对最坏情况类型的噪声类型的鲁棒条件，因此我们的结果自然扩展到已知噪声源的场景。因此，我们还提供了一个框架来研究量子分类方案的可靠性，超出了对抗性，最坏情况的噪声场景。
莱特州立大学工程与计算机科学学院 Bits and PCs 通讯，第 13 卷，第 8 期，1997 年 10 月
皮秒激光超声波系统 (PLUS) 支持 (项目 79)：学生将通过启动系统、对准激光束和运行基于 labview 的数据采集软件从 PLUS 系统获取数据。其他职责包括通过测量 RMS 噪声来提高信噪比，将此噪声与理论散粒噪声限制性能进行比较，识别额外噪声源，开发电路或实验技术以消除这些噪声源，开发运动控制软件和热波实验，这需要能够开发 Labview 例程。开发软件实验模型/模拟需要具有 C 和 C++ 编程经验。
多层超导集成电路中的电感噪声耦合
超导低温电路是一种新兴的节能技术，可以替代或补充现有的 CMOS VLSI 系统。最先进的超导电路利用十多个铌层作为逻辑电路和互连。这些系统中存在多个电感耦合噪声源。本文评估了这些电感噪声源，并讨论了耦合噪声的影响。特别是，本文描述并讨论了无源传输线中耦合噪声的影响，其中数据信号的幅度异常小。本文还描述了偏置电流耦合到逻辑门内电感的影响，因为逻辑门需要精确的偏置条件。本文提供了管理耦合噪声有害影响的指南。
MoreSound Intelligence™
来自两个麦克风的全向和反对信号被发送到空间平衡器。全向信号提供了声音场景中的所有声音，包括前方的声音，这通常是对患者的最重要信号。后核苷信号提供了来自声音场景的所有声音，除了前方的声音。不断比较两个信号以定义噪声源的位置。基于此信息，该系统为情况创建了最佳的极性图。既有全向和背面的有心脏的工作，该系统都可以向后衰减。空间平衡器在每个耳朵的24个独立通道中运行。始终，这些频道都有有关相邻频道正在做什么的信息。这有助于靶向噪声源，从而有可能抑制更多不需要的音源。
ICACLEANEEG 版本 1.3 基于 MATLAB 的 EEG ...
收集到脑电图 (EEG) 记录后，有多种技术可用于准备数据以供分析。一种复杂且越来越流行的技术是应用独立成分分析 (ICA) 来将信号与噪声分离。在头皮记录的 EEG 信号并不是大脑神经生理活动的纯粹测量值，并且受到来自各种来源的噪声的污染。在 EEG 记录中通常会观察到肌肉收缩、眨眼、心跳、与汗水相关的信号改变、环境噪声和设备故障。这些噪声源会使测量与实验任务操作或个体差异相关的大脑活动的细微变化变得困难。ICA 可用于识别数据中的这些噪声源。最终目标是分离出并保留与大脑相关的“成分”，同时尽可能多地丢弃其他所有成分。（有关更多背景信息，请参阅：Hyvarinen 和 Oja 2000；神经网络）。