基于增强现实与物联网的农业监测系统研究

设计并开发了一种基于增强现实和物联网技术的农业监测系统,该系统能够通过增强现实的交互性界面,直观地展示农业种植环境中的实时监测数据。其由数据采集层、网络传输层和AR客户端层三部分组成,能够通过部署在农业种植环境中的传感器监测环境信息,使用MQTT协议将实时数据上传至服务器,并借助Unity3D和Vuforia SDK,通过增强现实的交互性界面向用户展示实时数据。系统将增强现实技术运用于农业生产,便于种植者更好地监测数据,为智慧农业提供了一种崭新的增强现实方案。

基于WGAN和扩张卷积的符号音乐生成算法

符号音乐生成模型大多采用循环神经网络结构递归生成,生成时随着时间推移顺序处理,存在缺乏空间相关性、并行性差、训练速度慢等问题。针对这些问题本文提出了一种新的音乐生成方法,即在2维空间域中基于Wasserstein距离生成对抗网络与深度卷积神经网络相结合的音乐生成算法,引入扩张卷积增加判别器的卷积核宽度来提取更多的旋律特征,并采用梯度惩罚实现Lipschitz约束,稳定网络训练。实验结果表明,模型有效地学习了音乐数据,生成的音乐符合人类作曲音符分布的自然性,且模型的收敛速度优于其他模型。

基于KL散度的波形对齐算法

针对波形音频复杂多变的特点,提出一种基于欧几里得距离和KL散度(相对熵)音频对齐算法。首先,选取两个波形音频文件开头位置的一部分,通过设置滑动窗口逐步计算欧几里得距离得到两音频的最佳对齐点。再对两音频拆分为多个小文件,通过计算相应的KL散度得到相似度,进而判断是否为原音频文件。算法对于未来阶段的关于基于背景音乐生成主音频的深度学习音频生成研究具有重要意义。