XiaoMi-AI文件搜索系统
World File Search System定位精度
NEO-M8P - Mugin 无人机
在默认配置下，NEO-M8P 流动站将尝试根据收到的校正数据提供最佳定位精度。一旦收到 RTCM 3 消息的输入流，它将进入 RTK 浮动模式。一旦流动站解决了载波相位模糊度，它将进入 RTK 固定模式。当流动站处于 RTK 固定模式时，相对精度可以预期精确到厘米级。通常需要至少 2 分钟，流动站才能解决载波模糊度并从 RTK 浮动模式转到 RTK 固定模式。此时间段的长度称为收敛时间。
基于SSVEP，EOG和眼动物跟踪的混合脑计算机界面中使用强制反馈设备用于排序项目
摘要：针对从人类有机体衍生的信号的研究变得越来越流行。在这个领域，基于脑电波的脑部计算机界面扮演了特殊的角色。由于脑电图记录设备和较低的设定价格的缩小尺寸，它们变得越来越受欢迎。不幸的是，此类系统在生成的命令数量方面受到很大的限制。这尤其适用于不是医疗设备的集合。本文提出了一个基于稳态视觉诱发电位（SSVEP），EOG，眼睛跟踪和力反馈系统的混合脑计算机系统。这样的扩展系统消除了许多特定的系统缺点，并提供了更好的结果。本文的第一部分介绍了有关混合脑部计算机系统中应用的方法的信息。根据操作员将机器人的尖端放置在指定位置的能力来测试提出的系统。提出了工业机器人的虚拟模型，该模型用于测试。在现实生活中的工业机器人上重复测试。通过启用和禁用的反馈系统验证了系统的定位精度。在模型和真实对象上进行的测试结果清楚地表明，在由操作员控制时，力反馈提高了机器人尖端的定位精度。此外，模型和现实生活中的工业模型的结果非常相似。在下一阶段，对使用BCI系统进行分类项目的可能性进行了研究。该研究是在模型和真正的机器人上进行的。结果表明，可以使用来自人体的生物信号进行排序。
MT403/403FF 406 MHz EPIRB - Classe Mini
406 MHz EPIRB 相对于旧式模拟 EPIRB 的优势包括全球覆盖、定位精度可达 5 公里以内，以及更稳定的传输信号，从而缩短检测时间。最重要的是，添加独特的数字编码消息可为搜救机构提供重要信息，包括信标注册国家/地区和遇险船只的身份。误报发生率也大大降低，同时还避免了宝贵救援资源的不必要部署。MT403/MT403FF 包含辅助导航发射器，使装备适当的搜救部队能够导航至遇险信标。
基于导航雷达回波视频数据的占据栅格地图构建方法
摘 要 : ［ 目的 ］ 为解决无人艇的船载导航雷达对养殖区 、 浮筒 、 小型漂浮物等海洋漂浮障碍物感知效果不 佳的问题 ， 提出一种基于导航雷达回波视频数据构建与更新的占据栅格地图的环境感知方法。 ［ 方法 ］ 首 先 ， 采用多级集合的形式描述雷达点迹与回波点间的包含关系 ， 为栅格地图构建奠定基础 ， 期间 ， 基于群相邻 关系对近邻点迹进行凝聚 ， 抑制目标分裂导致的航迹偏差 ； 然后 ， 利用所提的基于自然对数函数的占据栅格 地图概率更新算法 ， 通过合理利用历史数据区分海杂波与微小海洋漂浮障碍物 ； 最后 ， 建立基于点迹属性的 栅格地图概率扩散模型 ， 以较好地保证典型动态目标占据栅格更新的实时性。 ［ 结果 ］ 实船试验结果表明 ， 所提方法可准确获取养殖区 、 浮筒等成片海洋漂浮障碍物的轮廓信息 ， 抑制目标分裂现象 ； 与经典方法相比 ， 所提方法对干舷 0.5 m 的小型漂浮物首次发现距离提升了 78.34 m ， 定位精度提升了 1.42 m 。 ［ 结论 ］ 所提方 法能够实现对多种海洋漂浮障碍物 、 海面运动目标的准确感知 ， 确保无人艇航行安全。
要求和规范文档 - Acasias 项目
3.2.1.Ku波段服务 27 3.2.2.Ku波段调制 27 3.2.3.Ku波段卫星（位置、发射功率、增益和距离） 27 3.2.4.Ku波段频率范围和带宽 29 3.2.5.Ku波段理想天线覆盖体积 30 3.2.6.Ku波段增益 30 3.2.7.Ku波段波束宽度 30 3.2.8.Ku波段旁瓣电平 30 3.2.9.Ku波段极化 31 3.2.10.Ku波段交叉极化抑制 31 3.2.11.Ku波段所需载噪比 31 3.2.12.Ku波段G/T 31 3.2.13.Ku波段波束定位精度 31
出版详情：Gao, Z., & Lin, L. (2021). 基于人工智能与无线网络通信的交互式装置艺术的智能集成。无线通信和移动计算，2021 年，文章 3123317。https://doi.org/10.1155/2021/3123317
随着科技与时代的发展，新媒体技术与互动装置艺术的发展也慢慢走入了我们观众的视野。它简直就是“无声的艺术”。公众不再像传统那样“隐退”，而是参与其中，与艺术家一起畅游在艺术的世界里。本文旨在研究人工智能与无线网络通讯在互动装置艺术中的应用。通过各种通讯设备的优化，各种算法的不断进步，加强我们互动装置艺术之间的沟通与联系。本文提出，随着人工智能与无线网络通讯的加入，艺术家与观众之间的互动可能会更加有趣，让我们的生活更加丰富多彩。本文的实验结果表明，在进行无线网络通信时，加入人工智能的智能算法的通信延迟率比不加入人工智能的智能算法低很多，说明它们能够更好的将信息传递到控制端。当受到外界影响时，无线网络通信的误码率会上升，但是加入人工智能算法在他的影响范围内，他的误码率上升明显没有那么高。在无线网络通信过程中，改进后的算法在能耗、通信延迟、误码率等方面肯定要优于未改进的算法。通过信号的增强、通信设备材料的选择，这些都是在不断进步，在这方面也在不断探索。与其他算法相比，ML算法的定位精度提升了70%、65%、30%左右。增加传输信号的节点数量，可以大大减少节点间的跳数，相应减少跳距误差，相应减少距离估算误差，提高定位精度。可以更快解决互动装置艺术的技术壁垒。
带整流 IoU 损失的单次双叉检测器
基于CNN的目标检测器中，特征金字塔被广泛使用来缓解目标实例间尺度变化的问题。这些目标检测器通过自上而下的路径和横向连接来强化特征，主要是为了丰富低级特征的语义信息，而忽略了高级特征的增强，这会导致不同层次的特征之间不平衡，特别是高级特征中严重缺乏细节信息，从而难以得到准确的边界框。在本文中，我们引入了一种新的双管齐下的传导思想，从前向和后向探索不同层之间的关系，可以同时丰富低级特征的语义信息和高级特征的细节信息。在双管齐下的思想指导下，我们提出了一个双管齐下网络（TPNet）来实现高级特征和低级特征之间的双向传递，这有助于准确地检测不同尺度的目标。此外，由于单阶段检测器中难样本和易样本的分布不平衡，定位损失的梯度总是由定位精度较差的难样本主导。这将导致模型偏向难样本。因此，在我们的 TPNet 中，提出了一种基于 IoU 的自适应定位损失，称为 Rectified IoU (RIoU) 损失，以校正每种样本的梯度。Rectified IoU 损失会增加高 IoU 样本的梯度，同时抑制低 IoU 样本的梯度，从而提高模型的整体定位精度。大量实验证明了我们的 TPNet 和 RIoU 损失的优越性。
要求和规范文档 - Acasias 项目
3.2.1.Ku波段服务 27 3.2.2.Ku波段调制 27 3.2.3.Ku波段卫星（位置、发射功率、增益和距离） 27 3.2.4.Ku波段频率范围和带宽 29 3.2.5.Ku波段理想天线覆盖体积 30 3.2.6.Ku波段增益 30 3.2.7.Ku波段波束宽度 30 3.2.8.Ku波段旁瓣电平 30 3.2.9.Ku波段极化 31 3.2.10.Ku 波段交叉极化抑制 31 3.2.11.Ku 波段所需载噪比 31 3.2.12.Ku 波段 G/T 31 3.2.13.Ku 波段波束定位精度 31 3.3.带集成 VHF 天线的小翼 32
坚韧不拔的时代与地点
问题是什么？40 多年来，PNT 系统一直向公众开放，在此期间，我们作为消费者和整个澳大利亚行业越来越依赖它们。然而，近年来，技术故障和有针对性的网络攻击导致依赖该技术的人员和组织受到越来越多的干扰。例如，2023 年 4 月，当用于提高澳大利亚政府和商业服务定位精度的提供精确定位校正的卫星信号中断时，严重影响了依赖该信号进行精确制导和安全的农业和海事部门。网络攻击还多次试图破坏支持基础设施，导致在军事、消费者和工业应用中定位和指挥人员和基础设施面临挑战。