登录
Butterworth滤波器
Butterworth滤波器，又称“最平幅度滤波器”，是由英国工程师Stephen Butterworth于1930年提出的一种线性相位滤波器。其核心特点是在通带内幅频特性具有最大平坦度，没有纹波，而在阻带内则呈现单调衰减的特性。这种特性使得它在对通带信号保真度要求较高的场景中得到广泛应用，相较于Chebyshev滤波器等其他类型，Butterworth滤波器的通带信号失真更小，不过其阻带衰减速度相对较慢，通常需要更高的阶数才能达到与其他滤波器相当的阻带抑制效果。
2025-12-10
1188
3
8
低通滤波器与高通滤波器
在信号处理、电子电路及通信系统中，低通滤波器（LPF）和高通滤波器（HPF）是两种最基础且应用广泛的滤波装置。它们的核心功能都是“筛选”信号——根据频率的高低决定信号的“通过”或“阻隔”，但筛选的方向完全相反。一、核心定义滤波器的命名直接反映了其功能本质，两者的核心区别从定义上即可直观体现：
2025-12-09
1
9
0
二次规划（QP）算法
在数值优化领域，二次规划（Quadratic Programming，简称QP）是一类兼具理论深度与工程价值的优化问题。作为线性规划（LP）的自然延伸，它通过引入二次目标函数，能够更精准地刻画实际场景中存在的“非线性”与“凸性”特征，在机器人控制、金融投资、工程设计等诸多领域发挥着不可替代的作用。
2025-12-09
764
1
10
非线性规划（NLP）算法
在数学规划领域，非线性规划（Nonlinear Programming，简称NLP）是解决含非线性约束或非线性目标函数优化问题的核心技术。相较于目标函数与约束条件均为线性的线性规划，非线性规划更贴合工程设计、经济分析、机器学习等实际场景中“变量关系非直线”的复杂问题，其算法体系也更具多样性与针对性。本文将从基础概念出发，系统梳理非线性规划的核心要素、算法分类、典型方法及应用场景，为理解与应用NLP技术提供全面参考。
2025-12-08
882
2
8
传感器设备的低能耗电源管理算法
在物联网（IoT）、工业监测、智能穿戴等领域，传感器设备作为数据采集的核心节点，其续航能力直接决定了系统的可靠性与运维成本。由于多数传感器设备依赖电池供电，且常工作于无人值守场景，传统“持续供电+全速采集”的模式已无法满足长期运行需求。低能耗电源管理算法通过动态调控传感器及关联模块的工作状态，在保证数据采集精度与实时性的前提下最小化能耗，成为解决这一矛盾的核心技术。
2025-12-07
559
9
8
足底压力传感器布局方案
足底压力传感器的布局核心逻辑是“精准匹配生理受力特征”——人体行走、站立时足底压力分布具有显著的区域差异性，传感器需重点覆盖压力集中区、运动关键区及姿态特征区，才能高效采集步态分析、健康监测、运动康复等场景所需的数据。其中，柔性传感器因适配足部曲面、佩戴舒适的优势成为主流，除常用的FSR（力敏电阻）外，压阻式纳米复合材料传感器、电容式柔性传感器、压电式柔性传感器等方案也在不同场景中广泛应用，它们的布局均围绕足跟、足弓、前掌、脚趾等关键区域展开。
2025-12-07
1088
8
12
模型预测控制（MPC）算法
在工业控制领域，随着被控对象复杂性的提升、多变量耦合关系的增强以及对控制精度和稳定性要求的提高，传统PID控制等算法逐渐暴露出适应性不足的问题。模型预测控制（Model Predictive Control，简称MPC）作为一种基于模型的先进控制策略，凭借其对约束的灵活处理能力、多变量协调控制优势以及滚动优化的特性，已成为过程控制、运动控制等领域的核心技术之一。
2025-12-07
821
6
11
模型预测控制（MPC）算法在智能鞋垫中的应用
模型预测控制（Model Predictive Control, MPC）是一种基于滚动优化和系统模型的先进控制策略，核心优势在于能在约束条件下（如传感器精度、执行器上限、人体生理安全阈值），通过预测系统未来行为动态优化控制决策。在智能鞋垫这一集成多传感器、需实时响应人体运动状态的智能穿戴设备中，MPC算法可有效解决运动状态预测、个性化步态矫正、平衡辅助、能耗优化等核心问题，显著提升设备的智能化水平和用户体验。
2025-12-07
1167
4
6
能量收集与管理算法（Energy Harvesting Management）
在物联网（IoT）、可穿戴设备、无线传感器网络（WSN）等新兴领域快速发展的背景下，传统电池供电模式面临着更换成本高、续航能力有限、环境污染等诸多瓶颈。能量收集（Energy Harvesting，EH）技术通过捕获环境中存在的可再生能源（如太阳能、风能、振动能、热能、电磁能等）并将其转化为电能，为解决设备供电难题提供了全新思路。而能量收集与管理算法作为连接能量收集模块与用电设备的核心“大脑”，负责统筹能量的捕获、存储、分配与利用，直接决定了能量收集系统的效率、稳定性与可靠性，是实现能量高效利用的关键支撑。
2025-12-06
547
8
3
机器人电源管理中应用的数学模型
机器人电源管理系统是保障机器人可靠运行、延长续航时间的核心组件，其本质是通过动态调控电源的充放电策略、能量分配方式及负载匹配关系，实现“能量高效利用-系统稳定运行-电池寿命延长”的多目标优化。数学模型作为量化分析与优化决策的工具，贯穿于电源状态监测、能量调度、寿命预测等全流程。本文将系统梳理机器人电源管理中典型的数学模型，包括电源状态估算模型、能量优化调度模型及电池寿命预测模型，明确各模型的核心公式、物理意义及应用场景。
2025-12-06
995
7
10
Paillier加密算法详解
一、算法概述Paillier加密算法是由Pascal Paillier于1999年提出的一种基于大数分解难题的公钥加密算法，其核心特点是支持同态加法，即对密文进行加法运算后解密的结果，与对明文进行加法运算的结果一致。这种特性使其在隐私保护数据挖掘、安全多方计算、电子投票等场景中具有重要应用价值。
2025-12-05
707
1
12
互补滤波算法（Complementary Filter Algorithm）
在传感器数据融合领域，互补滤波算法以其结构简单、计算量小、实时性强的特点，成为低成本惯性导航、姿态解算等场景的核心技术之一。它通过利用不同传感器的“互补特性”——即一种传感器在高频段精度高、低频段误差大，另一种传感器则相反——实现对目标状态的精准估计，有效弥补单一传感器的性能缺陷。
2025-12-05
1095
6
12
卡尔曼滤波算法（Kalman Filter）
在信号处理、控制系统、自动驾驶等众多领域，我们常常需要从包含噪声的观测数据中提取出系统真实的状态信息。卡尔曼滤波（Kalman Filter）作为一种高效的递归滤波算法，凭借其对线性系统的最优估计能力，成为解决这类问题的经典工具。一、卡尔曼滤波的基本概念卡尔曼滤波由鲁道夫·卡尔曼（Rudolf E. Kalman）于1960年提出，其本质是一种基于线性系统状态方程和观测方程，利用递推方式对系统状态进行最优估计的算法。与传统的批处理滤波（如最小二乘法）不同，卡尔曼滤波不需要存储全部历史观测数据，而是通过当前观测值和上一时刻的状态估计值，实时计算出当前的最优状态估计，具有计算量小、实时性强的显著优势。
2025-12-04
987
3
6
传统机器学习（Traditional ML）vs 迁移学习（Transfer Learning）
在人工智能与机器学习的发展历程中，传统机器学习与迁移学习是两类具有里程碑意义的技术范式。前者构建了机器学习的基础框架，后者则打破了传统模式的局限，成为解决数据稀缺、降低训练成本的核心技术。本文将从核心定义、核心差异、适用场景、典型案例及未来趋势五个维度，系统剖析二者的区别与联系，为技术选型提供参考。
2025-12-04
977
0
5
消费级、工业级与航空航天级IMU对比分析
惯性测量单元（IMU，Inertial Measurement Unit）是一种通过加速度计和陀螺仪测量物体运动状态的核心传感器，其性能直接决定了运动感知、姿态控制等功能的精度与可靠性。根据应用场景对精度、稳定性、环境适应性等需求的差异，IMU可分为消费级、工业级和航空航天级三个主要等级。
2025-12-03
575
2
1
IMU实时捕捉足部运动线性加速度
惯性测量单元（IMU）作为运动捕捉领域的核心器件，能够通过内置的惯性传感器实时感知物体的运动状态，其中线性加速度的精准捕捉是解析足部步态、运动轨迹及动力学特征的关键。足部运动具有高频次、多自由度、姿态变化复杂的特点，IMU需通过传感器选型、数据融合、误差校准等多重技术手段，实现线性加速度的实时、可靠输出。本文将从核心原理、硬件支撑、数据处理及实际应用要点四个维度，系统解析IMU捕捉足部线性加速度的技术路径。
2025-12-03
1110
1
3
姿态与航向参考系统（AHRS）
在航空、航海、无人机、机器人等众多需要精准定位与姿态控制的领域，姿态与航向参考系统（Attitude and Heading Reference System，简称AHRS）扮演着至关重要的角色。它作为一种核心的惯性测量设备，能够实时输出载体的姿态角（俯仰角、横滚角）和航向角，为载体的导航、控制和决策提供关键数据支撑。本文将从定义、核心功能、工作原理、关键组成、应用场景及技术发展趋势等方面，对AHRS进行全面深入的解析。
2025-12-02
1067
9
2
惯性测量单元（IMU）全面解析
在自动驾驶、无人机导航、机器人控制、虚拟现实（VR）/增强现实（AR）等众多前沿技术领域，惯性测量单元（Inertial Measurement Unit，简称IMU）扮演着“感知核心”的关键角色。它无需依赖外部信号，就能实时捕捉载体的运动状态，为各类系统提供不可或缺的姿态与运动数据。
2025-12-02
1199
5
11
职场人加班到11点？1小时快速入深睡的3个实测方法
凌晨1点翻来覆去刷手机，脑子里还盘旋着未发的邮件和待改的方案；明明身体累到酸痛，神经却像上紧的发条停不下来——这是很多加班到深夜的职场人的睡眠常态。加班到11点，留给睡眠的时间本就紧张，若再被“入睡难、睡不深”困扰，第二天必然是昏沉低效的恶性循环。
2025-12-01
858
2
10
IMU设备如何应用于老人跌倒判断和预警
随着人口老龄化进程的加速，老人跌倒已成为威胁老年群体生命健康的重要隐患。据世界卫生组织统计，全球每年有30%的65岁以上老人发生跌倒，其中部分跌倒会导致骨折、颅内出血等严重后果，甚至引发长期失能或死亡。在这一背景下，基于惯性测量单元（IMU）的跌倒判断与预警技术凭借其便携性、实时性和准确性优势，成为守护老人安全的重要技术手段。
2025-12-01
581
5
6
© 2021 - 现在 杭州极深数据有限公司 版权所有 联系我们 
浙公网安备 33018302001059号  浙ICP备18026513号-1号