采用NITS检测乳品中蛋白质、脂肪含量

应用近红外透射光谱法对乳制品中蛋白质和脂肪含量进行检测。首先对光谱进行平滑等预处理,然后使用小波基为db3,分解尺度为6的小波进行数据压缩,最后以压缩后光谱数据作为输入,采用径向基函数人工神经网络(RBF-ANN)建立四种乳制品蛋白质和脂肪含量的预测模型,并试验得出最佳扩散常数spread值,其中,对蛋白质建模时最佳spread值为135,此时,相关系数和预测集均方差分别达到0.9999和0.0301;对脂肪建模时最佳spread值为105,此时,相关系数和预测集均方差分别达到0.9997和0.0968。结果表明,结合RBF-ANN和小波压缩建立的定量模型更稳定、精度更高,能够对乳制品品质进行快速无损检测。

基于双原模图低密度奇偶校验码的联合信源信道编译码系统优化设计

香农经典信息论表明信源信道分离编码是渐进最优的,然而该理论自身的局限性使其在实际应用场景中的性能并不是最优的.与传统的信源信道分离级联系统相比,联合信源信道编译码系统可以更加有效地挖掘信源或者信道的特征,进而获得更好的性能,更适合未来无线通信的需求.本文主要基于双原模图低密度奇偶校验(double protograph low-density parity-check,DP-LDPC)码的联合信源信道编码(joint source-channel coding,JSCC)系统,从编码和解码两个方面对近些年针对该系统在标准信道环境下的编译码优化设计工作进行了综述,并对未来的研究工作进行了展望.

工业互联网低功耗数据链算法设计综述——联合信源信道编码设计的必要性、现实与前景

原模图低密度奇偶校验(P-LDPC)码已经广泛应用于各种通信系统,为了使其能够满足不同应用场景下系统对纠错性能、硬件资源损耗以及功耗等方面的要求,需要对P-LDPC码进行进一步的设计优化。该文主要从标准信道环境下基于双P-LDPC(DP-LDPC)码的联合信源信道编码(JSCC)系统的属性研究、系统设计优化以及性能表现等角度入手,对近些年出现的针对该系统环境所做的优化分析工作进行了综述。表明进行的优化工作属实显著地改善了系统性能,为面向工业互联网(II)的LDPC码的研究工作提供些许思路。最后,该文对未来的研究工作进行了展望,为感兴趣的研究学者提供参考以继续推进。