罗向龙
- 作品数:32 被引量:174H指数:6
- 供职机构:长安大学信息工程学院更多>>
- 发文基金:陕西省自然科学基金河南省交通厅科技计划项目国家自然科学基金更多>>
- 相关领域:交通运输工程自动化与计算机技术电子电信文化科学更多>>
- 基于广义解调和奇异值分解的时频表示增强被引量:1
- 2010年
- 提出了一种基于广义解调和奇异值分解的时频表示增强算法。该算法利用估计的相位函数对信号进行广义解调,通过奇异值分解对得到的解调信号时频谱进行降噪处理,计算降噪后时频谱的逆变换并进行广义逆解调,重新计算时频谱获得信号增强的时频表示。仿真结果表明,该算法与已有算法相比,时频平面的随机噪声几乎被完全抑制,是一种有效的时频表示增强方法。
- 罗向龙高静怀
- 关键词:奇异值分解时频表示信号增强
- 车-路相互作用的动力荷载研究
- 宋宏勋郭元术焦臣张维峰马荣贵刘万峰杨超杰罗向龙李晗谢朋朋陆伟
- 该项目主要是利用了车辆在路面上行驶时的振动信号来实现路面平整度的检测,为我国的公路建设和养护中的质量控制提供重要参考。同时项目中利用车辆在公路上行驶的声音信号实现了交通流量的估计,为交通管理与控制提供了一定的依据。
- 关键词:
- 关键词:路面平整度波达角
- “信号与系统”课程思政教学改革与探索被引量:11
- 2020年
- 专业课思政教学是课程思政建设最核心和关键的部分,为了贯彻立德树人的根本任务,以信号与系统课程为例,充分挖掘课程教学中的思政元素,从思政教学建设的内容、实施步骤两个方面进行了探索,使专业课与思政教学有效融合,从而充分发挥专业课对学生价值观的引领作用。
- 罗向龙明洋李晗
- 关键词:教学改革
- VLAN技术及其在校园网中的应用被引量:3
- 2002年
- 作为一门新兴的网络技术 ,VL AN的出现使得组网更加灵活和安全 ,减少管理员的工作负担。主要讨论了 VL AN的概念标准、使用价值、划分方法和在校园网中的配置。
- 王淑郭元术罗向龙
- 关键词:VLAN校园网虚拟局域网
- 车辆排队间距对交叉口通行能力的影响被引量:9
- 2009年
- 对交叉口车辆队列的启动离去过程建立运动学方程,研究交叉口等待车辆的车间距与通过时间的相互关系,进一步分析影响交叉口通行能力的其他因素。分析发现:车辆队列的间距过小或过大均可导致交叉口通行能力下降。最后,通过理论分析和仿真试验表明,当间距在4~8 m之间时,可有效降低等待队列长度及车辆通过交叉口的启动延时时间,从而最大可能提高交叉口通行能力。
- 吴潜蛟罗向龙武奇生潘若禹
- 关键词:交通工程运动学方程信号交叉口通行能力
- 一种基于EMD-SVR-WNN的结构沉降变形预测方法
- 本发明公开了一种基于EMD‑SVR‑WNN的结构沉降变形预测方法,包括如下步骤:1)测量实际结构的沉降监测数据,若得到的实际监测数据样本足够大时,则直接对监测数据进行处理;若监测数据样本过小影响数据预测精度时,则对测量得...
- 罗向龙傅攀峰吴向东姚博彬孟雪
- 文献传递
- 时空相关的短时交通流宽度学习预测模型被引量:2
- 2022年
- 针对深度学习预测模型运算大的问题,在充分挖掘交通大数据的时空相关性的基础上,提出了一种基于K-最邻近(K-nearest neighbor,KNN)与宽度学习系统(broad learning system,BLS)相结合的短时交通流预测模型。利用KNN算法筛选与预测路段时空相关性高的K个路段,将选取路段的交通流数据作为BLS模型的输入分别进行预测,对选取不同路段的预测结果进行加权,以均方根误差(root mean square error,RMSE)为最小时对应K值的结果作为最终的预测值。美国加利福尼亚州交通局PeMs交通数据库实测的交通流量数据的测试结果表明,提出的模型相比于ARIMA、WNN、LSTM、KNN-LSTM模型均方根误差平均降低46.56%,运算效率明显提高,是一种有效的短时交通流预测方法。
- 罗向龙郭凰廖聪韩静王立新
- 关键词:交通流预测
- 物联网车路控制教学实验平台
- 本实用新型提供一种物联网车路控制教学实验平台:该实验平台包括RFID标签、RFID读写器、RFID天线、ETC控制计算机以及绘制有跑道的展布,所述展布上设置有智能循迹机器人、栏杆机以及用于引导智能循迹机器人沿跑道移动的循...
- 武奇生罗向龙李晗韦蓝鑫高荣
- 文献传递
- 一种基于时间卷积网络的结构变形预测方法
- 本发明公开了一种基于时间卷积网络的结构变形预测方法,包括以下步骤:1)测量结构的实际变形监测数据,进行插值和归一化等预处理;2)对步骤1)处理后的结构的变形监测数据进行特征提取,通过时间卷积网络来充分挖掘时间序列的内部特...
- 罗向龙甘文娟陈永红
- 基于门控宽度模型的结构监测数据预测
- 2024年
- 随着信息技术的不断发展,机器学习在结构自动化监测中的应用逐渐增长。数据分析与预测作为结构自动化监测的重要一环,是保障结构安全的关键。针对目前结构监测数据预测方法未充分挖掘数据特征和运算时间冗长的问题,提出了一种基于门控宽度模型(gated broad learning system,G-BLS)监测数据预测模型。G-BLS在BLS特征节点增加遗忘门和循环反馈门机制,能够控制特征节点提取相关性高的信息。与深度模型相比,G-BLS模型网络结构简单,在保证预测精度的同时大大减少了模型训练时间。实测的地铁基坑沉降数据测试结果表明,G-BLS可有效实现预测监测数据的可靠性与实时性,是一种精准快速的结构监测数据预测方法。
- 王立新王亚飞杨佳宇李储军李储军汪珂
- 关键词:数据预测