针对gPhone连续重力仪漂移修正困难的情况,收集2019年1月—2024年5月云龙地震台gPhone连续重力仪观测数据,采用流动重力数据控制的方法进行漂移修正,并与目前常用的小波滤波和多项式拟合修正方法进行比较,修正后的结果显示:①5.4 a累计...针对gPhone连续重力仪漂移修正困难的情况,收集2019年1月—2024年5月云龙地震台gPhone连续重力仪观测数据,采用流动重力数据控制的方法进行漂移修正,并与目前常用的小波滤波和多项式拟合修正方法进行比较,修正后的结果显示:①5.4 a累计变化量从约1374×10-8 m/s 2降至69×10-8 m/s 2;②漂移修正结果与5阶多项式修正结果相似;③模型评价结果优于其他2种方法;④残差分布与5阶多项式修正结果接近。展开更多
随着人们对人数统计需求的不断增长,基于信道状态信息(channel state information,CSI)的人流量监测技术因其易于部署、保护隐私和适用性强等优势而备受关注.然而,在现有的人流量监测工作中,人数识别的准确率容易受到人群密集程度的影响...随着人们对人数统计需求的不断增长,基于信道状态信息(channel state information,CSI)的人流量监测技术因其易于部署、保护隐私和适用性强等优势而备受关注.然而,在现有的人流量监测工作中,人数识别的准确率容易受到人群密集程度的影响.为了保证监测精度,通常只能在人群稀疏的情况下进行监测,这导致了基于CSI的人流量监测技术缺乏实用性.为了解决这一问题,提出了一种能够识别连续性人流的监测方法.该方法首先利用解卷绕和线性相位校正算法,对原始数据进行相位补偿并消除随机相位偏移;然后通过标准差和方差提取连续性人流数据中的有效数据包;最后将时域上的相位差信息作为特征信号输入到深度学习的CLDNN(convolutional,long short-term memory,deep neural network)中进行人数识别.经过实验测试,该方法在前后排行人距离不小于1 m的情况下,分别实现了室外96.7%和室内94.1%的准确率,优于现有的人流量监测方法.展开更多
文摘针对gPhone连续重力仪漂移修正困难的情况,收集2019年1月—2024年5月云龙地震台gPhone连续重力仪观测数据,采用流动重力数据控制的方法进行漂移修正,并与目前常用的小波滤波和多项式拟合修正方法进行比较,修正后的结果显示:①5.4 a累计变化量从约1374×10-8 m/s 2降至69×10-8 m/s 2;②漂移修正结果与5阶多项式修正结果相似;③模型评价结果优于其他2种方法;④残差分布与5阶多项式修正结果接近。
