gongwenxin 2 years ago
parent f1610c61f1
commit f787ac3bf5

@ -0,0 +1,3 @@
{
"accentColor": ""
}

@ -0,0 +1,29 @@
{
"file-explorer": true,
"global-search": true,
"switcher": true,
"graph": true,
"backlink": true,
"canvas": true,
"outgoing-link": true,
"tag-pane": true,
"page-preview": true,
"daily-notes": true,
"templates": true,
"note-composer": true,
"command-palette": true,
"slash-command": false,
"editor-status": true,
"starred": true,
"markdown-importer": false,
"zk-prefixer": false,
"random-note": false,
"outline": true,
"word-count": true,
"slides": false,
"audio-recorder": false,
"workspaces": false,
"file-recovery": true,
"publish": false,
"sync": false
}

@ -0,0 +1,20 @@
[
"file-explorer",
"global-search",
"switcher",
"graph",
"backlink",
"canvas",
"outgoing-link",
"tag-pane",
"page-preview",
"daily-notes",
"templates",
"note-composer",
"command-palette",
"editor-status",
"starred",
"outline",
"word-count",
"file-recovery"
]

@ -0,0 +1,176 @@
{
"main": {
"id": "fdb82a1fe80b43be",
"type": "split",
"children": [
{
"id": "13134e7437689ccb",
"type": "tabs",
"children": [
{
"id": "661f8179ac152cd9",
"type": "leaf",
"state": {
"type": "markdown",
"state": {
"file": "笔记/调研23.3.5.md",
"mode": "source",
"source": false
}
}
},
{
"id": "70e6cb5314947393",
"type": "leaf",
"state": {
"type": "markdown",
"state": {
"file": "笔记/23.3.16.md",
"mode": "source",
"source": false
}
}
}
],
"currentTab": 1
}
],
"direction": "vertical"
},
"left": {
"id": "aaf0e987e1755142",
"type": "split",
"children": [
{
"id": "396d081ff8e0e060",
"type": "tabs",
"children": [
{
"id": "66a99b28922872a4",
"type": "leaf",
"state": {
"type": "file-explorer",
"state": {
"sortOrder": "alphabetical"
}
}
},
{
"id": "7b5a56a2c7540393",
"type": "leaf",
"state": {
"type": "search",
"state": {
"query": "",
"matchingCase": false,
"explainSearch": false,
"collapseAll": false,
"extraContext": false,
"sortOrder": "alphabetical"
}
}
},
{
"id": "c84e51203c949baa",
"type": "leaf",
"state": {
"type": "starred",
"state": {}
}
}
]
}
],
"direction": "horizontal",
"width": 300
},
"right": {
"id": "f1ca30853db5fa94",
"type": "split",
"children": [
{
"id": "a9c58a25685d6f38",
"type": "tabs",
"children": [
{
"id": "eb5b24ddcabce756",
"type": "leaf",
"state": {
"type": "backlink",
"state": {
"file": "笔记/23.3.16.md",
"collapseAll": false,
"extraContext": false,
"sortOrder": "alphabetical",
"showSearch": false,
"searchQuery": "",
"backlinkCollapsed": false,
"unlinkedCollapsed": true
}
}
},
{
"id": "6c380f367fd6d3e1",
"type": "leaf",
"state": {
"type": "outgoing-link",
"state": {
"file": "笔记/23.3.16.md",
"linksCollapsed": false,
"unlinkedCollapsed": true
}
}
},
{
"id": "fdcc39147ac3c3e0",
"type": "leaf",
"state": {
"type": "tag",
"state": {
"sortOrder": "frequency",
"useHierarchy": true
}
}
},
{
"id": "4a6bf5583424ee4d",
"type": "leaf",
"state": {
"type": "outline",
"state": {
"file": "笔记/23.3.16.md"
}
}
}
]
}
],
"direction": "horizontal",
"width": 300,
"collapsed": true
},
"left-ribbon": {
"hiddenItems": {
"switcher:打开快速切换": false,
"graph:查看关系图谱": false,
"canvas:新建白板": false,
"daily-notes:打开/创建今天的日记": false,
"templates:插入模板": false,
"command-palette:打开命令面板": false
}
},
"active": "70e6cb5314947393",
"lastOpenFiles": [
"笔记/调研23.3.5.md",
"会议记录/2023.2.25.md",
"笔记/23.3.16.md",
"笔记/基于LSTM的不完整时序数据填补方法研究_杨建明.caj",
"会议记录/第三次会议.md",
"会议记录/第二次,了解调研方向.md",
"传感器数据.zip",
"笔记/第二周,树莓派.md",
"笔记/第三周,调研.md",
"笔记/第四周 树莓派摄像机推流至上位机人脸检测.md",
"笔记/第一周,初步使用树莓派.md"
]
}

@ -0,0 +1,24 @@
1. 标明每个节点要做什么,进行哪些降维,根据算力分配任务
传感器->派->NUC->控制节点
2. 深挖
渲染器
多层
不同物理量
传感器数据降维
三种降维
行业方法
降阶的分类
1. 数据传输的需要为了传的更快一天可能10T就是数据压缩
2. 信号需要提取特征,(聚类……),空间、时间压缩
1. 数据特征
2. 运动向量、抽帧
3. 算法计算的时候,孪生体模型降阶
1. 机理
3. 参数化模型
1. 对于模型的位移
1. 改变模型
2. 改变模型表面的贴图

@ -87,4 +87,27 @@ ES
- 友善串口调试助手
Q
降阶的分类
1. 数据传输的需要为了传的更快一天可能10T就是数据压缩
2. 信号需要提取特征,(聚类……),空间、时间压缩
1. 数据特征
2. 运动向量、抽帧
3. 算法计算的时候,孪生体模型降阶
1. 机理
边缘节点做什么
- 做信号的事情并且根据信号判断任务
监测结构随时间的变化
任务标明
深挖
渲染器
多层
不同物理量
传感器数据降维
三种降维
行业方法

@ -0,0 +1,51 @@
模型降阶、压缩
数据压缩传输
提取特征,空间、时间压缩
##### 一般数据压缩:
- gzip一种无损压缩算法压缩率较高但是耗时较长适合对压缩比要求高而对时间要求不高的情况。
- snappy一种无损压缩算法压缩率较低但是速度很快适合对时间要求高而对压缩比要求不高的情况。
- lzo一种无损压缩算法兼顾了速度和压缩率在大数据领域比较流行。
- lz4一种无损压缩算法速度更快但是压缩率更低适合对实时性要求很高的情况。
- bzip2一种无损压缩算法比gzip有更高的压缩率但是也更耗时适合对空间要求很高而对时间要求不太高的情况。
- zstd一种无损压缩算法可以在速度和压缩率之间灵活调节并且支持多线程并发。
##### 音视频压缩:
- mp3一种音频压缩格式利用了人耳对某些频率不敏感的特性去除了一些听觉上不重要的信息达到了高压缩比和较好的音质。
- AAC一种音频压缩格式比mp3更先进能够提供更高的音质和更低的码率支持多声道和元数据。
- AAL一种音频压缩格式主要用于数字广播和网络电话等领域具有低延迟和高效率的特点。
- Ogg一种容器格式可以包含多种类型的媒体数据如音频、视频、文本等。常见的有损压缩编码器有Vorbis音频、Theora视频等。
- divX一种视频压缩格式基于MPEG-4标准能够在保持较高画质的同时大幅度减小文件大小。
- Xvid一种视频压缩格式也基于MPEG-4标准与divX类似但是开源免费。
- jpeg一种图像压缩格式利用了人眼对颜色细节不敏感的特性通过变换、量化和熵编码等步骤实现图像数据的有损压缩。
- rm一种流媒体文件格式支持实时传输和播放音频、视频等内容。
- rmvb一种流媒体文件格式在rm基础上增加了可变码率技术VBR能够根据图像内容动态调整码率。
##### 信号压缩
- 变换编码一种利用信号在某种变换域如傅里叶域、小波域等具有稀疏性的特点通过对变换系数进行量化和熵编码来实现压缩的方法。常见的变换编码有DCT、小波等。
- 预测编码一种利用信号之间的相关性通过对前后信号进行预测和误差计算来实现压缩的方法。常见的预测编码有DPCM、ADPCM等。
- 矢量量化:一种利用信号之间的相似性,通过将信号分割成小块,并用预先定义好的代表向量来近似表示每个小块来实现压缩的方法。
- 压缩感知:一种利用信号在某种稀疏基下具有稀疏表示的特点,通过对信号进行随机线性投影测量,并用优化算法重构原始信号来实现压缩的方法。
-
一般来说,变换编码和预测编码比较成熟和广泛应用,但是也有一些缺点,如计算复杂度高、压缩比有限、对信号质量有损失等。
矢量量化可以提高压缩比和信噪比,但是也需要较大的存储空间和搜索时间,以及对信号分割和聚类的要求。
压缩感知是一种相对较新的信号压缩方式,它可以在采样阶段就实现压缩,并且可以重构出稀疏信号的完整信息,但是也需要满足一些条件,如测量矩阵与稀疏基的不相关性、重构算法的有效性等。
[图信号采样、量化与恢复理论研究与算法设计 - 中国知网 (buaa.edu.cn)](https://kns-cnki-net-443.e1.buaa.edu.cn/kcms2/article/abstract?v=3uoqIhG8C447WN1SO36whLpCgh0R0Z-i16_wNaYct1rCckkTLVqOrWfuMPMCj4tJCEtoW4E0GCM9iy_uvYg_48CZaodUABLM&uniplatform=NZKPT)
[电力系统信号与数据的压缩传感技术综述 - 中国知网 (buaa.edu.cn)](https://kns-cnki-net-443.e1.buaa.edu.cn/kcms2/article/abstract?v=3uoqIhG8C44YLTlOAiTRKibYlV5Vjs7iAEhECQAQ9aTiC5BjCgn0RoMgGxt8Zp4338EGQu3xVLe0pjx8JP1Vlo8xSwxcj9_o&uniplatform=NZKPT)
#### 模型降阶
- Pade逼近法一种利用有理函数来逼近复杂函数的方法可以保持系统的稳定性和频率特性。
- 时间矩法:一种利用系统响应在不同时间点的矩来构造低阶传递函数的方法,可以保持系统的时域特性。
- 连分式法:一种利用连分式表达式来逼近复杂函数的方法,可以保持系统的极点和零点。
- Routh逼近法一种利用Routh判据来确定低阶传递函数系数的方法可以保持系统的稳定性和主要极点。
- 棍合法:一种利用棍合原理来将高阶微分方程转化为低阶微分方程组的方法,可以保持系统动力学特征。
- 正交分解法一种利用正交基来构造低维空间并将高维空间投影到低维空间的方法如POD、DMD等。
- 平衡截断法:一种利用平衡实现理论来对高维状态空间模型进行截断并得到低维状态空间模型的方法,可以保持系统输入输出能量流平衡。
- 积分全等变换和最优化方法:一种利用积分全等变换和最优化技术来对非线性动力学模型进行降阶处理并得到线性动力学模型或非线性代数方程组的方法。
[模型降阶方法综述 - 百度文库 (baidu.com)](https://wenku.baidu.com/view/2153aca3740bf78a6529647d27284b73f2423681.html?_wkts_=1679129242422)
[模型降阶方法 (sciencereading.cn)](https://book.sciencereading.cn/shop/book/Booksimple/show.do?id=BA3EFC77F326A49C8B05BF158409823B0000)
[模型降阶方法综述.doc (book118.com)](https://max.book118.com/html/2016/1106/61567914.shtm)

@ -50,6 +50,10 @@ wpa-psk "xxxxxx"
基于Debian11的Raspberry Pi OS Lite系统在开启相机后无法启动尝试Legecy系统换成butter后bug消失
##### 校园网 wap2-企业
[树莓派4b连接企业级wpa2 Enterprise配置 - minseo - 博客园 (cnblogs.com)](https://www.cnblogs.com/minseo/p/14542282.html)

@ -21,6 +21,7 @@ DLSS
分析缺失点前后的数据,从而更精准的对缺失数据进行填充。常见的方法有均值填充、中值填充、常用值填充等。但这类方法忽略了数据的时序信息
机器学习
LSTM
[基于生成模型的时序数据缺失值插补方案设计 - 中国知网 (buaa.edu.cn)](https://kns-cnki-net-443.e1.buaa.edu.cn/kcms2/article/abstract?v=3uoqIhG8C475KOm_zrgu4lQARvep2SAkueNJRSNVX-zc5TVHKmDNklIfftVh-KGfJudOaEyFoac0JqmekYNaWVpQZKawqUCa&uniplatform=NZKPT)
毛刺
图像处理
可以使用图像锐化处理来增强边界,突出细节,或者增强被模糊了的边缘。
@ -44,3 +45,4 @@ DLSS3
基于模糊逻辑的方法
基于模糊逻辑的传感器融合是指利用模糊推理的原理,对多个传感器的观测数据进行融合,以处理不确定性和模糊性的信息的方法
模糊推理是一种使用模糊逻辑制定从给定输入到输出的映射的过程。模糊推理系统由五个功能模块组成:规则库,数据库,决策单元,模糊化接口和反模糊化接口。模糊推理可以处理不确定性和模糊性
[多传感器信息融合研究综述 - 中国知网 (buaa.edu.cn)](https://kns-cnki-net-443.e1.buaa.edu.cn/kcms2/article/abstract?v=3uoqIhG8C44YLTlOAiTRKibYlV5Vjs7iJTKGjg9uTdeTsOI_ra5_XYetGMfq1OY0eSKGgEnUfqEmCelnrdiooXV8PWsvUr8W&uniplatform=NZKPT)

Loading…
Cancel
Save