简介:一般的Kalman滤波器要求有准确的动态和统计模型,而低成本的MEMS-IMU性能随着温度急剧变化,故在MEMS-IMU/GPS组合导航系统中使用一般的Kalman滤波器存在很多的局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了多模态自适应滤波算法在MEMS-IMU/GPS组合导航系统中的应用;针对普通的多模态算法中的问题,采用修正的多模态自适应滤波算法来提高MEMS-IMU/GPS组合导航系统的性能。使用静态实时测试数据,验证了所提出的算法。测试结果表明,与普通Kalman滤波器相比,修正的多模态滤波算法提高了MEMS-IMU/GPS组合导航系统的性能;采用所提出的算法,MEMS-IMU/GPS组合导航系统的短时间静态位置精度小于5m(标准差),速度精度小于0.1m/s(标准差),姿态角精度小于0.5°(标准差)。
简介:摘 要: 随着信息传递方式的多元化发展,公共交流的表达形式也呈现出多模态的发展态势。在大学英语写作教学中,英语写作面临着极大的挑战。构建多模态的教学模式,对激发学生的学习兴趣,提高学生的写作能力有着极为积极的现实意义。本文基于多模态教学理论,我们尝试通过多模态输入的教学方法给学生丰富的信息输入来源,获得更好的教学效果。
简介:摘要:现代社会中,信息量越来越庞大,不同媒介形成了各自的信息平台。如何从这些平台中有效地提取出有用的信息,已经成为一个重要的话题。在信息提取领域,多模态信息提取是一个备受关注的领域。多模态信息提取技术旨在将多种类型的信息,如文本、图像、音频和视频等,结合起来,形成有关于问题的全方位理解,并将这些信息转化为结构化的数据形式,使得人工智能可以通过这些信息来执行任务。在过去的几十年中,多模态信息提取技术已经成为人工智能研究中的一个重要领域,并在计算机视觉、语音识别、自然语言处理、知识图谱等多个领域的应用中得到了广泛的应用。本文将从多个方面对多模态信息提取的发展进行研究和分析。
简介:摘要目的基于T1加权成像(T1-weighted imaging, T1WI)、T2加权成像(T2-weighted imaging, T2WI)、液体衰减反转恢复(fluid attenuated inversion recovery, FLAIR)序列、扩散加权成像(diffusion weighted imaging, DWI)、磁敏感加权成像(susceptibility weighted imaging, SWI)及表观扩散系数(apparent diffusion coefficient, ADC)值综合分析高原脑水肿(high altitude cerebral edema, HACE)的脑部影像表现,并探讨其损伤特点。材料与方法回顾性分析2012年1月至2022年8月确诊的30例HACE患者一般临床资料并依据临床症状进行分型,然后均行头颅多序列(T1WI、T2WI、FLAIR、DWI)MRI扫描,其中9例HACE患者还行SWI扫描,最后对所得图像进行分析。结果(1)30例HACE患者根据临床症状分为12例轻型、18例重型。轻、重型HACE患者在性别、年龄、白细胞、中性粒细胞及葡萄糖含量上差异无统计学意义(P均>0.05)。(2)重型HACE分布于深部和近皮质白质、胼胝体的水肿范围明显大于轻型HACE,胼胝体压部ADC值明显低于轻型HACE,以上差异均有统计学意义(分别为P<0.001,P=0.001,P=0.049)。(3)在轻、重型HACE患者中,DWI信号强度均明显高于MRI常规序列(T1WI、T2WI、FLAIR),差异有统计学意义(分别为P=0.008,P=0.025)。(4)重型HACE中7例出现双侧丘脑层面皮质脊髓束水肿(7/18,38.9%),SWI示5例出现脑微出血(cerebral microbleeds, CMB),以胼胝体为中心(5/9,55.6%)。结论DWI序列对HACE评价有明显的优势。重型较轻型HACE患者脑白质损伤更重、范围更大,以胼胝体显著,部分还可出现CMB和皮质脊髓束水肿。