-
题名蒸汽供暖加湿回流综合利用系统研究
- 1
-
-
作者
张庆
朱永英
何远晴
张桃
扶明
-
机构
大连海洋大学海洋与土木工程学院
-
出处
《山西建筑》
2016年第16期120-121,共2页
-
基金
2015年辽宁省大学生创新创业训练计划项目
-
文摘
针对工矿企业大量清洁蒸汽浪费的现象,建立了一套蒸汽供暖加湿回流综合利用系统,详细介绍了其设计原理及设计中的几个关键问题,并指出了该系统的创新特色,以期通过系统的开发及推广应用,提高蒸汽资源的利用率。
-
关键词
蒸汽
冷凝水
回收利用
供暖
-
Keywords
steam
condensate water
recycle and reuse
heating
-
分类号
TU833
[建筑科学—供热、供燃气、通风及空调工程]
-
-
题名基于深度卷积神经网络的慢动目标检测
被引量:5
- 2
-
-
作者
扶明
郑霖
杨超
黄凤青
符杰林
王俊义
-
机构
桂林电子科技大学广西无线宽带通信与信号处理重点实验室
-
出处
《传感器与微系统》
CSCD
北大核心
2022年第2期111-114,共4页
-
基金
国家自然科学基金资助项目(61571143,61761014)
广西重点研究计划资助项目(Guike AB18126030)
广西自然科学基金资助项目(2019JJA170044)。
-
文摘
针对强杂波背景下慢速运动目标检测性能不足的问题,设计了一种基于深度卷积神经网络(DCNN)的目标检测方法。主要将雷达回波信号距离—多普勒谱作为输入,送入设计的DCNN中,通过学习回波信号中杂波特征,并隐含的去除回波信号中目标成分,得到回波信号的残差谱。然后利用残差谱与回波信号R-D谱进行背景对消以抑制杂波,进而实现对回波信号中运动目标的检测。由于该方法通过学习杂波特性进而进行目标检测,因此适用于未知杂波模型的场景,避免了假设的模型与实际环境不符合的问题。实验验证:该方法相比于传统的杂波抑制目标检测方法,具有较好的性能表现。
-
关键词
目标检测
深度学习
卷积神经网络
背景对消
残差学习
-
Keywords
target detection
deep learning
convolutional neural network(CNN)
background subtraction
residual learning
-
分类号
TN953
[电子电信—信号与信息处理]
-
-
题名后配额时代自由贸易下的利益之争
- 3
-
-
作者
钱文杰
扶明
-
机构
《WTO经济导刊》记者
-
出处
《WTO经济导刊》
2004年第5期42-44,共3页
-
文摘
尽管美国会采取中美纺织品特别保障条例中对中国产生影响的特别保障措施,但反倾销至今还是最主要的贸易救济手段。目前是中已成为全球反倾销案的第一目标,2001年针对中国的反倾销案有48例。
-
关键词
关税配额
自由贸易
中国
纺织品
服装产品
反倾销
美国
贸易保护主义
特别限制措施
产业利益
-
分类号
F752.658
[经济管理—国际贸易]
F752.771.2
[经济管理—国际贸易]
-
-
题名基于深度卷积自编码器的短距慢动目标检测
被引量:2
- 4
-
-
作者
扶明
郑霖
杨超
黄凤青
邓小芳
刘争红
-
机构
桂林电子科技大学广西无线宽带通信与信号处理重点实验室
通信网信息传输与分发技术重点实验室
-
出处
《电光与控制》
CSCD
北大核心
2021年第3期1-6,共6页
-
基金
国家自然科学基金(61571143,61761014)
广西重点研究计划(Guike AB18126030)。
-
文摘
针对目标雷达散射截面积(RCS)较小、杂波和噪声严重环境下短距离慢动目标难以检测的问题,设计了一种具有跳跃连接结构的双通道卷积自编码器的目标检测方法。该方法以时频谱作为输入,送入设计的卷积自编码器模型中,网络采用IQ双通道结构以提取目标回波的幅度和相位特征,并在中间层实现特征融合。考虑到在时频谱上目标尺度小,网络中还设计了跳跃连接结构将网络顶层与底层跳跃连接以增强目标信号在解码器中的恢复,这种结构还有利于缓解深度网络带来的梯度消散问题,使网络在端对端训练时更加高效。实验证明,相比于传统方法,该方法在杂波和噪声严重的条件下可以获得更好的慢动目标检测效果。
-
关键词
目标检测
慢速运动目标
深度卷积自编码器
特征融合
残差网络
-
Keywords
target detection
slow moving target
deep convolutional auto-encoder
feature fusion
residual network
-
分类号
TN953
[电子电信—信号与信息处理]
-
-
题名基于K-均值聚类的SVD杂波抑制算法
被引量:1
- 5
-
-
作者
黄凤青
郑霖
杨超
刘争红
邓小芳
扶明
-
机构
桂林电子科技大学广西无线宽带通信与信号处理重点实验室
-
出处
《雷达科学与技术》
北大核心
2020年第6期611-617,共7页
-
基金
国家自然科学基金(No.61571143,61761014)
广西重点研发计划项目(No.桂科AB18126030)
广西自然科学基金(No.2019JJA170044)。
-
文摘
针对强地物静止杂波及慢速杂波严重环境下,慢速运动目标被淹没其中而无法有效检测的问题,本文设计了一种基于K-均值聚类的SVD杂波抑制方法。该方法对回波信号矩阵进行奇异值分解,依据回波信号特性,得到相应的奇异值谱分布,以及奇异向量的空间相关性和平均多普勒频率三个统计量特征,然后基于这些特征采用K-均值聚类算法对各奇异分量进行聚类,无需人为设定阈值参数估计杂波基,可以自适应确定杂波子空间所对应的奇异向量,最后通过正交子空间投影来抑制回波信号中的杂波成分。实验结果表明,该方法在低信杂比条件下相比于传统子空间方法,能够得到较好杂波抑制效果。
-
关键词
杂波抑制
奇异值分解
K-均值聚类
慢速运动目标检测
-
Keywords
clutter suppression
singular value decomposition(SVD)
K-means clustering
slow-moving target detection
-
分类号
TN957.51
[电子电信—信号与信息处理]
-