声强技术在发动机噪声源识别中的应用

下面是小编帮大家整理的声强技术在发动机噪声源识别中的应用，本文共10篇，欢迎阅读，希望大家能够喜欢。本文原稿由网友“比奇堡神秘大厨”提供。

篇1：声强技术在发动机噪声源识别中的应用

声强技术在发动机噪声源识别中的应用

本文介绍了声强测量技术的基本原理,将声强技术与其它发动机噪声源识别技术相比较,并用于发动机噪声源识别中,为发动机的进一步降噪提供了依据.

作 者：侯艳芳 靳晓雄 韩国华 张凯  作者单位：侯艳芳(同济大学汽车学院;同济大学电信学院,04)

靳晓雄,韩国华(同济大学汽车学院)

张凯(常熟理工学院机械工程学院,215500)

刊 名：中国科技信息 英文刊名：CHINA SCIENCE AND TECHNOLOGY INFORMATION 年，卷(期)： “”(3) 分类号：U4 关键词：声强   声源识别   发动机  

篇2：CG125发动机动力响应分析及噪声源识别

CG125发动机动力响应分析及噪声源识别

发动机的振动通过缸体、缸盖罩和曲轴箱及侧盖向外辐射噪声,为此对CG125发动机进行了动态响应分析、噪声测量及噪声源识别实验.经实验验证,发动机箱体具有很好的'动强度,找到了发动机表面结构对整个发动机辐射噪声影响较大的位置,有限元计算结果与噪声源识别结果一致,为改进CG125发动机的声品质提供了可靠依据.

作 者：高媛媛 王韬 刘焕领 王贵富 Gao Yuanyuan Wang Tao Liu Huanling Wang Guifu  作者单位：高媛媛,王韬,刘焕领,Gao Yuanyuan,Wang Tao,Liu Huanling(天津大学,天津内燃机研究所)

王贵富,Wang Guifu(五羊一本田摩托(广州)有限公司)

刊 名：摩托车技术 英文刊名：MOTORCYCLE TECHNOLOGY 年，卷(期)： “”(7) 分类号：U4 关键词：CG125发动机   动力响应分析   噪声源识别  

篇3：虚拟仪器技术在发动机油耗测试中的应用

虚拟仪器技术在发动机油耗测试中的应用

针对传统油耗测试仪器存在的`问题,基于虚拟仪器技术用失重法原理设计了发动机油耗测试系统,系统由凌华IPC610工控机、DAQ2214多功能数据采集运动控制卡,调理电路、称重传感器、油箱、电磁阀及各路油管等组成,用LabVIEW进行软件设计.该系统可与电涡流测功机测控系统有机结合,形成发动机测控系统.

作 者：赖建生 孔凡静 Lai Jiansheng Kong Fanjing  作者单位：赖建生,Lai Jiansheng(北京理工大学珠海学院,519085)

孔凡静,Kong Fanjing(珠海市第三中等职业学校,519070)

刊 名：中国科技信息 英文刊名：CHINA SCIENCE AND TECHNOLOGY INFORMATION 年，卷(期)：2009 “”(16) 分类号：U4 关键词：虚拟仪器   发动机油耗   失重LabVIEW   virtual instrumentation   engine fuel consumption   weight-loss   LabVIEW  

篇4：表面技术在发动机缸体修复中的应用

表面技术在发动机缸体修复中的应用

本文以发动机缸体修复的实例出发,介绍表面技术中的.电刷镀、电弧喷涂技术的工艺、方法、特点以及在发动机缸体修复中的应用.提出了发展表面技术在修复农机零件的可行性及其深远意义.

作 者：王洪涛 于志刚 高威  作者单位：黑龙江省农业机械维修研究所 刊 名：农机使用与维修 英文刊名：FARM MACHINERY USING & MAINTENANCE 年，卷(期)： “”(2) 分类号：S2 关键词：表面技术   电刷镀   电弧喷涂   缸体   主轴承座孔  

篇5：铁谱技术及其在发动机监控中的应用

铁谱技术及其在发动机监控中的应用

由于航空发动机作为飞机动力装置,要求高推重比、低燃油消耗率、长时间的使用寿命,使得保证发动机良好的工作状态和各系统参数的.正常变得非常重要.据统计,与航空发动机相关的重大飞行事故占机械原因飞行事故的40%左右.在发动机工作过程中,对发动机的一些参数及系统的工作情况进行监控,是保证发动机正常工作的重要手段之一.

作 者：罗俊 何立明 陈超  作者单位：西安空军工程大学工程学院 刊 名：航空维修与工程  PKU英文刊名：AVIATION MAINTENANCE & ENGINEERING 年，卷(期)： “”(3) 分类号：V2 关键词： 

篇6：基于HMM的语音识别技术在嵌入式系统中的应用

基于HMM的语音识别技术在嵌入式系统中的应用

摘要：介绍语音识别技术在嵌入式系统中的应用状况与发展，以及在嵌入式系统中使用HMM语音识别算法的优点，并对基于HMM语音识别技术的系统进行介绍。

关键词：SoC芯片 HMM 语音识别 嵌入式系统

语音识别ASR（Automatic Speech Recognition）系统的实用化研究是近十年语音识别研究的一个主要方向。近年来，消费类电子产品对低成本、高稳健性的语音识别片上系统的需求快速增加，语音识别系统大量地从实验室的PC平台转移到嵌入式设备中。

语音识别技术目前在嵌入式系统中的应用主要为语音命令控制，它使得原本需要手工操作的工作用语音就可以方便地完成。语音命令控制可广泛用于家电语音遥控、玩具、智能仪器及移动电话等便携设备中。使用语音作为人机交互的途径对于使用者来说是最自然的一种方式，同时设备的小型化也要求省略键盘以节省体积。

嵌入式设备通常针对特定应用而设计，只需要对几十个词的命令进行识别，属于小词汇量语音识别系统。因此在语音识别技术的要求不在于大词汇量和连续语音识别，而在于识别的准确性与稳健性。

对于嵌入式系统而言，还有许多其它因素需要考虑。首先是成本，由于成本的限制，一般使用定点DSP，有时甚至只能考虑使用MPU，这意味着算法的复杂度受到限制；其次，嵌入式系统对体积有严格的限制，这就需要一个高度集成的硬件平台，因此，SoC（System on Chip）开始在语音识别领域崭露头角。SoC结构的嵌入式系统大大减少了芯片数量，能够提供高集成度和相对低成本的解决方案，同时也使得系统的可靠性大为提高。

语音识别片上系统是系统级的集成芯片。它不只是把功能复杂的若干个数字逻辑电路放入同一个芯片，做成一个完整的单片数字系统，而且在芯片中还应包括其它类型的电子功能器件，如模拟器件（如ADC/DAC）和存储器。

笔者使用SoC芯片实现了一个稳定、可靠、高性能的嵌入式语音识别系统。包括一套全定点的DHMM和CHMM嵌入式语音识别算法和硬件系统。

(本网网收集整理)

1 硬件平台

本识别系统是在与Infineon公司合作开发的芯片UniSpeech上实现的。UniSpeech芯片是为语音信号处理开发的专用芯片，采用0.18μm工艺生产。它将双核（DSP+MCU）、存储器、模拟处理单元（ADC与DAC）集成在一个芯片中，构成了一种语音处理SoC芯片。这种芯片的设计思想主要是为语音识别和语音压缩编码领域提供一个低成本、高可靠性的硬件平台。

该芯片为语音识别算法提供了相应的存储量和运算能力。包括一个内存控制单元MMU（Memory Management Unit）和104KB的片上RAM。其DSP核为16位定点DSP，运算速度可达到约100MIPS.MCU核是8位增强型8051，每两个时钟周期为一个指令周期，其时钟频率可达到50MHz。

UniSpeech芯片集成了2路8kHz采样12bit精度的ADC和2路8kHz采样11bit的DAC，采样后的数据在芯片内部均按16bit格式保存和处理。对于语音识别领域，这样精度的ADC/DAC已经可以满足应用。ADC/DAC既可以由MCU核控制，也可以由DSP核控制。

2 嵌入式语音识别系统比较

以下就目前基于整词模型的语音识别的主要技术作一比较。

（1）基于DTW（Dynamic Time Warping）和模拟匹配技术的语音识别系统。目前，许多移动电话可以提供简单的语音识别功能，几乎都是甚至DTM和模板匹配技术。

DTW和模板匹配技术直接利用提取的语音特征作为模板，能较好地实现孤立词识别。由于DTW模版匹配的运算量不大，并且限于小词表，一般的应用领域孤立数码、简单命令集、地名或人名集的语音识别。为减少运算量大多数使用的特征是LPCC（Linear Predictive Cepstrum Coefficient）运算。

DTW和模板匹配技术的缺点是只对特定人语音识别有较好的识别性能，并且在使用前需要对所有词条进行训练。这一应用从20世纪90年代就进入成熟期。目前的努力方向是进一步降低成本、提高稳健性（采用双模板）和抗噪性能。

（2）基于隐含马尔科夫模型HMM（Hidden Markov Model）的识别算法。这是Rabiner等人在20世纪80年代引入语音识别领域的一种语音识别算法。该算法通过对大量语音数据进行数据统计，建立识别条的统计模型，然后从待识别语音中提取特征，与这些模型匹配，通过比较匹配分数以获得识别结果。通过大量的语音，就能够获得一个稳健的统计模型，能够适应实际语音中的各种突发情况。因此，HMM算法具有良好的识别性能和抗噪性能。

基于HMM技术的识别系统可用于非特定人，不需要用户事先训练。它的缺点在于统计模型的建立需要依赖一个较大的语音库。这在实际工作中占有很大的工作量。且模型所需要的存储量和匹配计算（包括特征矢量的输出概率计算）的运算量相对较大，通常需要具有一定容量SRAM的DSP才能完成。

在嵌入式语音识别系统中，由于成本和算法复杂度的限制，HMM算法特别CHMM（Continuous density HMM）算法尚未得到广泛的应用。

（3）人工神经网络ANN（Artificial Neural Network）。ANN在语音识别领域的应用是在20世纪80年代中后期发展起来的。其思想是用大量简单的处理单元并行连接构成一种信息处理系统。这种系统可以进行自我更新，且有高度的并行处理及容错能力，因而在认知任务中非常吸引人。但是ANN相对于模式匹配而言，在反映语音的动态特性上存在重大缺陷。单独使用ANN的系统识别性能不高，所以目前ANN通常在多阶段识别中与HMM算法配合使用。

3 基于HMM的语音识别系统

下面详细介绍基于HMM的语音识别系统。首先在UniSpeech芯片上实现了基于DHMM的识别系统，然后又在同一平台上实现了基于CHMM的识别系统。

3.1 前端处理

语音的前端处理主要包括对语音的采样、A/D变换、分帧、特片提取和端点检测。

模拟语音信号的数字化由A/D变换器实现。ADC集成在片内，它的采样频率固定为8kHz。

特征提取基于语音帧，即将语音信号分为有重叠的若干帧，对每一帧提取一次语音特片。由于语音特征的短时平稳性，帧长一般选取20ms左右。在分帧时，前一帧和后一帧的一部分是重叠的，用来体现相邻两帧数据之间的相关性，通常帧移为帧长的1/2。对于本片上系统，为了方便做FFT，采用的帧长为256点（32ms），帧移为128点（16ms）。

特征的选择需要综合考虑存储量的限制和识别性能的要求。在DHMM系统中，使用24维特征矢量，包括12维MFCC（Mel Frequency Cepstrum Coefficient）和12维一阶差分MFCC；在CHMM系统中，在DHMM系统的'基础上增加了归一化能量、一阶差分能量和二阶差分能量3维特征，构成27维特征矢量。对MFCC和能量分别使用了倒谱均值减CMS（Cepstrum Mean Subtraction）和能量归一化ENM（Energy Normalization）的处理方法提高特征的稳健性。

3.2 声学模型

在HMM模型中，首先定义了一系列有限的状态S1…SN，系统在每一个离散时刻n只能处在这些状态当中的某一个Xn。在时间起点n=0时刻，系统依初始概率矢量π处在某一个状态中，即：

πi=P{X0=Si},i=1..N

以后的每一个时刻n，系统所处的状态Xn仅与前一时刻系统的状态有关，并且依转移概率矩阵A跳转，即：

系统在任何时刻n所处的状态Xn隐藏在系统内部，并不为外界所见，外界只能得到系统在该状态下提供的一个Rq空间随机观察矢量On。On的分布B称为输出概率矩阵，只取决于Xn所处状态：

Pxn=Si{On}=P{On|Si}

因为该系统的状态不为外界所见，因此称之为“稳含马尔科夫模型”，简称HMM。

在识别中使用的随机观察矢量就是从信号中提取的特征矢量。按照随机矢量Qn的概率分布形时，其概率密度函数一般使用混合高斯分布拟合。

其中，M为使用的混合高斯分布的阶数，Cm为各阶高期分布的加权系数。此时的HMM模型为连续HMM模型（Continuous density HMM），简称CHMM模型。在本识别系统中，采用整词模型，每个词条7个状态同，包括首尾各一个静音状态；每个状态使用7阶混合高斯分布拟合。CHMM识别流程如图1所示。

由于CHMM模型的复杂性，也可以假定On的分布是离散的。通常采用分裂式K-Mean算法得到码本，然后对提取的特征矢量根据码本做一次矢量量化VQ（Vector Quantization）。这样特征矢量的概率分布上就简化为一个离散的概率分布矩阵，此时的HMM模型称为离散HMM模型（Discrete density HMM），简称DHMM模型。本DHMM识别系统使用的码本大小为128。DHMM识别流程如图2所示。

DHMM虽然增加了矢量量化这一步骤，但是由于简化了模型的复杂度，从而减少了占用计算量最大的匹配计算。当然，这是以牺牲一定的识别性能为代价。

笔者先后自己的硬件平台上完成了基于DHMM和CHMM的识别系统。通过比较发现，对于嵌入式平台而言，实现CHMM识别系统的关键在于芯片有足够运算太多的增加。因为词条模型存储在ROM中，在匹配计算时是按条读取的。

3.3 识别性能

笔者使用自己的识别算法分别对11词的汉语数码和一个59词的命令词集作了实际识别测试，识别率非常令人满意，如表1所示。

表1 汉语数码识别率

DHMMCHMM特征矢量维数2427识别率93.40%98.28%识别速度（11词）10ms50ms模型大小（1个词条）1.5KB<5.5KB码本6KB无

对于59词命令词集的识别，还增加了静音模型。由于基线的识别率已经很高，所以静音模型的加入对于识别率的进一步提高作用不大，如表2所示。但静音模型的加入可以降低对端点判断的依赖。这在实际使用中对系统的稳健性有很大的提高。

表2 59词命令词集识别率

浮  点定  点无静音模型98.59%98.28%有静音模型98.83%98.55%

可以看到，在硬件能够支持的情况下，CHMM的识别率比DHMM有很大的提高，同时识别速度也完全可以满足使用要求。

目前嵌入式语音识别领域使用HMM模型的还比较少，使用通常限于DHMM。由于集成电路制造技术的发展，目前主流DSP都可以提供100MIPS以上的运算速度，完全可以满足CHMM对计算能力的要求。

笔者在使用SoC芯片的硬件平台上实现了DHMM和CHMM算法。其中定点CHMM语音识别算法在16位定点DSP硬件平台上达到很高的识别率，同时系统资源消耗也比较合理，安全可以替代DHMM算法。非常适合50词以内的命令词识别。以上算法已经在芯片上实现，该方案在家电语音遥控、玩具、PDA、智能仪器以及移动电话等领域内有非常好的应用前景。

篇7：基于HMM的语音识别技术在嵌入式系统中的应用

基于HMM的语音识别技术在嵌入式系统中的应用

摘要：介绍语音识别技术在嵌入式系统中的应用状况与发展，以及在嵌入式系统中使用HMM语音识别算法的优点，并对基于HMM语音识别技术的系统进行介绍。

关键词：SoC芯片 HMM 语音识别 嵌入式系统

语音识别ASR（Automatic Speech Recognition）系统的实用化研究是近十年语音识别研究的一个主要方向。近年来，消费类电子产品对低成本、高稳健性的'语音识别片上系统的需求快速增加，语音识别系统大量地从实验室的PC平台转移到嵌入式设备中。

语音识别技术目前在嵌入式系统中的应用主要为语音命令控制，它使得原本需要手工操作的工作用语音就可以方便地完成。语音命令控制可广泛用于家电语音遥控、玩具、智能仪器及移动电话等便携设备中。使用语音作为人机交互的途径对于使用者来说是最自然的一种方式，同时设备的小型化也要求省略键盘以节省体积。

嵌入式设备通常针对特定应用而设计，只需要对几十个词的命令进行识别，属于小词汇量语音识别系统。因此在语音识别技术的要求不在于大词汇量和连续语音识别，而在于识别的准确性与稳健性。

对于嵌入式系统而言，还有许多其它因素需要考虑。首先是成本，由于成本的限制，一般使用定点DSP，有时甚至只能考虑使用MPU，这意味着算法的复杂度受到限制；其次，嵌入式系统对体积有严格的限制，这就需要一个高度集成的硬件平台，因此，SoC（System on Chip）开始在语音识别领域崭露头角。SoC结构的嵌入式系统大大减少了芯片数量，能够提供高集成度和相对低成本的解决方案，同时也使得系统的可靠性大为提高。

语音识别片上系统是系统级的集成芯片。它不只是把功能复杂的若干个数字逻辑电路放入同一个芯片，做成一个完整的单片数字系统，而且在芯片中还应包括其它类型的电子功能器件，如模拟器件（如ADC/DAC）和存储器。

笔者使用SoC芯片实现了一个稳定、可靠、高性能的嵌入式语音识别系统。包括一套全定点的DHMM和CHMM嵌入式语音识别算法和硬件系统。

1 硬件平台

本识别系统是在与Infineon公司合作开发的芯片UniSpeech上实现的。UniSpeech芯片是为语音信号处理开发的专用芯片，采用0.18μm工艺生产。它将双核（DSP+MCU）、存储器、模拟处理单元（ADC与DAC）集成在一个芯片中，构成了一种语音处理SoC芯片。这种芯片的设计思想主要是为语音识别和语音压缩编码领域提供一个低成本、高可靠性的硬件平台。

该芯片为语音识别算法提供了相应的存储量和运算能力。包括一个内存控制单元MMU（Memory Management Unit）和104KB的片上RAM。其DSP核为16位

[1] [2] [3] [4] [5]

篇8：人脸识别技术在公共安全领域的应用浅析

人脸识别技术在公共安全领域的应用浅析

沈鑫

当前，随着城市化进程的加速，各地城市人口的流动性加速，人口构成成分越来越复杂。在新形势下，城市公共安全领域的人员安全防范与管理面临着巨大的挑战。各个地市虽然已经建成或将要建设大量的视频监控系统，但通过人工的方式去监控、检索、查找关注目标人员的相关信息，受人的注意力、观察力和主观判断力等因素的影响，难免疏漏。因此，如何依托科技实现从海量视频资源信息中，发现有价值的信息；在公共安全领域中智能、高效、快速实现人员相关信息的采集、捕捉与处理的需求巨大。所以急需加强人员管理相关理念和处理技术的创新，将海量视频资源中包含的各类人员信息资源提取出来，与公共安全领域相关的业务信息相结合，构建专业化的智能人脸信息处理系统，有效保障社会公共安全秩序，提升公共安全服务能力。

基于“深度学习”和“计算机视觉”等AI技术的人脸识别算法，有着很好的人脸动态捕捉和匹配识别能力，准确度也越来越高，目前已经在金融支付、考勤管理、安全认证、治安管理、刑侦办案等领域得到了应用。

公共安全领域有着丰富的资源和强劲的人脸识别业务应用需求。通过遍布于城市各个车站、码头、旅馆、二手市场、网吧等场所的摄像机，采用人脸识别技术，实现过往人员的非接触式捕捉、识别与监控。同时，通过系统共享人像库信息，加强跨警种、跨部门的人员信息资源的整合和综合利用。有效地了提升公共安全领域中特殊人群监控、恐怖分子布防、涉案人员追逃等人员的追踪能力，对社会治安管理、刑侦分析、反恐维稳起到了积极的作用。

人脸识别分析技术应用到公共安全领域，将成为保护人民财产安全、强化社会治安、维护社会稳定的又一科技利剑，在提升公共安全应用科技含量和业务处理效率的同时，将产生巨大的经济价值和社会价值。

在公安行业业务应用中，贴合公安实战需求，人脸识别技术可以实现多种应用。

1.人像信息资源管理

目前公安机关已建立人口信息系统、出租屋及流动人口信息系统（居住证系统）、情报系统、警综系统、在逃人员系统、旅业系统、出入境管理系统等，有大量的人员基本信息及照片，因此可根据常住人口、流动人口、重点人员、在逃人员的基本信息及照片，组建相应的人像基础数据库，为开展公安人像智能识别业务应用、深化人像治安行政管理、精确打击犯罪和情报分析研判，提供数据支撑。

2.布控人员实时监控检测

针对在逃人员、涉案人员、黑名单人员等布控人员，构建基于实时视频的实时抓拍照片比对检测服务，实现布控人员的实时报警。

目前城市主要干道、重点管理区域及公共场所已经建立了大量的视频监控终端，通过对干道卡口、重点监管区域及公共场所中的各类视频信息进行分析处理，提供视频人像信息的采集捕获抓图，同时与重点布防布控人像信息库实时比对，对比中人像进行实时报警提醒。

3.身份查重、清理

构建针对户籍及身份证件信息查重、核实、清理服务，查找多重身份人员。

查重主要是指对大量的人口身份信息进行检索以发现是否存在“同人不同身份”及“同身份不同人”的情况，以协助人口业务部门进行数据清理整顿。基于构建的人像资料信息库，通过N:N查重比对，一次性完成常住人口存量数据的库内查重比对，生成非单一身份照片比对信息，在此基础上进一步清查，对户籍等证件信息及相片数据质量存在的历史问题进行全面摸排和清理。

4.人员库碰撞比对

构建多个人员信息库碰撞比对分析处理服务，分析查找在逃人员。

目前人员流动性大，部分涉案在逃人员跨区域流窜作案。通过将重点布控人员信息库与常驻人口库、流动人口库等人像数据信息进行比对，批量碰撞，挖掘“漂白”身份的重点人员等线索信息，提交有关部门进行调查、抓捕，以震慑犯罪人员，降低社会治安安全隐患。

5.真实身份核实

构建可疑人员、嫌疑人员的真实身份核实服务，查找在逃人员、重点关注人员及有前科人员等。

在治安办案、户籍核查等业务处理中，针对没有证件、提供身份信息可疑、行迹可疑人员，通过人像比对认证，将人像图片与人像资源信息库比对，确定其在库真实身份，挖掘出更换身份信息的在逃人员、犯罪嫌疑人员、重点监控人员和犯罪前科人员等，从结果中进一步核查出可能的真实身份以及涉嫌身份线索。

6.办证人员身份查验

针对办理户口、身份证或居住证的'人员，将办理信息与现有人口身份数据进行比对检索，以确认该人员身份是否唯一，有效发现、解决和防止双重户口和虚假户口等问题。

7.移动警务人员核查

当公安民警、便衣在值勤时，凭职业敏锐的感觉发现可疑人员，使用警用PDA让该人员协助拍照，通过内网传输到人库中心做比对，再把此人的比对结果快速返回，从而了解此人是否为犯罪嫌疑人以及确认其真实身份，提高打击犯罪力度，震慑不法人员。

8.涉案人员取证查找

嫌疑人身份核实：当一个案犯或者嫌疑人被抓获而拒不交代身份或提供假身份信息时，可以用人像识别技术自动识别出他的身份；侦查人员发现正在办理的几个案件的嫌疑人（有几张图片，图片上的人外观有差异）看上去又像是同一个人，但又不能确定，通过人像应用平台得到鉴别的结果，判断是否是同一个人。

录像回放调查取证：在侦查办案时，利用人像识别技术对视频的监控系统中的视频录像进行回放比对，检索并自动发现犯罪嫌疑人，减轻人工负担，提高调查取证的工作效率。

9.维稳处突

在处置群体性事件中，通过相机、手机、摄像机抓拍人像或天网高清探头拍摄人像等方式，依托人像识别系统快速核查特定人员真实身份，准确掌握组织者、骨干人员和参与人员的基本情况、真实身份，为公安机关现场采取敲打、震慑、抓捕等措施发挥直接作用，为妥善处置群体性事件提供有力支撑。

10.大型活动安保

在大型活动或重要会议现场安保工作中，通过提前建立特定人员人像资料库，现场架设移动便携式人像比对设备，依托摄像头采集面部特征，实时核实入场人员真实身份，实现准入人员的无干扰通过。

东方网力人脸识别技术源于深网视界，利用深度学习技术研究人脸识别算法，建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据。利用这种无监督学习，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。这样，我们可以通过这种深度学习方法，不断提高人脸识别的能力。

在应用方面，东方网力依托在公安行业十余年的研究，已经对公安行业的业务非常熟悉，因此人脸识别应用也在不断贴合公安用户的实际业务开发。目前人脸识别已经可以进行人脸的动态布控、静态检索、轨迹碰撞分析、人脸1:1,Mac地址碰撞等应用。

人脸识别在未来的发展是极具潜力的。这些年来我国经济发展日新月异，政府各部门对利用新技术解决关键问题热情支持。人脸识别技术广泛应用到电子护照、生物特征身份证、银行系统、公安系统、电子商务、电子政务等系统中，不但可以提高社会运行的效率，也可以大大增强公民日常生活的安全性。这将是一件功在当代、利在千秋的好事。

发展人脸识别技术离不开标准化工作。目前人脸识别标准化工作在公安部一所、电子技术标准研究所和中科院自动化所的倡导下，正在积极进行。这个工作不仅为规范国内技术产品提供标准化规范，也将为中国技术进入国际提供平台。目前，人脸识别技术的应用还没有做到“普及”,但是不可否认，它已经在开始影响公安业务。一旦人脸识别得以推广，发展前景将不可估量。届时，人脸识别技术本身的发展和应用效果还将有更大的提升，那将为公安用户侦破案件、社会维稳等做出更大的贡献。

篇9：载荷识别技术在火箭推力偏心测试中的应用

载荷识别技术在火箭推力偏心测试中的应用

目的研究将载荷识别技术应用于火箭发动机推力偏心测试,用载荷识别方法提高推力偏心测试精度.方法推导火箭发动机推力载荷识别的基本关系式,对推力偏心测试装置进行动态特性测试,获取其动态传递函数矩阵,用推力偏心测试得到的`响应数据反求火箭发动机推力载荷.结果获得了某火箭发动机的推力偏心距和推力偏心角数据.结论载荷识别技术应用于火箭发动机推力偏心测试,方法简单,数据处理可靠.

作 者：孔炜 冯顺山 朱春梅 Kong Wei Feng Shunshan Zhu Chunmei  作者单位：孔炜,冯顺山,Kong Wei,Feng Shunshan(北京理工大学机电工程系,北京,100081)

朱春梅,Zhu Chunmei(北京机械工业学院机械工程系,北京,100085)

刊 名：北京理工大学学报  ISTIC EI PKU英文刊名：JOURNAL OF BEIJING INSTITUTE OF TECHNOLOGY 年，卷(期)： 19(5) 分类号：V435.6 关键词：推力偏心   载荷识别   动态特性测试  

篇10：射频识别技术在猪群生产管理中的应用论文

1.1 实现“一场一畜一标”管理

基于RFID技术的养殖生产管理，是电子射频耳标打在猪只的耳朵上，记录其生产全过程，即时获取猪只信息（包括其病历资料、饲料喂养情况、喂药、转群及检疫等多种信息）。另外，通过电子射频耳标可实现全方位追踪，不仅便于掌握猪只的系谱及其后裔列表，还能为客户选购提供便利。此外，将该技术应用于猪群生产管理还能确保养殖安全，提高经济效益。例如，将国家明令禁止的违禁药物信息嵌入系统可避免养殖场或养殖户无意中使用上述药物，进而酿成安全生产事故，造成较大的经济损失。同时，还能在猪出栏操作时自动检查药物休药期，有效杜绝将存在安全隐患的猪销售出栏这一现象，避免出现源头污染。

1.2 架构网络信息管理平台

可由畜牧业管理部门牵头，采用会员制管理办法，实现数字化管理，将养殖企业的所有信息嵌入至数据模块中，通过网络对接等方式接入，建立信息安全管理体系并发挥其功能作用。尤其是养殖企业及其行政管理部门通过密码进入后，可通过终端控制实现长期跟踪，不仅可提高养殖场的系统化管理水平，还能规范养殖管理，提高管理效益。

1.3 通过不同模块实行分类管理

射频识别技术可通过多种管理模块（主要有饲养场管理模块、物流仓储模块、屠宰场管理模块、销售管理模块等）实行分类管理。其中饲养场管理模块除可在生猪日常管理中发挥重要作用之外，还可用于生猪健康管理；物流仓储模块主要用于记录养殖产品上市前的各种信息（主要包括上市时间、地点等信息）；屠宰场管理模块可在生猪屠宰之后实施管理操作，而销售管理模块则可提供上市销售猪肉的具体情况（如肉的等级、重量、销售时间、出场时间和生产日期查询等信息）。这种分类管理模式便于养殖企业对数据进行集中管理，进而有效提高其生产效率和管理水平。

1.4 建立数据库，认定子项目

在养殖生产过程中建立数据库，认定子项目，并统计已录入的所有数据信息并实现核对动物基本信息和相关子信息等功能，防疫信息则主要涉及防疫检查、接种疫苗及相应处理等，此外还有屠宰检疫记录、流通环节监督、产品销售情况等信息。将以上信息制成各种报表并录入至数据库，通过计算机操作，可有效提高养殖场的日常经营和管理水平。

2 组建基于RFID技术管理系统，实施精细化管理，提高管理及生产效率

目前，基于RFID技术管理系统在大型养殖企业中的应用已十分广泛，在很大程度上提高了企业的生产管理水平，为企业管理者进行宏观决策提供富有价值的信息，并能第一时间了解并掌握养殖场的'管理状况，进而有利于提高企业的现代化管理水平。基于RFID技术并实现计算机系统管理可便于企业进行微观控制，有效节约成本，在不影响生产的情况下及时掌握各种信息，提高企业效益及管理能力。

基于RFID技术的猪群生产管理，可对生猪养殖实现全过程跟踪，确保猪肉产品的质量安全，减少并避免相关疾病。同时，还能准确掌握猪只的健康状况，第一时间发现疾病并及时进行处理。此外，应用该技术开展饲养管理能有预见性的开展疾病预防管理，同时也便于猪只接种工作的开展。例如，通过记录防疫信息可对猪只实现跟踪追溯管理，有任何环节出现异常均可及时准确的查找出来并第一时间进行处理，同时也在明确相关人员责任、增强工作人员的责任心等方面也具有很大优势，可明显提高工作效率。

公路交通噪声源强测试

惩罚函数法在发动机性能计算中的应用

属性识别理论在淮南市大气环境质量评价中的应用

ARJ21飞机发动机技术分析

识别人脸的技术阅读答案

声强技术在发动机噪声源识别中的应用.doc

将本文的Word文档下载到电脑，方便收藏和打印

推荐度：

点击下载文档