人脸识别外文翻译参考文献
人脸识别外文翻译参考文献(文档含中英文对照即英文原文和中文翻译)
译文：
基于PAC的实时人脸检测和跟踪方法
摘要：
这篇文章提出了复杂背景条件下，实现实时人脸检测和跟踪的一种方法。这种方法是以主要成分分析技术为基础的。为了实现人脸的检测，首先，我们要用一个肤色模型和一些动作信息(如：姿势、手势、眼色)。然后，使用PAC技术检测这些被检验的区域，从而判定人脸真正的位置。而人脸跟踪基于欧几里德（Euclidian）距离的，其中欧几里德距离在位于以前被跟踪的人脸和最近被检测的人脸之间的特征空间中。用于人脸跟踪的摄像控制器以这样的方法工作：利用平衡/（pan/tilt）平台，把被检测的人脸区域控制在屏幕的中央。这个方法还可以扩展到其他的系统中去，例如电信会议、入侵者检查系统等等。
1.引言
视频信号处理有许多应用，例如鉴于通讯可视化的电信会议，为残疾人服务的唇读系统。在上面提到的许多系统中，人脸的检测喝跟踪视必不可缺的组成部分。在本文中，涉及到一些实时的人脸区域跟踪[1-3]。一般来说，根据跟踪角度的不同，可以把跟踪方法分为两类。有一部分人把人脸跟踪分为基于识别的跟踪喝基于动作的跟踪，而其他一部分人则把人脸跟踪分为基于边缘的跟踪和基于区域的跟踪[4]。
基于识别的跟踪是真正地以对象识别技术为基础的，而跟踪系统的性能是受到识别方法的效率的限制。基于动作的跟踪是依赖于动作检测技术，且该技术可以被分成视频流（optical flow）的（检测）方法和动作—能量（motion－energy）的（检测）方法。
基于边缘的（跟踪）方法用于跟踪一幅图像序列的边缘，而这些边缘通常是主要对象的边界线。然而，因为被跟踪的对象必须在色彩和光照条件下显示出明显的边缘变化，所以这些方法会遭遇到彩色和光照的变化。此外，当一幅图像的背景有很明显的边缘时，（跟踪方法）很难提供可靠的（跟踪）结果。当前很多的文献都涉及到的这类方法时源于Kass et al.在蛇形汇率波动[5]的成就。因为视频情景是从包含了多种多样噪音的实时摄像机中获得的，因此许多系统很难得到可靠的人脸跟踪结果。许多最新的人脸跟踪的研究都遇到了最在背景噪音的问题，且研究都倾向于跟踪未经证实的人脸，例如臂和手。
在本文中，我们提出了一种基于PCA的实时人脸检测和跟踪方法，该方法是利用一个如图1所示的活动摄像机来检测和识别人脸的。这种方法由两大步骤构成：人脸检测和人脸跟踪。利用两副连续的帧，首先检验人脸的候选区域，并利用PCA技术来判定真正的人脸区域。然后，利用特征技术（eigen－technique）跟踪被证实的人脸。
2.人脸检测
在这一部分中，将介绍本文提及到的方法中的用于检测人脸的技术。为了改进人脸检测的精确性，我们把诸如肤色模型[1,6]和PCA[7,8]这些已经发表的技术结合起来。
2.1肤色分类
检测肤色像素提供了一种检测和跟踪人脸的可靠方法。因为通过许多视频摄像机得到的一幅RGB 图像不仅包含色彩还包含亮度，所以这个色彩空间不是检测肤色像素[1,6]的最佳色彩图像。通过亮度区分一个彩色像素的三个成分，可以移动亮度。人脸的色彩分布是在一个小的彩色的色彩空间中成群的，且可以通过一个2维的高斯分部来近似。因此，通过一个2维高斯模型可以近似这个肤色模型，其中平均值和变化如下： m=(r ,g ) 其中r ＝N 1∑=N i ri 1，g ＝N 1∑=N i gi 1
（1） ∑＝??
????σσσσ （2） 一旦建好了肤色模型，一个定位人脸的简单方法是匹配输入图像来寻找图像中人脸的色彩群。原始图像的每一个像素被转变为彩色的色彩空间，然后与该肤色模型的分布比较。
2.2动作检测
虽然肤色在特征的应用种非常广泛，但是当肤色同时出现在背景区域和人的皮肤区域时，肤色就不适合于人脸检测了。利用动作信息可以有效地去除这个缺点。为了精确，在肤色分类后，仅考虑包含动作的肤色区域。结果，结合肤色模型的动作信息导出了一幅包含情景（人脸区域）和背景（非人脸区域）的二进制图像。这幅二进制图像定义为 ，其中It(x,y)
和It-1(x,y)分别是当前帧和前面那帧中像素（x,y ）的亮度。St 是当前帧中肤色像素的集合，（斯坦）t 是利用适当的阈限技术计算出的阈限值[9]。作为一个加速处理的过程，我们利用形态学（上）的操作（morpholoical operations ）和连接成分分析，简化了图像Mt 。
2.3利用PCA 检验人脸
因为有许多移动的对象，所以按序跟踪人脸的主要部分是很困难的。此外，
还需要检验这个移动的对象是人脸还是非人脸。我们使用特征空间中候选区域的分量向量来为人脸检验问题服务。为了减少该特征空间的维度，我们把N 维的候选人脸图像投影到较低维度的特征空间，我们称之为特征空间或人脸空间[7,8]。在特征空间中，每个特征说明了人脸图像中不同的变化。
为了简述这个特征空间，假设一个图像集合I 1，I 2，I 3，…，I M ，其中每幅图像是一个N 维的列向量，并以此构成人脸空间。这个训练（测试）集的平均值用A ＝M 1∑=M
i Ii 1来定义。用φi ＝I I －A 来计算每一维的零平均数，并以此构成
一个新的向量。为了计算M 的直交向量，其中该向量是用来最佳地描述人脸图
像地分布，首先，使用C ＝M 1∑=M
i 1φi φi r ＝YY r （4）来计算协方差矩阵Y ＝[φ 1φ
2…φ M ]。虽然矩阵C 是N ×N 维的，但是定义一个N 维的特征向量和N 个特征
值是个难处理的问题。因此，为了计算的可行性，与其为C 找出特征向量，不如我们计算[Y T Y]中M 个特征向量v k 和特征值λk ，所以用u k ＝k Y λvk
*来计算一个
基本集合，其中k ＝1，…，M 。关于这M 个特征向量，选定M 个重要的特征向量当作它们的相应的最大特征值。对于M 个训练（测试）人脸图像，特征向量W i ＝[w 1，w 2，…，w M ’]用w k ＝u k T φi ,k=1,…，M （6）来计算。
为了检验候选的人脸区域是否是真正的人脸图像，也会利用公式（6）把这个候选人脸区域投影到训练（测试）特征空间中。投影区域的检验是利用人脸类和非人脸类的检测区域内的最小距离，通过公式（7）来实现的。Min （||W k candidate －W face ||,||W k candidate －W nonface ||），（7）其中W k candidate 是训练（测试）特征空间中对k 个候选人脸区域，且W face ，W nonface 分别是训练(测试)特征空间中人脸类和非人脸类的中心坐标，而||×||表示特征空间中的欧几里德距离（Euclidean ）
3.人脸跟踪
在最新的人脸检测中，通过在特征空间中使用一个距离度量标准来定义图像序列中下一幅图像中被跟踪的人脸。为了跟踪人脸，位于被跟踪人脸的特征向量和K 个最近被检测的人脸之间的欧几里德距离是用obj ＝arg k min||W old －W k ||，k ＝1，…，K ，（8）来计算的。
在定义了人脸区域后，位于被检测人脸区域的中心和屏幕中心之间的距离用
dist t （face ，screen ）＝Face t （x ，y ）－Screen （height/2，width/2），（9）来计算，其中Face t （x ，y ）是时间t 内被检测人脸区域的中心，Screen （height/2，width/2）是屏幕的中心区域。使用这个距离向量，就能控制摄像机中定位和平衡/倾斜的持续时间。摄像机控制器是在这样的方式下工作的：通过控制活动摄像机的平和/倾斜平台把被检测的人脸区域保持在屏幕的中央。在表2自己品母国。参数表示的是活动摄像机的控制。用伪代码来表示平衡/倾斜处理的持续时间和摄像机的定位。
计算平和/倾斜持续时间和定位的伪代码：
Procedure Duration （x ，y ）
Begin
Sig d =None ； Distance=22y x +；
IF distance>close θ then
Sig d =Close ；
ELSEIF distance>far θ then
Sig d =fat ；
Return （Sig d ）；
End Duration ；
Procedure Orientation （x ，y ）
Begin
Sig o =None ；
IF x>x θ then
Add “RIGHT ” to Sig o ；
ELSEIF x<-x θ then
Add “LEFT” to Sig o；
IF y>yθthen
Add “up”to Sig o；
ElSEIF x<-yθthen
Add “DOWN” to Sig o；
Return（Sig o）；
End Orientation；
4.结论
本文中提议了一种基于PAC的实时人脸检测和跟踪方法。被提议的这种方法是实时进行的，且执行的过程分为两大部分：人脸识别和人脸跟踪。在一个视频输入流中，首先，我们利用注入色彩、动作信息和PCA这类提示来检测人脸区域，然后，用这样的方式跟踪人脸：即通过一个安装了平衡/请求平台的活动摄像机把被检测的人脸区域保持在屏幕的中央。未来的工作是我们将进一步发展这种方法，通过从被检测的人脸区域种萃取脸部特征来为脸部活动系统服务。
参考文献
[1] Z. Guo, H. Liu, Q. Wang, and J. Yang, “A Fast Algorithm of Face Detection for Driver Monitoring,” In Proceedings of the Sixth International Conference on Intelligent Systems Design and Applications, vol.2, pp.267 - 271, 2001.
[2] M. Yang, N. Ahuja, “Face Detection and Gesture Recognition for Human-Computer Interaction,” The International Series in Video Computing , vol.1, Springer, 2001.
[3] Y. Freund and R. E. Schapire, “A Decision-Theoretic Generaliztion of On-Line Learning and an Application to Boosting,” Journal of Computer and System Sciences, no. 55, pp. 119-139, 1997.
原文:
PCA-Base Real-Time Face Detection and Tracking 【Abstract】：
This article put forward complicated background term next; realize solid contemporaries face examination with on the trail of a kind of method. These kinds of method regard main composition analysis technique as basal. Facial examination in person for realizing, first, we want to use a skin color model to act the information with the some (such as: Posture, signal, expression of eyes).Then, the usage PAC technique examines these drive the district that examine, from but judge a real position. But person's face follows according to the is several in the virtuous (Euclidian) distance of, among them the is several to reign in the virtuous distance in past drive on the trail of person's face with recent drive the person who examine the characteristic space inside of the a. Useding for a for following resembles the controller the work in such way: Make use of equilibrium/ tilt to one side (pan/ tilt) the terrace, examine drive of person a district controls at hold the act central. This method cans also expand to go to in the other system, for example telecommunication meeting, invader check system etc.
1 preface
Seeing the signal of handles many applications, for example owing to the communication can see the telecommunication meeting that turn, for disable and sick person service of the lips reads the system. In up many systems that mention, the facial examination in person drink to follow to see to can't lack necessarily of constitute the part. In this text, involve the some solid of person a district follows the [1 －3 ] .By any large, according to follow the angle different, can is divided in to follow the method two types. Reach a the part of people follows person's face is divided into according to identify on the trail of to drink according to act of on the trail of, but other a the part of people then follows person's face is divided into according to edge of on the trail of with on the trail of [that according to district 4].
According to the on the trail of that identify is really with the object identifies technique is basal, but follow the function of the system is the restrict of the efficiency to suffer to identify the method. According to the on the trail of of the action is a method to depend on to examine the technique in the action, and that technique can be been divided in to see flow( optical flow) with the method that act the —energy( motion －energy).
According to the method of the edge useds for the edge that follow a picture preface row, but these edgeses is usually the boundary line of the main object.However, because were musted shine on with the light at the color by the on
the trail of object the term descends to display the obvious edge changes, so these methodses will fall among the color with the variety that light shine on.In addition, be a background of picture contain very obvious edge,( follow the method) dependable result in very difficult offering.Current this type of method that a lot of cultural heritages all involve come from the Kass et al.In the snake form rate of exchange motion [ 5 the achievement of ]s.Because see the scene of to acquire from included various the noise of varieties solid the hour the resemble the machine of, therefore many systems is very rare to dependable person's face to follow the result.Many latest a research for followings met most problem in background noise, and the research inclines toward person's face that follow has not yet the proof, for example arm with hand.
In this text, we put forward a kind of according to PCA solid contemporaries an examination with follow the method, that method is an activity to make use of a,such as figure,1 show resemble machine to examine with identify the person facial.This kind of method from two greatest steps composing:Person an examination with person's face follow.Make use of two continuouses, examine a person's face candidate for election districts first, combine exploitation PCA technique to judge the real person a district.Then, make use of the characteristic technique( eigen － technique) follow to confirmed person's face.
2 Person an examination
In this first part, will introduce the method that this text mention inside of used for the technique that examine person's face.For improves an accurate for examining, we announce such as the skin color model [ 1,6 ] with PCA [ 7,8 ] these already of the technique knot puts together.
2.1 skin color classification
The examination skin color pixel provides a kind of examination with follow the facial and dependable method in person.Because pass many that sees the machine resemble a RGB picture not only include color but also gets bright degree in containment, so this color space is not the best color to examine the skin color pixel
[ 1,6 ] picture.Pass bright a three compositions for distinguishing analyse a color pixel, can move bright degree.A Gauss for of color distributing is in a small chromatic color space large groupsly, and can passing first 2 cent department to look like.Therefore, pass a 2 Gauss models can look like this skin color model, among them average value with change as follows: m=(r ,g ) 其中r ＝N 1∑=N i ri 1，g ＝N 1∑=N
i gi 1 （1）
∑＝??
????σσσσ （2） Once set up to like the skin color model, a positions facial and simple method in person is match the importation picture to look for facial color in middleman in picture cluster.Each a pixel of the primitive picture were changed into the chromatic color space, then distributing with the skin color's model the comparison.
2.2 action examination
Although the skin color application in characteristic grows very extensive, when the skin color appear at the same time in the background district with the person's skin district, skin color is not suitable for in the person an examination.Making use of to act information can away with this weakness availably.For the sake of the precision, after the skin color divides into section, consider the skin color district of the containment action only.Result, the action information of the combination skin color model leads a binary system for a containment scene( person's a district) with background( not person's a district) picture.This binary system picture definition is, among them It( x, y)
With the It-1( x, y) respectively is a bright degree for with front an inside pixel( x, y).The St is a current an inside skin color pixel to gather, the t is a worth [ in limit in to makes use of appropriate limit technique compute 9 ] .The acceleration that be used as a process handles, we make use of the operation( morpholoical operations) that appearance learn( top) with link the composition analyzes, simplifying the picture Mt.
2.3 make use of the PCA examine person's face
There is many ambulatory objects, so follow in sequence the facial and main part in person is very difficult.In addition, return the demand examine this ambulatory object is person's face or not person's face.We uses characteristic space inside the weight vector of the candidate for election district to behave face examination problem service.For reducing that characteristic the spatial a candidate for, we N a picture casts shadow the characteristic space of the lower the degree of , we call it as characteristic space or persons a space [ 7,8 ] .In characteristic space, each characteristic explained the different variety in inside in a picture in person.
Say this characteristic space for the sake of Chien, suppose a picture gather the I1, I2, I3, … , IM, among them each picture is the row vector of a N , and with this composing person a space.The average value that this training( test) gather uses the A= https://www.360docs.net/doc/5612499606.html,e the i= the I I － A computes the zero average number of each , and with this composing a new vector.For computing the M keep handing over vector, among them that vector is to uses to come to describe the person best a picture ground
distribute, first, the usage C= i ir= YYr(4) compute to help the square and bad matrix Y the =[1 2 …Ms].Although matrix C is characteristic vector that N ×N of, define a N is a difficult processed problem with the N a characteristic value.Therefore, for the sake of calculating possibility, with its finds out the characteristic vector for the C, not equal to we compute the [ YTY] the inside M a characteristic vector vk with the worth k in characteristic, so use the u k the = compute a basic gather, among them k=1, …, M.As for this M a characteristic vector, make selection an important characteristic vector regard as their homologous and biggest characteristic value.Trains( test) the person a picture to the of M, characteristic vector W i the =[ w 1, w 2, …, w M'] uses the = u kT i, k= of w k 1, …, the M(6) computes.
For the sake of the person of the examination candidate for election whether a district is a real person or not a picture, also will make use of the formula(6) cast shadow the training( test) characteristic space inside to this candidate a district.Examination that cast shadow the district is a minimum distance to makes use of a person's face with not person's face examination district inside, passing the formula(7) come to something to realizes.Min(|| Wkcandidate －Wface||,|| Wkcandidate －Wnonface||),(7) among them the Wkcandidate is to trains( test) the characteristic space inside to the k a candidate a district, and Wface, Wnonface respectively is training( test) characteristic space middleman face with not person's face center sit the mark, but|| ×|| mean the characteristic in the space several in virtuous distance( Euclidean)
3.Person's face follows
In latest person an examination, pass to use a distance generous character standard to define the picture preface row in characteristic space inside a picture inside drive on the trail of person's face.For following a person's face, locate to is followed a person's face the characteristic vector is recent to is examined with the of K of person the of the an is several in the virtuous distance is to uses the obj= argkmin|| Wold －Wk||, k=1, …, K,(8) compute of.
After defining the person a district, locate to is examined person the center of a district with distance that hold the act center uses the distt( face, screen)= Facet( x, y) －Screen( height/2, width/2),(9) compute, among them Facet( x, y)
The that time a t inside were examined the person the center of a district, the Screen( height/2, width/2) is a center to hold the act https://www.360docs.net/doc/5612499606.html,e this distance vector, can control the resemble to position in the machine with equilibrium/ tilt to one side of continuously time.The resembles the machine controller is what under such way work:Pass to control the activity resemble the machine even with/ tilt to one side the terrace examines drive of person a district keeps at hold the act central.In the table 2 oneself article mother country.What parameter mean is a control that activity resemble the machine.Mean with the false code equilibrium/ tilts to one side to handle
人工智能专业外文翻译-机器人
译文资料： 机器人 首先我介绍一下机器人产生的背景，机器人技术的发展，它应该说是一个科学技术发展共同的一个综合性的结果，同时，为社会经济发展产生了一个重大影响的一门科学技术，它的发展归功于在第二次世界大战中各国加强了经济的投入，就加强了本国的经济的发展。另一方面它也是生产力发展的需求的必然结果，也是人类自身发展的必然结果，那么随着人类的发展，人们在不断探讨自然过程中，在认识和改造自然过程中，需要能够解放人的一种奴隶。那么这种奴隶就是代替人们去能够从事复杂和繁重的体力劳动，实现人们对不可达世界的认识和改造，这也是人们在科技发展过程中的一个客观需要。 机器人有三个发展阶段，那么也就是说，我们习惯于把机器人分成三类，一种是第一代机器人，那么也叫示教再现型机器人，它是通过一个计算机，来控制一个多自由度的一个机械，通过示教存储程序和信息，工作时把信息读取出来，然后发出指令，这样的话机器人可以重复的根据人当时示教的结果，再现出这种动作，比方说汽车的点焊机器人，它只要把这个点焊的过程示教完以后，它总是重复这样一种工作，它对于外界的环境没有感知，这个力操作力的大小，这个工件存在不存在，焊的好与坏，它并不知道，那么实际上这种从第一代机器人，也就存在它这种缺陷，因此，在20世纪70年代后期，人们开始研究第二代机器人，叫带感觉的机器人，这种带感觉的机器人是类似人在某种功能的感觉，比如说力觉、触觉、滑觉、视觉、听觉和人进行相类比，有了各种各样的感觉，比方说在机器人抓一个物体的时候，它实际上力的大小能感觉出来，它能够通过视觉，能够去感受和识别它的形状、大小、颜色。抓一个鸡蛋，它能通过一个触觉，知道它的力的大小和滑动的情况。第三代机器人，也是我们机器人学中一个理想的所追求的最高级的阶段，叫智能机器人，那么只要告诉它做什么，不用告诉它怎么去做，它就能完成运动，感知思维和人机通讯的这种功能和机能，那么这个目前的发展还是相对的只是在局部有这种智能的概念和含义，但真正完整意义的这种智能机器人实际上并没有存在，而只是随着我们不断的科学技术的发展，智能的概念越来越丰富，它内涵越来越宽。 下面我简单介绍一下我国机器人发展的基本概况。由于我们国家存在很多其
人脸识别论文文献翻译中英文
人脸识别论文中英文 附录(原文及译文) 翻译原文来自 Thomas David Heseltine BSc. Hons. The University of York Department of Computer Science For the Qualification of PhD. -- September 2005 - 《Face Recognition: Two-Dimensional and Three-Dimensional Techniques》 4 Two-dimensional Face Recognition 4.1 Feature Localization Before discussing the methods of comparing two facial images we now take a brief look at some at the preliminary processes of facial feature alignment. This process typically consists of two stages: face detection and eye localisation. Depending on the application, if the position of the face within the image is known beforehand (for a cooperative subject in a door access system for example) then the face detection stage can often be skipped, as the region of interest is already known. Therefore, we discuss eye localisation here, with a brief discussion of face detection in the literature review(section 3.1.1). The eye localisation method is used to align the 2D face images of the various test sets used throughout this section. However, to ensure that all results presented are representative of the face recognition accuracy and not a product of the performance of the eye localisation routine, all image alignments are manually checked and any errors corrected, prior to testing and evaluation. We detect the position of the eyes within an image using a simple template based method. A training set of manually pre-aligned images of faces is taken, and each image cropped to an area around both eyes. The average image is calculated and used as a template. Figure 4-1 - The average eyes. Used as a template for eye detection. Both eyes are included in a single template, rather than individually searching for each eye in turn, as the characteristic symmetry of the eyes either side of the nose, provides a useful feature that helps distinguish between the eyes and other false positives that may be picked up in the background. Although this method is highly susceptible to scale(i.e. subject distance from the
指纹识别系统(文献综述)
指纹识别方法的综述 摘 要: 对在指纹的预处理和特征提取、指纹分类、指纹的匹配过程中的方向图、滤波器、神经网络等关 键性原理和技术做了详细的说明,并对在各个过程中用到的方法做了进一步的比较,讨论了各种方法的优越性。 0 引 言 自动指纹识别是上世纪六十年代兴起的,利用计算机取代人工来进行指纹识别的一种方法。近年 来,随着计算机技术的飞速发展,低价位指纹采集仪的出现以及高可靠算法的实现,更使得自动指纹识 别技术越来越多地进入到人们的生活和工作中,自动指纹识别系统的研究和开发正在成为国内外学术 界和商业界的热点。相对于其他生物特征鉴别技术例如语音识别及虹膜识别,指纹识别具有许多独到 的优点,更重要的是它具有很高的实用性和可行性,已经被认为是一种理想的身份认证技术,有着十分 广泛的应用前景,是将来生物特征识别技术的主流。 1 指纹取像 图 1 是一个自动指纹识别系统AFIS(Automated Fingerprint Identification System) 的简单流程。 → → → ↓ ↑ ———— 将一个人的指纹采集下来输入计算机进行处理是指纹自动识别的首要步骤。指纹图像的获取主要利用设备取像,方便实用,比较适合AFIS 。利用设备取像的主要方法又利用光学设备、晶体传感器和超声波来进行。光学取像设备是根据光的全反射原理来设计的。晶体传感器取像是根据谷线和脊线皮肤与传感器之间距离不同而产生的电容不同来设计的。超声波设备取像也是采用光波来取像,但由于超声波波长较短,抗干扰能力较强,所以成像的质量非常好。 2 图像的预处理与特征提取 无论采取哪种方法提取指纹,总会给指纹图像带来各种噪声。预处理的目的就是去除图像中的噪 音,把它变成一幅清晰的点线图,以便于提取正确的指纹特征。预处理是指纹自动识别过程的第一步, 它的好坏直接影响着指纹识别的效果。常用的预处理与特征提取( Image Preprocessing and Feature Ex 2 t raction) 方法的主要步骤包括方向图计算、图像滤波、二值化、细化、提取特征和后处理。当然这些步骤 可以根据系统和应用的具体情况再进行适当变化。文献[ 1 ]提出了基于脊线跟踪的方法能够指纹取像 图像预处理 特征提取 指纹识别 数据库管理
频谱感知技术外文翻译文献
频谱感知技术外文翻译文献 (文档含中英文对照即英文原文和中文翻译) 译文： 一种新的协作频谱感知算法 摘要 该文提出了一种在认知无线网络控制信道带宽受限条件下基于信任度的双门限协同频谱感知算法。首先每个认知用户基于双检测门限独立进行频谱感知，但只有部分可靠的认知用户通过控制信道向认知无线网络基站发送本地感知结果。当所有的用户都不可靠时，选取信任度最高的认知用户发送本地感知结果进行判决。理论分析和仿真表明，同常规能量检测算法相比较，该算法能够在控制信道带宽受限条件下，以较少的网络开销获得更好的频谱感知性能。 关键词：认知无线电；频谱感知；信任度；双门限 1引言 随着无线通信技术的飞速发展，有限的频谱资源与不断增长的无线通信需求的矛盾越来越突出。然而根据现有的固定分配频谱资源策略，绝大多数频谱资源得不到有效利用。据FCC 的调查统计，70%的已分配频谱资源没有得到有效利用]1[。为了提高频谱资源的利用率，认知无线电技术由Joseph Mitola Ⅲ提出并得到了广泛的关注]5[]2[ 。频谱感知技术是认知无线电网络的支撑技术之一。通常它又可以分为
能量检测法、匹配滤波器法和循环平稳特征法[4]。能量检测算法因为应用简单且无需知道任何授权用户信号的先验知识成为研究热点。认知用户在接入授权频带之前，必须首先感知该频带空闲即授权用户没有工作，否则会对授权用户造成干扰。一旦授权用户重新工作，认知用户必须退避，实现在不对授权用户产生干扰的情况下对频谱资源的共享。由于实际信道中的多径和阴影效应，单个认知用户频谱感知的性能并不乐观，针对这个问题D. Cabric 等人提出了协同频谱感知算法[5]-[6]。协同频谱感知算法性能较好，但是当认知用户数量很大的时候，控制信道的带宽将不够用。文献[7]中提出了一种在控制信道带宽受限条件下的基于双检测门限的频谱感知算法，该算法能够以较小的网络开销，获得接近普通单门限频谱检测算法的性能。针对认知无线电频谱感知的需要，本文提出了认知无线电环境下一种基于信任度的双门限协同频谱感知算法。该算法中每个认知用户基于双检测门限独立进行频谱感知，但只有部分可靠的认知用户通过控制信道向认知无线网络基站发射感知报告。当所有的用户都不可靠时，选取信任度最高的认知用户发射感知报告进行判决。本文对该算法进行了性能分析并通过仿真表明，本文方法比较常规能量检测算法，在减小网络开销的同时提高了检测性能。 2系统模型 假设一个认知无线电网络有N 个认知用户和一个认知无线网络基站，如图1 所示。认知无线网络基站负责管理和联系N 个认知用户，在收到认知用户的检测报告后做出最终判决。 图1. 认知无线电网络示意图 频谱感知的实质是一个二元假设问题，即 01 (),,()()()(),n t H x t h t s t n t H ?=??+? （1）
中英文文献翻译-加工中心数控技术
加工中心数控技术 出处：数控加工中心的分类以及各自特点 出版社:化学工业出版社; 第1版 (2009年3月16日) 作者：徐衡、段晓旭 加工中心是典型的集高技术于一体的机械加工设备，它的发展代表了一个国家设计制造的水平也大大提高了劳动生产率，降低了劳动成本，改善了工人的工作环境，降低了工人的劳动强度。本文经过对不同运动方案和各部件的设计方案的定性分析比较确定该教立式加工中心的进给传动方案为：采用固定床身，电主轴通过安装座安装在床身导轨的滑座上，床身导轨采用滚动导轨，可以实现Y 方向的进给运动。由X-Y双向精密数控工作台带动工件完成X，Y两个方向的进给运动;X，Y，Z三个方向的进给运动均滚珠丝杠，并由交流伺服电机驱动。导轨、滚珠丝杠有相应的润滑、防护等装置。 加工中心（英文缩写为CNC 全称为Computerized Numerical Control）：是带有刀库和自动换刀装置的一种高度自动化的多功能数控机床。在中国香港，台湾及广东一代也有很多人叫它电脑锣。 工件在加工中心上经一次装夹后，数字控制系统能控制机床按不同工序，自动选择和更换刀具，自动改变机床主轴转速、进给量和刀具相对工件的运动轨迹及其他辅助机能，依次完成工件几个面上多工序的加工。并且有多种换刀或选刀功能，从而使生产效率大大提高。 加工中心数控机床是一种装有计算机数字控制系统的机床，数控系统能够处理加工程序，控制机床完成各种动作。与普通机床相比，数控机床能够完成平面曲线和空间曲面的加工，加工精度和生产效率都比较高，因而应用日益广泛。 数控机床的组成 一般来说，数控机床由机械部分、数字控制计算机、伺服系统、PC控制部分、液压气压传动系统、冷却润滑和排泄装置组成。数控机床是由程序控制的，零件的编程工作是数控机床加工的重要组成部分。伺服系统是数控机床的驱动部分，计算机输出的控制命令是通过伺服系统产生坐标移动的。普通的立式加工中心有三个伺服电机，分别驱动纵向工作台、横向工作台、主轴箱沿X向、Y向、Z向运动。X、Y、Z是互相垂直的坐标轴，因而当机床三坐标联动时可以加工空
人脸识别发展趋势及应用领域分析
人脸识别发展趋势及应用领域分析 人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒的生物识别技术，具有极其广阔的市场应用前景。在公安、国防、海关、交通、金融、社保、医疗及其他民用安全控制等行业和部门存在着广泛的需求。 一、人脸识别何以瞬间爆发？ 其实对于整个生物识别领域来说，由于指纹识别应用时间早，价格低廉，而且使用便利，因此早早地便占据了国内的大部分市场，在顶峰时期，甚至可以达到90%左右。但是，又是什么力量，使人脸识别在短短五六年的时间里，就实现了如此迅猛的腾飞呢？ （一）政策因素：抛开技术因素，国家政策的支持可以说是人脸识别崛起的重要因素之一。尤其随着近些年来，平安城市等技术的大力推广，我国安防市场的需求也随之迅速升温，各领域安保的等级也就随之实现明显的提升。甚至在部分地区的部分领域，人脸识别已经开始被列为使用过程中的强制标准。这种情况的出现，对于人脸识别的推广无疑是一种非常有力的推动。因此，虽然政策的角色只是一种诱导的作用，但是这种诱导对于人脸识别的爆发，却又是不可或缺的。 （二）社会需求：在我国，随着城镇化的进程加快，流动人口比例大大增加，面临的突发事件和异常事件越来越复杂。因此这也就给城市的安保工作，以及视频监控带来了更大的压力。传统依靠人工来“盯”的方式难免会因疲劳或精神不集中等原因影响监视效果，难以胜任对庞大数据库的分析与理解，从而影响事后查找证据，更难以满足时代的需求，于是，人们对于具有智能分析的视频监控应用的呼声越来越高。 二、人脸识别发展趋势 （一）与视频监控相结合：随着人脸识别技术的进一步发展，将人脸识别技术将实现与数字监控系统的进一步融合，将成为人脸识别技术的另外一大应用领域。据统计数据显示，仅在中国大陆，在未来三年内有望形成年销售额过百亿，并在未来十年内则有望形成年销售额过千亿的市场规模。（二）逐步取代指纹考勤：人脸识别考勤，通过对人脸一些独一无二的特征识别对验进行考
文献综述_人工智能
人工智能的形成及其发展现状分析 冯海东 （长江大学管理学院荆州434023） 摘要：人工智能的历史并不久远，故将从人工智能的出现、形成、发展现 状及前景几个方面对其进行分析，总结其发展过程中所出现的问题，以及发展现状中的不足之处，分析其今后的发展方向。 关键词：人工智能，发展过程，现状分析，前景。 一．引言 人工智能最早是在1936年被英国的科学家图灵提出，并不为多数人所认知。 当时，他编写了一个下象棋的程序，这就是最早期的人工智能的应用。也有著名的“图灵测试”，这也是最初判断是否是人工智能的方案,因此，图灵被尊称为“人工智能之父”。人工智能从产生到发展经历了一个起伏跌宕的过程，直到目前为止，人工智能的应用技术也不是很成熟，而且存在相当的缺陷。 通过搜集的资料，将详细的介绍人工智能这个领域的具体情况，剖析其面临的挑战和未来的前景。 二．人工智能的发展历程 1. 1956年前的孕育期 (1) 从公元前伟大的哲学家亚里斯多德(Aristotle)到16世纪英国哲学家培根(F. Bacon)，他们提出的形式逻辑的三段论、归纳法以及“知识就是力量”的警句，都对人类思维过程的研究产生了重要影响。 （2）17世纪德国数学家莱布尼兹(G..Leibniz)提出了万能符号和推理计算思想，为数理逻辑的产生和发展奠定了基础，播下了现代机器思维设计思想的种子。而19世纪的英国逻辑学家布尔（G. Boole）创立的布尔代数，实现了用符号语言描述人类思维活动的基本推理法则。 （3） 20世纪30年代迅速发展的数学逻辑和关于计算的新思想，使人们在计算机出现之前，就建立了计算与智能关系的概念。被誉为人工智能之父的英国天才的数学家图灵（A. Tur-ing）在1936年提出了一种理想计算机的数学模型，即图灵机之后,1946年就由美国数学家莫克利（J. Mauchly）和埃柯特（J. Echert）研制出了世界上第一台数字计算机，它为人工智能的研究奠定了不可缺少的物质基础。1950年图灵又发表了“计算机与智能”的论文，提出了著名的“图灵测试”，形象地指出什么是人工智能以及机器具有智能的标准，对人工智能的发展产生了极其深远的影响。 （4） 1934年美国神经生理学家麦克洛奇(W. McCulloch) 和匹兹(W. Pitts )建立了第一个神经网络模型，为以后的人工神经网络研究奠定了基础。 2. 1956年至1969年的诞生发育期 (1)1956年夏季，麻省理工学院（MIT)的麦卡锡（J．McCarthy）、明斯基（M. Minshy）、塞尔夫里奇（O. Selfridge)与索罗门夫(R. Solomonff)、 IBM的洛
图像检测外文翻译参考文献
图像检测外文翻译参考文献(文档含中英文对照即英文原文和中文翻译)
译文 基于半边脸的人脸检测 概要：图像中的人脸检测是人脸识别研究中一项非常重要的研究分支。为了更有效地检测图像中的人脸，此次研究设计提出了基于半边脸的人脸检测方法。根据图像中人半边脸的容貌或者器官的密度特征，比如眼睛，耳朵，嘴巴，部分脸颊，正面的平均全脸模板就可以被构建出来。被模拟出来的半张脸是基于人脸的对称性的特点而构建的。图像中人脸检测的实验运用了模板匹配法和相似性从而确定人脸在图像中的位置。此原理分析显示了平均全脸模型法能够有效地减少模板的局部密度的不确定性。基于半边脸的人脸检测能降低人脸模型密度的过度对称性，从而提高人脸检测的速度。实验结果表明此方法还适用于在大角度拍下的侧脸图像，这大大增加了侧脸检测的准确性。 关键词：人脸模板，半边人脸模板，模板匹配法，相似性，侧脸。 I.介绍 近几年，在图像处理和识别以及计算机视觉的研究领域中，人脸识别是一个很热门的话题。作为人脸识别中一个重要的环节，人脸检测也拥有一个延伸的研究领域。人脸检测的主要目的是为了确定图像中的信息，比如，图像总是否存在人脸，它的位置，旋转角度以及人脸的姿势。根据人脸的不同特征，人脸检测的方法也有所变化[1-4]。而且，根据人脸器官的密度或颜色的固定布局，我们可以判定是否存在人脸。因此，这种基于肤色模型和模板匹配的方法对于人脸检测具有重要的研究意义[5-7]。 这种基于模板匹配的人脸检测法是选择正面脸部的特征作为匹配的模板，导致人脸搜索的计算量相对较大。然而，绝大多数的人脸都是对称的。所以我们可以选择半边正面人脸模板，也就是说，选择左半边脸或者有半边脸作为人脸匹配的模板，这样，大大减少了人脸搜索的计算。 II.人脸模板构建的方法 人脸模板的质量直接影响匹配识别的效果。为了减少模板局部密度的不确定性，构建人脸模板是基于大众脸的信息，例如，平均的眼睛模板，平均的脸型模板。这种方法很简单。 在模板的仿射变换的实例中，人脸检测的有效性可以被确保。构建人脸模板的过程如下[8]： 步骤一：选择正面人脸图像； 步骤二：决定人脸区域的大小和选择人脸区域； 步骤三：将选出来的人脸区域格式化成同一种尺寸大小；
虹膜识别外文翻译文献
虹膜识别外文翻译文献 虹膜识别外文翻译文献 (文档含中英文对照即英文原文和中文翻译) 外文： The first chapter 1.1 The research background of iris recognition Biometrics is a technology for personal identification using physiological characteristics and behavior characteristics inherent in the human body. Can be used for the biological characteristics of biological recognition, fingerprint, hand type face, iris, retina, pulse, ear etc.. Behavior has the following characteristics: signature, voice, gait, etc.. Based on these characteristics, it has been the development of hand shape recognition, fingerprint recognition, facial recognition, iris recognition, signature recognition and other biometric technology, many techniques have been formed and mature to application of. Biological recognition technology in a , has a long history, the ancient Egyptians through identification of each part of the body size measure to carry out identity may be the earliest human based on the earliest history of biometrics. But the modern biological recognition technology began in twentieth Century 70 time metaphase, as biometric devices early is relatively expensive, so only a higher security level atomic test, production base.due to declining cost of microprocessor and various electronic components, precision gradually improve, control device of a biological recognition technology has been gradually applied to commerce authorized, such as access control, attendance management, management system, safety certification field etc.. All biometric technology, iris recognition is currently used as a convenient and accurate.
无线射频识别技术外文翻译参考文献
无线射频识别技术外文翻译参考文献(文档含中英文对照即英文原文和中文翻译) 翻译： 当前无线射频识别技术应用略述 摘要 无线射频识别技术可以自动识别多目标并以非接触式方式移动目标。越来越多的零售商、银行、交通管理系统、展览及物流供应商将这项新技术应
用于他们的产品和服务。因此，这给RFID技术的研究带来了机遇和挑战。本文简单介绍了RFID系统的组成、原理及RFID技术的特点。本文比较了RFID 与传统条码，然后提供了一个简短的关于目前RFID应用情况的调查报告。 关键词：无线射频识别技术应用物流
一、简 介 无线射频识别（RFID ）是一种识别技术。与RFID 技术的前身——条码技术相比，RFID 技术具有很多的优点。但由于其成本高，RFID 技术至今未能广泛应用到各行各业。RFID 技术因其无需视线扫描而具有无可比拟的先进性，它能够降低劳动力水平，提高知名度并改善库存管理。 RFID 技术的普及提供了一项人或物体定位及追踪的解决方案。RFID 定位与跟踪系统根据独特的识别标签、阅读器与物体标签间射频通信的信号强度确定物体的空间位置，主要适用于室内，而GPS 系统是不适合应用于室内的。 RFID 技术是一项基于“无线电频率”的非接触式的自动识别技术，自动识别静态或动态的人和对象。 RFID 标签是一个特殊的微芯片，植入商品中，可以跟踪和管理物理对象，是物流管理信息化和跟踪信息化的重要手段。 RFID 的系统组成部分包括： (1）标签（应答器）：对象植入待确定。 (2）阅读器：可以读或读/写，按结构和技术。正如图1-1，RFID 的工作原理 图1-1 RFID 的工作原理 与计算机通讯 阅读器 电磁波（操作指 令和新的数据） 标签 发出的ID 代码和数据
机械类数控车床外文翻译外文文献英文文献车床.doc
Lathes Lathes are machine tools designed primarily to do turning, facing and boring, Very little turning is done on other types of machine tools, and none can do it with equal facility. Because lathes also can do drilling and reaming, their versatility permits several operations to be done with a single setup of the work piece. Consequently, more lathes of various types are used in manufacturing than any other machine tool. The essential components of a lathe are the bed, headstock assembly, tailstock assembly, and the leads crew and feed rod. The bed is the backbone of a lathe. It usually is made of well normalized or aged gray or nodular cast iron and provides s heavy, rigid frame on which all the other basic components are mounted. Two sets of parallel, longitudinal ways, inner and outer, are contained on the bed, usually on the upper side. Some makers use an inverted V-shape for all four ways, whereas others utilize one inverted V and one flat way in one or both sets, They are precision-machined to assure accuracy of alignment. On most modern lathes the way are surface-hardened to resist wear and abrasion, but precaution should be taken in operating a lathe to assure that the ways are not damaged. Any inaccuracy in them usually means that the accuracy of the entire lathe is destroyed. The headstock is mounted in a foxed position on the inner ways, usually at the left end of the bed. It provides a powered means of rotating the word at various speeds . Essentially, it consists of a hollow spindle, mounted in accurate bearings, and a set of transmission gears-similar to a truck transmission—through which the spindle can be rotated at a number of speeds. Most lathes provide from 8 to 18 speeds, usually in a geometric ratio, and on modern lathes all the speeds can be obtained merely by moving from two to four levers. An increasing trend is to provide a continuously variable speed range through electrical or mechanical drives. Because the accuracy of a lathe is greatly dependent on the spindle, it is of heavy construction and mounted in heavy bearings, usually preloaded tapered roller or ball types. The spindle has a hole extending through its length, through which long bar stock can be fed. The size of maximum size of bar stock that can be machined when the material must be fed through spindle. The tailsticd assembly consists, essentially, of three parts. A lower casting fits on the inner ways of the bed and can slide longitudinally thereon, with a means for clamping the entire assembly in any desired location, An upper casting fits on the lower one and can be moved transversely upon it, on some type of keyed ways, to permit aligning the assembly is the tailstock quill. This is a hollow steel cylinder, usually about 51 to 76mm(2to 3 inches) in diameter, that can be moved several inches longitudinally in and out of the upper casting by means of a hand wheel and screw. The size of a lathe is designated by two dimensions. The first is known as the swing. This is the maximum diameter of work that can be rotated on a lathe. It is approximately twice the distance between the line connecting the lathe centers and the nearest point on the ways, The second size dimension is the maximum distance between centers. The swing thus indicates the maximum work piece diameter that can be turned in the lathe, while the distance between centers indicates the maximum length of work piece that can be mounted between centers. Engine lathes are the type most frequently used in manufacturing. They are heavy-duty machine tools with all the components described previously and have power drive for all tool movements except on the compound rest. They commonly range in size from 305 to 610 mm(12 to 24 inches)swing and from 610 to 1219 mm(24 to 48 inches) center distances, but swings up to 1270 mm(50 inches) and center distances up
2019年我国人脸识别技术发展情况及发展趋势综合分析
2019年我国人脸识别技术发展情况 及发展趋势综合分析 2019年2月14日 一、全球生物识别细行业市场占比情况分析 生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式，生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。 伴随着生物识别产品逐渐从单一的PC处理转变为分布式计算。 用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对，通过中心PC或服务器完成与业务相关的处理。随着生物特征 识别技术的不断发展和提高，生物特征识别技术的应用场景不断拓展，预计2015-2020年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为167%；语音识别为100%；虹膜识别为100%；指纹识别复合增长率为73%。
全球生物识别细行业市场占比情况 二、中国人脸识别技术发展情况分析 1、中国人脸识别行业发展历程 人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进-专业市场导入-技术完善-技术应用-各行业领域使用等五个阶段。其中，2014年是深度学习应用于人脸识别的关键一年，该年FaceBook发表一篇名为“DeepFace系统：达到肉眼级别的人脸识别系统”（翻译名），之后Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果，两者在LFW数据集上识别准确度均超过了99%，而肉眼在该数据集上的识别准确度仅为97.52%，可以说深度学习技术让计算机人脸识别能力超越人类的识别程度。
人脸识别与其他生物识别方式相比，优势在于自然性、不被察觉性等特点。自然性即该识别方式同人类进行个体识别时所利用的生物特征相同。指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触，而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像，在采集过程中体验感不佳。目前人脸识别需要解决的难题是在不同场景、脸部遮挡等应用时如何保证识别率。此外，隐私性和安全性也是值得考虑的问题。 2、3D人脸识别与2D人脸识别数据对比 目前，国内的人脸识别技术已经相对发展成熟，该技术越来越多的被推广到安防领域，延伸出考勤机、门禁机等多种产品，产品系列达20多种类型，可以全面覆盖煤矿、楼宇、银行、军队、社会福利 保障、电子商务及安全防务等领域，人脸识别的全面应用时代已经到来。 中游人脸识别技术的进步，是推动下游场景应用拓展的关键所在。目前，人脸识别市场的解决方案主要包括2D识别、3D识别技术。市场上主流的识别方案是采用摄像头的2D方案，但由于人的脸部并非 平坦，因此2D识别在将3D人脸信息平面化投影的过程中存在特征信息损失。3D识别使用三维人脸立体建模方法，可最大程度保留有效 信息，因此3D人脸识别技术的算法比2D算法更合理并拥有更高精度。
论文《人工智能》---文献检索结课作业
人工智能 【摘要】：人工智能是一门极富挑战性的科学，但也是一门边沿学科。它属于自然科学和社会科学的交叉。涉及的学科主要有哲学、认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论、仿生学等。人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等1。 【关键词】：人工智能；应用领域；发展方向；人工检索。 1．人工智能描述 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学2。人工智能是计 算机科学的一个分支，它企图了解智 能的实质，并生产出一种新的能以人 类智能相似的方式作出反应的智能 机器，该领域的研究包括机器人、语 言识别、图像识别、自然语言处理和 专家系统等。“人工智能”一词最初 是在1956 年Dartmouth学会上提出 的。从那以后,研究者们发展了众多 理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复 1.蔡自兴，徐光祐.人工智能及其应用.北京：清华大学出版社，2010 2元慧·议当人工智能的应用领域与发展状态〖Ｊ〗．2008
单片机技术发展与应用中英文对照外文翻译文献
(文档含英文原文和中文翻译) 中英文对照外文翻译 单片机技术的发展与应用 从无线电世界到单片机世界现代计算机技术的产业革命，将世界经济从资本经济带入到知识经济时代。在电子世界领域，从 20 世纪中的无线电时代也进入到 21 世纪以计算机技术为中心的智能化现代电子系统时代。现代电子系统的基本核心是嵌入式计算机系统(简称嵌入式系统)，而单片机是最典型、最广泛、最普及的嵌入式系统。 一、无线电世界造就了几代英才。在 20 世纪五六十年代，最具代表的先进的电子技术就是无线电技术，包括无线电广播，收音，无线通信(电报)，业余无线电台，无
线电定位，导航等遥测、遥控、遥信技术。早期就是这些电子技术带领着许多青少年步入了奇妙的电子世界，无线电技术展示了当时科技生活美妙的前景。电子科学开始形成了一门新兴学科。无线电电子学，无线通信开始了电子世界的历程。无线电技术不仅成为了当时先进科学技术的代表，而且从普及到专业的科学领域，吸引了广大青少年，并使他们从中找到了无穷的乐趣。从床头的矿石收音机到超外差收音机；从无线电发报到业余无线电台；从电话，电铃到无线电操纵模型。无线电技术成为当时青少年科普、科技教育最普及，最广泛的内容。至今，许多老一辈的工程师、专家、教授当年都是无线电爱好者。无线电技术的无穷乐趣，无线电技术的全面训练，从电子学基本原理，电子元器件基础到无线电遥控、遥测、遥信电子系统制作，培养出了几代科技英才。 二、从无线电时代到电子技术普及时代。早期的无线电技术推动了电子技术的发展，其中最主要的是真空管电子技术向半导体电子技术的发展。半导体电子技术使有源器件实现了微小型化和低成本，使无线电技术有了更大普及和创新，并大大地开阔了许多非无线电的控制领域。半导体技术发展导致集成电路器件的产生，形成了近代电子技术的飞跃，电子技术从分立器件时代走进了电路集成时代。电子设计工程师不再用分立的电子元器件设计电路单元，而直接选择集成化的电路单元器件构成系统。他们从电路单元设计中解放出来，致力于系统设计，大大地解放了科技生产力，促进了电子系统更大范围的普及。半导体集成电路首先在基本数字逻辑电路上取得突破。大量数字逻辑电路，如门电路，计数器，定时器，移位寄存器以及模拟开关，比较器等，为电子数字控制提供了极佳的条件，使传统的机械控制转向电子控制。功率电子器件以及传感技术的发展使原先以无线电为中心的电子技术开始转向工程领域中的机械系统的数字控制，检测领域中的信息采集，运动机械对象的电气伺服驱动控制。半导体及其集成电路技术将我们带入了一个电子技术普及时代，无线电技术成为电子技术应用领域的一个部分。进20世纪70年代，大规模集成电路出现，促进了常规的电子电路单元的专用电子系统发展。许多专用电子系统单元变成了集成化器件，如收音机，电子钟，计算器等，在这些领域的电子工程师从电路系统的精心设计，调试转变为器件选择，外围器件适配工作。电子技术发展了，电子产品丰富了，电子工程师的难度减少了，但与此同时，无线电技术，电子技术的魅力却削弱了。半导体集成电路的发展使经典电子系统日趋完善，留在大规模集成电路以外的电子技术日益减少，电子技术没有了往昔无线电时代的无穷乐趣和全面的工程训练。 三、从经典电子技术时代到现代电子技术时代进入 20 世纪 80 年代，世界经济