您的位置: 专家智库 > >

赵义飞

作品数:6 被引量:9H指数:1
供职机构:北京信息科技大学更多>>
发文基金:国家自然科学基金北京市属高等学校人才强教计划资助项目北京市科技计划项目更多>>
相关领域:自动化与计算机技术电子电信机械工程更多>>

文献类型

  • 5篇期刊文章
  • 1篇学位论文

领域

  • 4篇自动化与计算...
  • 2篇电子电信
  • 1篇机械工程

主题

  • 2篇神经网
  • 2篇神经网络
  • 2篇网络
  • 2篇联网
  • 2篇感器
  • 2篇BP神经
  • 2篇BP神经网
  • 2篇BP神经网络
  • 2篇MCU
  • 2篇车联网
  • 2篇传感
  • 2篇传感器
  • 1篇电偶
  • 1篇多通道
  • 1篇蚁群
  • 1篇蚁群算法
  • 1篇蚁群优化
  • 1篇湿度传感器
  • 1篇通信
  • 1篇同频

机构

  • 6篇北京信息科技...

作者

  • 6篇赵义飞
  • 2篇张月霞
  • 2篇高锦宏
  • 1篇谷玉海
  • 1篇刘亚平
  • 1篇哈亮
  • 1篇卓智海
  • 1篇袁博
  • 1篇康文文
  • 1篇黄天航

传媒

  • 2篇电讯技术
  • 2篇北京信息科技...
  • 1篇电脑与电信

年份

  • 2篇2021
  • 1篇2015
  • 2篇2011
  • 1篇2010
6 条 记 录,以下是 1-6
排序方式:
基于MCU的多通道风速计设计与实现被引量:1
2011年
针对传统单点流量测量风速已经不能满足要求的问题,提出了基于MCU的多通道风速计设计与实现,阐述了硬件、软件实现方法。实验结果表明,该方法可以准确测量出8个通道的风速值,测得的风速精度高,稳定性良好。
赵义飞谷玉海高锦宏
关键词:MCU多通道风速计
基于蚁群优化神经网络的故障诊断被引量:7
2010年
针对BP神经网络收敛速度慢,易于陷入局部极小点的问题,将蚁群算法引入BP神经网络的优化训练,建立了基于该算法的BP神经网络训练模型,并应用于电机转子故障诊断。结果表明,用蚁群算法训练神经网络具有较高的故障诊断精度,收敛性好,可以有效快速定位电机转子故障,提高诊断的效率和质量。
赵义飞高锦宏刘亚平哈亮
关键词:蚁群算法BP神经网络故障诊断
基于MCU的热电偶风速测量系统研究
论文对热电偶用于风速测量的可行性进行了论证,比较了三种不同的测量原理,提出了新的测量方法;在风速测量传感器的基础上,设计主机控制系统,实现了风速数据的自动采集、显示、以及与终端设备显控台之间的通讯。具体研究如下:  根据...
赵义飞
关键词:热电偶风速测量I2C总线温湿度传感器主控系统
基于搭载Linux平台Raspberry Pi的导盲机器人控制系统设计
2015年
中国盲人数量占全球盲人比例较大,而国内导盲犬昂贵且稀少,无法普及,提出一种适合于普通盲人的导盲机器人,在于取代导盲犬,成为广大盲人群体都可以接受的廉价、实用并且便携的导盲工具。本导盲机器人使用搭载Linux(Debian发行版)平台的Raspberry Pi作为系统的中央处理单元,通过五个超声波距离传感器从盲人前进的不同角度收集周围环境距离信息,在超声波传感器初步定位障碍物的基础上,通过摄像头采集图像数据进一步处理判断障碍物位置,融合两种判断结果通过振动信号将障碍物位置和距离反馈给盲人。在实验环境下实现辅助盲人进行躲避障碍物的功能。
袁博康文文黄天航赵义飞张叶朋卓智海
关键词:LINUX超声波传感器RASPBERRYPI
车联网中基于BP神经网络的智能协同频谱感知算法
2021年
针对传统信噪比加权频谱感知方法在车联网(Internet of Vehicles,IoV)环境中受噪声影响较大、感知准确率较低的问题,提出了一种基于反向传播(Back Propagation,BP)神经网络的IoV协同频谱感知(Cooperative Spectrum Sensing based on BP Neural Network,BP-CSS)算法。该算法首先将本地次用户能量检测结果进行协方差处理,然后通过BP神经网络对次用户信噪比进行权值优化,使用训练好的模型进行协同频谱感知。仿真结果表明,在信噪比0~25 dB范围内、10个次用户协同感知时,该算法在噪声干扰较大的环境中的平均检测准确率为90%,比基于信噪比加权频谱感知方法提升20%,比基于门限值频谱感知方法提升30%。
张月霞赵义飞
关键词:车联网BP神经网络协同频谱感知
车联网中的协同通信平均传输时间计算被引量:1
2021年
车联网(Internet of Vehicles,Io V)是智能交通和通信领域的热点课题,协同通信算法的研究是Io V通信的重要技术之一。针对Io V环境下因通信拓扑结构快速变化导致数据信号利用单一通信方式难以高效传输的问题,提出Io V环境下协同通信算法,利用车对车(Vehicle-to-Vehicle,V2V)和车对路(Vehicle-to-Infrastructure,V2I)协同通信方法,对目标数据从请求到完成的平均传输时间进行了理论分析和推导。仿真结果表明,该算法的传输效率比基于移动边缘计算(Mobile Edge Computing,MEC)车联网协作传输算法提升40%,比基于分簇V2X车载广播传输算法提升25%;该算法的平均传输时间随着路侧单元(Road Side Unit,RSU)缓存概率从0.5增加至1可提高9%,随着车辆缓存概率从0.5增加至1可提高46%。
赵义飞张月霞
关键词:车联网协同通信
共1页<1>
聚类工具0