吉训生
- 作品数：74 被引量：376H指数：11
- 供职机构：江南大学物联网工程学院更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划江苏省产学研前瞻性联合研究项目更多>>
- 相关领域：自动化与计算机技术电子电信航空宇航科学技术机械工程更多>>
- 微机械振动陀螺仪正交误差分析被引量：14
- 2006年
- 本文在简要介绍微机械振动陀螺仪工作原理的基础上,分析影响陀螺仪性能的正交误差所产生的原因,推导其内在的数学机理,并探讨抑制或消除正交误差影响的方法和措施。
- 许宜申王寿荣吉训生盛平
- 微机械陀螺信号处理方法的比较研究被引量：1
- 2007年
- 介绍了谱消除法、小波变换和数学形态学滤波三种信号处理方法进行消噪的基本原理,并分别采用这三种方法对微机械陀螺的静态漂移信号和动态仿真信号进行了去噪声处理,对处理前后的信号误差大小及其分布情况以及处理过程的运算量和实时性进行了比较。结果表明,对于静态漂移信号的处理,三种方法的滤波效果大致相当。对于动态信号,数学形态学滤波器的滤波效果比其它两种滤波器的滤波效果要好,并且,数学形态学滤波器具有运算量小,实时性较好的优点,十分易于硬件实现。
- 吉训生王寿荣
- 关键词：小波变换形态学滤波微机械陀螺
- 基于多维神经网络深度特征融合的鸟鸣识别算法被引量：1
- 2022年
- 为了进一步提高夜间迁徙鸟鸣监测的准确率,提出一种基于多维神经网络深度特征融合的鸟鸣识别算法。首先,提取鸟鸣对数尺度的梅尔谱图作为VGG Style模型的训练特征,增强时频谱图的能量分布,通过Mix up数据混合生成虚拟数据以减少模型的过拟合。之后,将预训练的VGG Style作为特征提取器对每一段鸟鸣提取深度特征。鉴于不同维度模型的互补性,该文提出分别使用1维CNN-LSTM、2维VGG Style与3维DenseNet121模型作为特征提取器生成高级特征。对于1维CNN-LSTM,使用小波分解作为池化方法,分别对鸟鸣时、频域进行9层小波分解,生成多层LBP特征以获取更丰富的时频信息。最后,对CNN-LSTM与DenseNet121的全连接层进行优化,减少模型参数,提高实时性。实验结果表明,通过融合多维神经网络的深度特征,使用浅层分类器在含有43种鸟类的CLO-43SD数据集中,获得了93.89%的平衡准确率,相较于最新的Mel-VGG与Subnet-CNN融合模型,平衡准确率提高了7.58%。
- 吉训生江昆谢捷
- 局部自适应加权的逆结构稀疏表示跟踪算法被引量：2
- 2016年
- 传统的稀疏表示跟踪算法直接利用较为简单的灰度特征进行稀疏表示系数计算,易受遮挡、形变等影响。为此,提出一种局部自适应加权算法来增加受遮挡、形变等影响的候选目标与未受遮挡、形变等影响的候选目标之间的区分度。另外,一般稀疏表示算法利用数量较少的目标模板构建过完备字典。无法获得较好的稀疏系数。提出逆稀疏表示算法,利用包含丰富目标特征和背景特征的候选目标构建过完备字典来重构目标模板,相同维度的目标模板条件下可以获得更好的稀疏系数。实验表明,该算法在目标背景差异小或严重遮挡、形变情况下,都能够较好的跟踪目标。
- 吉训生陈赛王荣飞
- 关键词：自适应加权
- DV-Hop辅助的改进蒙特卡罗盒定位算法被引量：2
- 2017年
- 针对无线传感器网络中,以蒙特卡罗为基础的移动传感节点定位算法在定位精度和采样效率方面的不足,提出一种DV-Hop辅助的改进蒙特卡罗盒定位算法.通过利用DV-Hop方法获得节点间的真实距离来建立更加精确的锚盒;引入节点随机运动模型,获得节点真实运动速度来优化采样区域,提高定位精度;根据样本到一跳、两跳锚节点的估计距离和真实距离的差值来动态赋予样本不同的权值,提高采样效率.仿真结果表明,当锚节点和未知节点都移动时,所提出算法的定位精度和采样效率与同等条件下的蒙特卡罗盒算法相比均有所提高.
- 吉训生吴卫
- 关键词：蒙特卡罗定位
- 基于非均匀分簇的WSN双簇头路由算法被引量：8
- 2015年
- 针对无线传感器网络中多跳通信造成的"热区"问题,改进EEUC路由协议,提出基于非均匀分簇的WSN双簇头路由算法。将数据监测区域分为近区与远区,各区域的簇内可产生主副两个簇头,近区的副簇头负责转发数据,以分担主簇头的能耗;远区的副簇头负责采集数据和融合数据,以减少簇内节点通信代价。仿真结果表明,与LEACH和EEUC算法相比,所提算法网络生存期分别延长了22.9%和10.1%,平均能量消耗减少了29.3%和8.6%,有效地均衡了网络负载,延长了网络的生命周期。
- 吉训生贾云龙彭力
- 关键词：无线传感器网络非均匀分簇双簇头能量均衡
- 微机械振动陀螺仪闭环驱动电路分析与设计被引量：10
- 2006年
- 为了提高微机械振动陀螺仪输出信号的灵敏度,通常要求驱动信号频率与陀螺仪驱动模态的谐振频率相匹配,且驱动信号幅值稳定。驱动电压信号要满足这些要求,必须采用闭环驱动方式。完整地推导了闭环驱动电路的内在机理,探讨了自激振荡与锁相环两种实现方式,并给出了具体的电路原理框图。
- 许宜申王寿荣盛平吉训生
- 关键词：自激振荡锁相环
- 基于卷积神经网络的水表读数识别方法被引量：6
- 2020年
- 针对被强噪声污染的小样本水表读数数据集,提出一种基于卷积神经网络(CNN)迁移学习的字符识别方法。在TensorFlow框架下搭建卷积神经网络,将批归一化应用到网络模型的构建中,并对目标函数进行优化来提高网络的性能。通过迁移学习的方法提高小样本数据集的识别率,采用大样本数据集对卷积神经网络的结构参数进行预训练后,共享浅层网络层参数。再利用小样本数据集对深层网络层参数进行训练,实现字符分类。实验结果表明:与传统VGG-16网络相比,所设计网络的识别率提高2.19%,速度提高98.3%,计算复杂度和内存消耗大大降低,为远程自动抄表提供可能。
- 吉训生谭凯凯
- 关键词：图像处理字符识别卷积神经网络
- 基于FPGA的高速数据处理器的实现
- 2004年
- 在自动武器的动态参数测试过程中,对数据处理实时性的要求不断提高。浮点运算是现代数字信号处理中一种非常频繁的操作。本文在讨论浮点加法器电路设计常用算法的基础上,重点介绍了一种低功耗的三数据通道结构。最后,基于 FPGA 在处理数据时的高速和灵活性的特点,给出了该结构的 FPGA 实现及相应的时序仿真。
- 吉训生
- 关键词：浮点加法器FPGA数据通道武器装备
- 基于像素分配的文本检测方法研究
- 2023年
- 针对现有方法在场景文本检测上的不足,提出一种基于像素分配方的场景文本检测方法,并采用了交叉注意力模块和多尺度特征自适应模块来分别在空间和和通道上优化特征提取;为了丰富不同尺度的特征表示,采用多尺度特征自适应模块进行自动分配不同尺度特征的权重;为了有效获取上下文信息,将特征网络提取到的特征送入交叉注意力模块;对每个像素,在其所在的水平路径和垂直路径上收集上下文信息;再通过循环操作,每一个像素便可以在全图范围内获取上下文信息;通过全卷积网络方法,使用多任务学习框架学习文本实例的几何特征,结合多任务学习的结果完成像素到文本框的分配,经过简单处理后重建文本实例的多边形边界框;在任意形状公开数据集Total-text上进行测试,文章方法的召回率、精确率、F值分别为75.71%、89.15%、81.89%,在多方向公开数据集ICDAR2015上也表现良好,经实验得召回率、精确率、F值分别为79.06%、89.24%、83.84%,证明了文章方法的有效性。
- 吉训生喻智徐晓祥
- 关键词：图像处理文本检测
