-
题名基于mMTC技术在智慧电网分布式能源调控的应用
被引量：3
- 1
-
-
作者
林艺
李晓坤
陈虹旭
徐秦成
李菲
孙怡然
-
机构
黑龙江大学
黑龙江恒讯科技有限公司国家博士后科研工作站
-
出处
《电测与仪表》
北大核心
2021年第8期132-138,共7页
-
基金
国家自然科学基金资助项目(81273649,61501132,61672181)
黑龙江省自然科学联合引导基金项目(LH2019F049,LH2019A029)
+5 种基金
黑龙江省基础科研科技创新基金项目(KJCX201805)
黑龙江省基础科研青年创新团队基金项目(RCYJTD201805)
中央高校基本科研业务费专项资金项目(3072019CFT0603)
中国博士后科学基金项目(2019M650069)
中小企业创新基金项目(2017FF1GJ023)
专利优势示范企业基金项目(2017YBQCZ029)。
-
文摘
智慧电网在智慧城市占据核心地位,分布式能源更是智慧电网发展的主要构成。为了保证分布式能源发电与用户用电的安全性以及可靠性,构建一套完整的分布式能源监控网络已成为必然,而传统无线通信技术无法满足海量通信以及远距离传输的需求,此时迫切需要采用另一种安全可信、接入灵活、可实现双向实时交互的通信方式来承载大规模监控设备的接入。由于5G应用场景之一的mMTC拥有更高的频谱效率和海量连通性,因此文章探讨mMTC技术在智慧电网分布式能源调控中的应用,利用该技术支持大规模连接、低功耗及远距离传输的特点,弥补传统技术在连接数量上的不足,破除传统技术在传输距离上的局限,保证了数据传输过程的稳定性,同时为智慧电网中设备检测、信息采集和计量自动化等重要环节,提供了全新智慧电网与物联网技术融合的解决方案。
-
关键词
mMTC
智慧电网
NOMA非正交多址技术
LoRa远距离无线电
CS压缩感知
-
Keywords
mMTC
smart grid
NOMA non-orthogonal multiple access technology
LoRa long-distance radio
CS compression sensing
-
分类号
TN73
[电子电信—电路与系统]
-
-
题名基于深度学习的步态识别方法
被引量：10
- 2
-
-
作者
胡靖雯
李晓坤
陈虹旭
徐秦成
黄逸群
林艺
-
机构
黑龙江大学国际文化教育学院
黑龙江恒讯科技有限公司国家博士后科研工作站
-
出处
《计算机应用》
CSCD
北大核心
2020年第S01期69-73,共5页
-
基金
国家自然科学基金资助项目(81273649,61501132,61672181)
中央高校基本科研业务费专项资金资助项目(3072019CFT0603)
+5 种基金
黑龙江省自然科学联合引导基金资助项目(LH2019F049,LH2019A029)
中国博士后科学基金资助项目(2019M650069)
黑龙江省基础科研科技创新基金资助项目(KJCX201805)
黑龙江省基础科研青年创新团队基金资助项目(RCYJTD201805)
中小企业创新基金资助项目(2017FF1GJ023)
专利优势示范企业基金资助项目(2017YBQCZ029)。
-
文摘
步态识别是一种非侵入性生物识别技术,可用于在监控系统中识别身份。然而协变量因素如视角、服装、携带物等使步态识别性能下降,其中视角是一项具有挑战性的因素。卷积神经网络(CNN)是最先进的机器学习技术之一,具有拟合复杂非线性函数的能力。因此,提出一种基于多层CNN的步态识别方法。该方法使用CNN直接从低级输入原始数据(即步态能量图(GEI)),自主学习步态特征,利用四重损失函数对网络进行端到端的训练。应用上述方法在具有挑战性的CASIA-B数据集上进行步态识别测试。实验结果显示,该方法在单视角和交叉视角的条件下识别精度分别达到93.78%和91.68%,对降低步态识别性能的几种因素具有鲁棒性,在实际应用中具有一定潜力。
-
关键词
步态识别
卷积神经网络
深度学习
交叉视角
步态能量图
-
Keywords
gait recognition
Convolution Neural Network(CNN)
deep learning
cross-view
Gait Energy Image(GEI)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
