基于电话网远程智能控制器

介绍了一种基于电话网(PSTN)的远程智能控制系统.采用电话机上的按键作为控制命令按键,以公用电话网作为传输线路,将控制信号发送给远程智能控制系统,控制系统将收到的控制信号通过无线的方式发送到控制终端,来控制与控制终端相连的用电器.系统以MT8880芯片作为DTMF信号的编解码核心,利用单片机的智能功能实现对受控设备的控制,同时,为了提高安全,系统通过软件设置了密码.当需要远程控制时,操作者首先要拨打相应的电话号码;电话接通后,根据语音提示输入密码,便进入可对远地设备进行控制的状态.同时还具有,当系统收到异常信号时,自动拨打预存的电话号码,告知用户有异常情况发生,以起到远程报警的作用.这种控制系统具有简单、廉价、实用的特点,并且较一般的控制系统更为安全可靠.     

基于移动Agent远程控制技术的研究

随着WWW的流行，Internet的需求变得非常大，扩展Internet的关键策略是对客户端进行缓冲以降低访问延迟和减少网络及服务器的负载。介绍了用IBM Aglet实现Web缓冲的方法，并讨论了基于移动Agent远程控制技术的内部结构及使用Socket在C＋＋中实现来描述Aglet通信机制的实现过程。     

基于反馈线性化的多变量模糊迭代控制器设计

针对一类多变量非线性控制对象的轨迹跟踪问题,设计一种模糊迭代学习控制器,利用模糊控制器动态调节迭代学习律增益矩阵参数,通过反馈线性化算法和信息融合技术降低模糊控制器输入变量维数,实现多变量非线性系统轨迹跟踪控制.结果表明:与固定增益型迭代学习控制器相比,采用模糊迭代学习控制器学习速度提高,控制稳定性改善,两自由度机械臂的轨迹跟踪控制仿真结果也验证模糊迭代学习控制器的优越性.     

时空协同的精准农业遥感研究

高分辨率遥感对地观测为我们从空间与时间2个维度客观反演地表格局—过程提供了有效的技术支撑。本文遵循时空协同的研究思路,基于高分辨率遥感影像,开展了农业遥感领域2个典型的问题研究：① 提出了一种基于影像视觉特征的耕地分区分层提取方法,该方法在利用DEM数据进行分区的基础上,根据不同区域内耕地所呈现的几何特征和纹理特征差异,分别设计了不同的耕地提取模型;② 构建了一种地块尺度的作物生长参数反演方法,方法以地块为基本单元,在空间、时间及属性组合约束下进行作物理化参数反演。本研究以贵州省安顺市西秀区和广西扶绥县耕地提取进行了耕地地块提取示范,以扶绥县进行了基于耕地地块和中空间分辨率时间序列遥感数据的甘蔗叶面积指数反演。其中,对于安顺市西秀区的耕地地块提取结果而言,形态精度（IoU）大于0.7的地块超过60%,规则耕地、梯田以及林草地等的类型精度均超过了80%;对于扶绥县甘蔗叶面积指数反演的结果而言,其结果可以较为精确地反映出基地甘蔗与非基地甘蔗的差异,基地甘蔗在品质上要优于非基地甘蔗。西南山地区的耕地形态提取/类型判别和地块甘蔗叶面积指数应用验证均证明了方法的可行性。结果表明,协同使用多源高分辨率数据是实现精准农业遥感研究的有效途径。     

基于野外台站无人机组网遥感仿真航迹规划

无人机因其灵活、高分辨率等特点在遥感领域中得到了广泛应用,但是目前的无人机遥感多为单机作业,存在缺乏组网协同规划、作业效率有待提高等问题.无人机组网遥感观测能够克服单机作业存在的问题,可以实现多尺度、多平台、多载荷的高频次迅捷组网观测,快速获取大范围的超高分辨率数据,为大范围的生态环境监测、洪涝灾害监测以及国土安全应急...     

一种基于深度传递迁移学习的遥感影像分类方法

面对实际的遥感影像分类任务,采用深度神经网络的方法存在的最大问题是缺乏充足的标注样本,如何使用较少的标注样本实现较高精度的遥感影像分类,是目前需要解决的问题。ImageNet作为世界上最大的图像识别数据集,在其上训练出的模型有着丰富的底层特征。对ImageNet预训练模型进行微调是最常见的迁移学习方法,能够一定程度利用其丰富的底层特征,提高分类精度。但ImageNet影像特征与遥感影像差距较大,对分类效果提升有限。为了解决上述问题,本文基于传递迁移学习思想,结合深度神经网络,提出一种基于深度传递迁移学习的遥感影像分类方法。该方法通过构建以开源遥感场景识别数据集为源域的中间域,并以ImageNet预训练权重为源域、待分类遥感影像为目标域进行迁移学习,提高遥感影像分类精度。首先,以ImageNet预训练VGG16网络为基础,为加速卷积层权重更新而将全连接层替换为全局平均池化层,构建GAP-VGG16,使用中间域数据集训练ImageNet预训练GAP-VGG16以获取权重;然后,以SegNet网络为基础,在SegNet中加入卷积层设计了T-SegNet,以对获取的权重进一步地提取。最后,将获...     

中国生态环境遥感四十年

生态环境是人类社会生存与发展的基础。快速发展的遥感技术显著推动着生态环境遥感监测能力的提升,有效支撑了国家生态文明建设。从1980年天津—渤海湾环境遥感试验开始,经历了近40年的发展,遥感监测技术已经广泛应用于生态、大气、水、土壤等生态环境保护各个方面,取得显著成效。本文回顾了我国生态环境遥感技术近40年的发展,通过典型或重要应用案例,系统梳理了遥感技术在生态环境监测、对地观测能力、支撑生态文明建设等方面应用的发展历程。生态环境遥感监测能力发展主要表现在应用领域逐步扩大、监测精度明显提升、监测时效大幅增强;对地观测能力发展主要分为国外卫星为主期、环境卫星发展期、高分卫星应用期3个阶段;支撑生态文明建设的重大事件主要包括全国生态状况定期调查评估、污染防治攻坚战、应急与监督执法等方面。本文结合国家战略和技术发展,对今后生态环境遥感的发展提出了一些思考。     

基于同伦法的跟踪系统鲁棒控制器设计

针对传统控制系统鲁棒控制器阶数较高的缺陷,提出一种具有阶次限制的鲁棒控制器设计方法.利用Ne-vanlinna-Pick插值方法,将鲁棒控制器设计问题转化为求解非线性方程的根,避免选择H∞控制中加权函数.基于同伦法设计低阶鲁棒控制器,通过仿真实验研究该鲁棒控制器下的阶跃响应,以及存在外部干扰时系统的控制性能及干扰抑制能力,并与传统滞后超前校正方法进行比较.结果表明:该控制器不仅能够在保证跟踪精度前提下具有较强干扰抑制能力,而且当系统存在不确定性时,闭环控制系统具有很好的鲁棒性.     

基于现有动态口令身份认证技术的分析与改进

身份认证对于保证信息只被合法授权用户获取和访问起着重要作用，因而建立强有力的身份认证机制成为信息安全的关键之一。以现有动态口令身份认证主流技术为参照，提出了一种动态口令同步认证方法，以实现动态口令安全性、有效性与同步程度、验证效率之间的最优化配置。     

基于PRCUnet的高分遥感影像建筑物提取

基于高分辨率遥感影像的建筑物提取具有重要的理论与实际应用价值,深度学习因其优异的深层特征提取能力,已经成为高分影像提取建筑物的主流方法之一。本文在改进深度学习网络结构的基础上,结合最小外接矩形与Hausdorff距离概念,对建筑物提取方法进行改进。本文主要改进内容为：① 基于Unet网络结构,利用金字塔池化模块 (Pyramid Pooling Module, PPM )的多尺度场景解析特点,残差模块(Residual Block, RB)的特征提取能力以及卷积块注意力模块(Convolutional Block Attention Module, CBAM)对空间信息和通道信息的平衡能力。将金字塔池化、残差结构以及卷积块注意力模块引入到Unet模型中,建立PRCUnet模型。PRCUnet模型更关注语义信息和细节信息,弥补Unet对小目标检测的欠缺;② 基于最小外接矩形与Hausdorff距离,改进建筑物轮廓优化算法,提高模型的泛化能力。实验表明,本文的建筑物提取方法在测试集上准确率、IoU、召回率均达到0.85以上,精度显著优于Unet模型,提取出的建筑物精度更高,对小尺度及不规则的建筑物有较好的提取效果,优化后的建筑物轮廓更接近真实的建筑物边界。