本技术提供一种载体运动激励的微惯导误差参数辨识与预测方法，将微惯导使用数据和标定数据有效结合，根据使用环境与运动情况择优补偿器件误差，充分利用历史数据，提高微惯导关键误差参数补偿精度，进而提升微惯导性能；同时，本发明还引入运动激励对误差参数补偿精度的影响，避免未能激励误差的数据污染标定结果；最后，本发明所提出的微惯导误差参数变化趋势的学习与预测方法能够减小使用年限增长带来的器件误差，延长微惯导的使用寿命。

 本文提供的基于熵的肌肉疲劳评估方法及其应用，具体涉及信号处理技术领域，该方法首先采集表面肌电(sEMG)信号并进行预处理。随后，采用分数阶微积分与波动分散熵(FDE)算法结合，并引入多尺度处理过程，从而创新性地提出RCMFFDE算法。利用此算法对预处理后的sEMG信号进行多尺度分析，生成多条熵值曲线。通过选取满足预设条件的熵值曲线作为最终熵值曲线，所述最终熵值曲线能够准确反映肌肉疲劳状态。该方法能够有效、可靠地评估肌肉疲劳程度，对预防人体肌肉疾病和运动损伤，具有重要的运动学和医学意义。

 本技术公开了一种基于KAN神经网络及连续扰动注入装置的阻抗测量方法，涉及电网运行分析技术领域，包括以下步骤:S1、在连续扰动注入装置中设定扰动参数，接入连续扰动注入装置；S2、连续注入扰动信号，并获取待测系统并网点的响应电压和响应电流；S3、基于KAN神经网络的频谱识别算法，计算当前扰动频率下的阻抗幅值和相位；S4、进行下一个频率点的阻抗计算，直到达到扰动注入总次数，完成待测系统阻抗的测量；S5、将不同频率下的阻抗计算结果通过可视化进行展示。本发明通过采用KAN神经网络，显著提高了电力系统中阻抗测量的精度与稳定性，增强了抗噪性能和非线性信号处理能力。

 本技术提供一种基于生产外包情形的高端装备研制与批产协同调度方法、系统、存储介质和电子设备，涉及高端装备研制与批产协同调度领域。本发明面向高端装备制造商的研制与批产两阶段协同调度问题，增加了制造商将订单外包的情形，符合高端装备企业发展的实际需求。针对制造商自行研制批产的情况，以制造商总体利润最大为优化目标，获取自行研制批产订单集合及其对应的研制团队与生产线，并据此确定外包订单集合。此外，利用改进的迭代贪婪算法快速且准确的求得问题近似最优解，求解结果能够满足高端装备制造商的生产需求，提升高端装备研制和批产的效率，增加高端装备制造商的总收益。

 本技术公开了一种轻量化水下目标检测方法，涉及水下目标检测技术领域，包括:以YOLOv8为基准模型，对所述YOLOv8的网络骨干使用轻量化的RepGhost重参数模块实现特征复用，并采用SPD卷积模块替换网络骨干的卷积层；采用全局特征金字塔GFPN替换所述YOLOv8的网络颈部，进行特征融合；采用CLLA检测头替换所述YOLOv8的网络头部，提高对目标的识别和定位，获得轻量化水下目标检测模型；对所述轻量化水下目标检测模型进行性能评估，并将其应用到实际场景中，实现水下目标检测。本发明解决了传统方法在复杂水下环境和有限的计算资源下难以进行准确检测，以及未能考虑模型轻量化的问题。

 本技术涉及图像处理技术领域，具体为一种小型人脸检测方法、电子设备及存储介质，包括:选取人脸图像数据集，对所述人脸图像数据集中的图片进行预处理；将预处理后的图片输入至深度学习网络模型，所述深度学习网络模型包括Backbone网络、Neck网络和Head部分；设置适合所述深度学习网络模型的损失函数，训练并调整模型参数；将待检测的小型人脸图像输入至最优网络模型，输出小型人脸图像检测结果图，所述最优网络模型为将模型参数调整至最优后的深度学习网络模型；选择性状态空间模型的引入作为一种创新技术，在具有较强的全局特征提取能力的同时，有效地减轻了模型的计算负担。

 本技术属于信号处理技术领域，具体涉及一种基于时变模糊色散熵的脑电信号复杂度分析方法，包括下列步骤:对脑电EEG数据进行预处理；进行粗粒化处理，得到粗粒化之后的时间序列；考虑每一通道内的瞬时变化，得到变化序列；基于正态累积分布函数NCDF分别对每一通道的元素进行0‑1之间的映射，之后进行二次线性映射；依据多元嵌入理论，进行多元嵌入重构；从每个多元嵌入向量中每次选取m个元素，依据模糊隶属度函数确定这m个元素的色散模式；基于香农熵的定义计算多元多尺度时变模糊色散熵。本发明在多尺度下对信号进行了全面的探索，通过计算通道内的瞬时变化，在衡量通道间关系时同时关注到通道内的信息，引入模糊化的思想提高了抗噪能力和稳定性。

 本技术公开了一种基于CMV3‑TFNet轻量化模型的三维掌纹感兴趣区域提取方法。该方法包括以下步骤:首先，利用三维掌纹采集系统，通过四步相移法采集十二幅变形条纹图，生成二维掌纹深度图；对收集的手掌图像数据进行预处理；利用CMV3‑TFNet模型架构对预处理后的图像进行掌纹中心定位和旋转角度预测，模型结构中引入极坐标变换网络PTN以增强旋转鲁棒性，使用深度可分离卷积和轻量化Transformer模块来提升计算效率，并通过CBAM模块加强特征提取能力。最后，对旋转校正后的掌纹图像进行裁剪，提取掌纹的感兴趣区域。所述方法在多种数据集上取得了良好的性能，具备在旋转复杂场景中准确提取掌纹感兴趣区域的能力。

 一种基于大规模语言模型的电子装备变体设计方法，属于电子装备变体设计技术领域。为解决生成符合相应领域、功能要求的CBB模型的问题，本技术包括向通义千问模型提供生成目标电子装备CBB模型的命令；向通义千问模型中提供加入提示词命令；生成电子装备CBB模型，然后向通义千问模型输入文本命令，通义千问模型根据文本命令和电子装备CBB模型生成电子产品架构；得到文本特征作为电子装备变体数据集；采用中文版BERT模型作为电子装备变体设计Bert模型，然后基于Lora方法微调电子装备变体设计Bert模型，得到训练好的中文版BERT模型；根据模型文本特征的相关性，过滤掉无关的电子装备CBB模型。本发明正确性高。

 本技术涉及景区垃圾监测感知技术领域，具体涉及一种垃圾智能监测感知系统及其应用，系统包括采集模块、传输模块、云识别模块，其中:所述采集模块定点设置在待感知的区域内，采集待感知区域内的视频数据，将采集的所述视频数据通过所述传输模块上传到云识别模块，所述云识别模块对所述视频数据进行目标检测，并将待感知区域的垃圾检测结果以及垃圾检测得到的分布情况推送到客户端。本发明能够有效对特定区域内的垃圾分布情况进行感知，并通过获取的来及分布情况有效对特定区域内的垃圾桶以及清洁工人进行调度，可以提高清洁效率，保证特定区域内的卫生情况。