数码行业前景分析精选(九篇)
第1篇：数码行业前景分析范文
编码压缩的问题
第一个存不下的问题，事实上是编码压缩的问题。视频编码的进展还是比较快的，但是技术的进步和数据增长的速度比起来，根本没有办法吻合，因为技术是每十年翻一倍，但是我们知道大数据，尤其是和监控有关的大数据，增长起来非常的快，所以靠传统技术的进步来解决数据本身增长量显然是不够的。具体说来，这个技术要解决是视频数据的编码效率问题，如果你有办法把这个视频数据很好的压缩了，那么传输、存储也可能不是大问题了。这个方面实际上我们是希望找到一个特别是对于监控视频比较有效的压缩方法。
在视频编码里面，有三个技术是比较关键的，第一个技术是变换技术，就是把实滤的信号放在频率上处理，使得用一些数据工具能很好的进行编码压缩。第二个是预测技术，靠的是在同一帧和不同帧里找到相同的东西。第三个是商业编码，每一个东西都有信息商，如果用商业编码来表达就会更加有效率。所有的视频编码实际上是这三个技术的组合，这个技术实际上是有一个理论上限，我们现在可达到的成果离理论上限还有非常大的空间。
面向监控视频，应该要用更好的技术，我们把它叫做Lone―termVirtual，是长时的、虚拟帧的参考技术。所谓长时，就是因为场景可以长时间的使用，所谓的帧其实不是一个真的帧，是算出来的，通过模型的方法来产生，用这样的方法效率就比较高。这种想法是不管拍自然景物，还是会议视频，实际上有很多东西是不变的，只有少部分是变的，如果把少部分变的东西检测出来，不变的东西可以一直在使用，这样就可以提高编码效率。这里最关键的问题是区分背景和前景，背景用长时间不用的东西表达，前景我用精细的编码表达。为了把背景找到，我们就提出了一个技术――基帧产生技术。有了这项技术就可以很容易把一个图像序列的前景、背景分离出来了。知道了前景和背景，有了这样的结构，接下来就是怎么编的问题了，这样比原来做的视频编码要简单得多。
此外，还有一项技术不仅仅和监控视频有关，与互联网视频也有关，我们把它叫做Free―term编码结构，这个完全是面向大数据的。
互联网上有非常多的视频和图像，从这些东西中可以提取出一个很好的缩影，可以利用这个缩影进行检索，也就是说有了这个大数据了，可以通过一些稀疏的表达来构造一个东西，然后利用这个东西来编辑编码，使编译效率更高。
有效搜索的问题
搜索的问题在这里面有这样的几个问题：对象能不能检测得到？检测的对象能不能跟得上？不同摄像机为了跟上，怎么切换？前两个问题是一般模式必须要解决的问题，里面有很多必须要解决的技术。
到目前为止基本上是摄象头接收信息，把接收到的信息送回来，已经做了编码压缩，要在根上解开，然后再做分析。先有编码，然后是解码，然后再做检测。如果用前面说的这种想法，因为一开始我们有5分钟的前景和背景，你的对象一定是前景上，所以只在前景上找就可以了，这样检测的效率就非常高。
另外是跟踪，多摄像机的网络跟踪，摄像机和摄像机之间，它的位置、朝向、时间切换点等等，把这些参数很好的结合在一起，这个问题也可以推进，但是到目前为止，这个问题做得并不好，大家可以做的也就是十几个到几十个摄像机的跟踪，一个城市做几千个，几万个，几十万个，目前根本做不到。
我们希望原来把编码和分析像一个火车的两条轨道完全平衡，使得所做的技术融合在一起，集中在一个编码的框架下。如果有了这个东西，实际上在摄象头那一端抓回来的东西，前景直接可以进入到对象的描述和表达，可以基于前景来描述出相关的内容，比如说有哪些区域在前景上，然后把若干的图像和若干个摄象头的东西融合在一起，最后可以分析出来他的行为是什么，这样就可以直接进入到视频监控的环节，这个是很理想的状态。有了这个，视频监控才能够真正的融合到智慧城市里。
为了做这件事，技术上需要有一个完整的描述，简单地说就是我们现在要制订一个很好的语法，语法里面有很多的描述词，通过描述词和语法的组合，可以把很多的行为、很多的事件都描述出来，包括车是正常行进还是非正常行进，或者是一堆人是正常的行为，还是非正常的行为，通过这个描述都可以做得到。基于这样的一个前景的技术，在有了前景之后，利用前景的描述，很容易就把很多对象流检测出来。只要关注前景的东西，就可以在上面进行分析。
视频质量的问题
看不清的问题应该是传统的问题了，现在的摄象头质量不行，所以使得两个方面达不到进行很好识别的要求。第一个问题是摄象头进来的方向的图像分辨率不够，第二个问题是图像的清晰度不够，由于各种各样的原因，比如说光照的原因等等，这两个问题是挑战性的问题。现在很多人在研究这方面的问题，当然最理想、最根本的办法是把摄象头的分辨率提上来，这个不是一两天可以做得到，现在布下去那么多的摄象头，真正满足要求的摄象头是少之又少的，最好的是4K的摄象头，这个是很少的，随着时间的推移，要慢慢推好的分辨率高的摄象头。例如人脸识别这件事，目前的摄象头很难做得很好，现在的摄象头，比如用算法可以识别的，大概的识别率是60%、70%，要想提高到80%多，就要换4K的摄象头，这个是我们必须要做的事。
但是，我们还可以从后台弥补摄象头不足的问题，即抛分辨率，通过不同的算法把分辨率提上来。除了这个方法之外，还有一个方法，就是把视频流里面多个照片用在一起，最后使得分辨率提升。
第2篇：数码行业前景分析范文
关键词：网购执行意向；网购情景线索；网购营销策略；扎根理论
引言
随着“互联网+”变革时代的到来，一个由消费者应用场景、大数据和社区化连接共同构成的多维商业形态已形成，网购行为逐渐成为重要的商业驱动因素，深刻影响着新商业文明的崛起。尽管电商平台及相关服务提供商采取了多种组合营销策略，以迎合网购行为千变万化的复杂演化机理，但精准营销策略和精准推荐算法仍然是电子商务实现大规模个性化定制的瓶颈，如何基于网购者前瞻性记忆和回溯记忆的感知特点，掌握其营销策略类型及其细分机制，成为越来越紧迫的问题。根据行为执行意向理论，网购行为需要情景线索效应、目标导向行为反应及二者的高度关联匹配后得以强化，这意味着消费者行为是在一定的情景线索刺激和合适的行为反应自动匹配后发生作用的。因此，探讨基于行为执行意向理论的网购营销策略研究更有助于理解数字化营销、神经营销、大数据营销等营销策略的精髓，这也对当今企业所面临的关键问题具有重要的理论和实践指导意义。理论基础网购行为执行意向与市场营销理论的关系。网购行为执行意向是指网购者以行动目标为导向，如在炫耀、实用、享乐、自我表露或者体验等目标导向下，通过连接网购情景线索和网购行为反应，建立行为意向和实际网购行为之间联系的中介变量。它起到了最佳的桥梁作用，建立了意向和实际行为之间的联系；它通过强化网购者的前瞻性认知记忆增强个体情景线索识别能力，在一定的情景或回溯记忆等条件刺激下，执行意向被自动、有效并且无意识地启动，从而帮助网购者缩小预定目标和现实目标之间的距离；它是一种网购行为临界状态，更能预测实际网购行为发生的可能性。同时，传统营销策略在传统业务中奠定了一定的理论基础，这对网购行为执行意向理论具有很大的启示作用。然而，在移动营销等新环境中掌握网购者行为与心理时，传统营销策略面临诸多挑战，如从大众营销策略向个性化营销策略转变的过程中难以把握消费者行为意向突变规律，无法精准分析网购行为。所以，传统营销策略必须与网络心理、新媒体营销、大数据营销等当前交叉领域中的热点知识结合起来，才能达到真正洞察网购者的目的。为此，传统营销策略必须面对网购情景线索纷繁复杂、网购行为反应动态演化多变等现实困境，以网购者为研究对象，根据行为执行意向理论，从网购情景、行为目标导向、具体网购行为反应等视角探究营销策略类型及细分指标，这对于网购行为的关联挖掘建模、个性化推荐算法优化及网购群体行为作用机制等方面具有理论和实践价值。
研究方法
（一）样本选取与数据采集
本文样本来源于MIUI官方论坛上用户的真实反馈和主流网站的网页新闻报道。为避免样本数据在采集和整理过程中的无效规则及重复抓取，确保网购行为数据的完整性、连续性和科学性，本文主要采取如下方法：第一，在采集数据过程中，要求保证样本信息多源分布。MIUI官方论坛是目前小米用户互动交流最活跃的平台之一，本文以MIUI官方论坛作为样本信息的主要来源，以百度等主流网站的网页新闻报道作为补充，进而确保样本来源广泛。第二，避免样本信息的选择性偏差。在采集信息过程中，本文主要采集论坛中的精品帖子和浏览量靠前的新闻报道，以确保样本信息的全面客观性。第三，保证样品信息的真实有效性。在信息采集过程中，不得依据自我见解修改样本信息，要真实反映实际信息。第四，在信息筛选过程中，要求保证样本文本信息不重复。在信息整理过程中，需要将重复的、无明确意义的语句排除，避免重复抓取样本数据。
（二）理论抽样
根据以上采集方法的原则，在MIUI官方论坛和百度等主流网站上，以“小米手机的营销策略”、“小米营销”等为关键词，共采集到2000条有效文本数据，从中随机抽取100条语句用于检验模型的理论饱和度，剩余1900条语句用于构建模型。在此基础上，利用标注工具对1900条语句进行文本标注，由于部分语句进行标注后非常相似，因此删除了重复的标注语句，最终建立了1869条标注词表。表1显示了部分有效样本来源的基本情况。
（三）扎根研究法
本文基于小米手机的营销策略，采用扎根理论方法，通过对数据进行分析，进而解释营销策略与网购行为之间的关系。扎根理论是由哥伦比亚大学的Strauss和Glaser两位学者在1967年提出的一种基于定性资料进行自下而上分析的质性研究方法。本文将依次采用开放式编码、主轴编码和选择性编码等步骤，对所采集的数据资料进行分析。
研究结果
（一）开放式编码
开放式编码是对网络原始语句概念化的过程。本文采用了“网络语句初级指标定义-初级指标合并同类项-开放式编码范畴”的编码方式，对于“凝聚营销”、“心情营销”等提及频次较低（≤8）的范畴，在建模时已略去。经过反复分析、修改，最终得到62个主范畴，由于篇幅有限，本文选取了其中的前37个，如表2所示。
（二）主轴编码
根据文献资料以及原始语句所体现的内容，本文对“对应范畴”的内容进行了科学定义，并归纳为17个主范畴，分别是：渲染式营销、产品个性营销、差异化营销、体验式营销、情怀营销、预售营销、标杆营销、性价比营销、口碑营销、魅力权威营销、迭代式营销、全渠道营销、关联营销、互惠式营销、粉丝营销、服务意向营销、忠诚依赖营销。这些主范畴之间也存在内部联系，在进一步分析之后，这些主范畴可以归纳出网购营销策略的4个类型，即网购情景感知式营销策略、网购价值传播式营销策略、网购客户增值式营销策略、客户保持与赢返式营销策略。最后通过归纳整理，得到表3。
（三）选择性编码
选择性编码的目的是从主范畴中挖掘核心范畴，深入讨论核心范畴与主范畴及其它范畴的关系，并用故事线的形式描述整体现象或事件。经过对主轴编码形成的17个联系类别进行深入研究并建立关系，选择性编码环节提炼出网购情景感知式营销策略、网购价值传播式营销策略、网购客户增值式营销策略、客户保持与赢返式营销策略四大线索，将其与核心范畴—网购行为执行意向相联系，形成（受众）认知—（客户）认可—（用户）忠诚—（企业用户）双赢的营销策略逻辑模型。从大众对企业及其产品的认知、认可到客户的忠诚再到企业与客户的双赢，企业的四大营销策略及消费者的产品情感投入逐步深化，共同推动小米整体营销策略的形成，如图1所示。
（四）理论饱和度检验
对之前预留的100条评论进行理论饱和度检验，如果通过这100条评论的分析不能获取新的范畴，则可以判定本文建立的模型是饱和的。通过分析，没有发现新的范畴和关系。不仅如此，为了进一步检验模型的理论饱和度，本文在MIUI论坛等其他网站又随机抽取了50条网络原始语句。通过逐一编码和分析，并未在新数据集中发现新的范畴和关系，由此可基本判定本文所构建的理论模型是饱和的。
结论及未来研究方向
（一）结论
首先，本文通过扎根理论法丰富和细化了原有营销策略的不足，从客户视角探讨了网购行为全过程，即从认知、认可、忠诚、双赢的逻辑过程分析和归纳，从而得出网购营销策略理论模型；其次，研究发现网购营销策略类型由62个范畴和17个主范畴构成，网购营销策略类型主要由情景感知、传播价值、客户增值和赢返策略四个方面构成。因此，未来相关研究可以进一步通过实证研究验证本文构建的营销策略模型，在此基础上进行网购行为关联模型和神经网络预测模型构建，从而系统性构建网购者行为感知与预测系统，为“预判发货”等先进理念提供理论支撑。
（二）未来研究方向
第3篇：数码行业前景分析范文
[关键词]TD-SCDMA；AUE；室内覆盖；测试；分析
1、概 述
随着蜂窝移动通信的迅速发展，移动业务的需求量迅速上升。根据专家预测，未来3G业务将主要以数据业务为主。3G移动通信系统提供高速数据业务是与2G相区别的主要特点之一，数据业务质量的好坏将直接影响到用户对TD-SCDMA网络的感受。TD-SCDMA的高速数据业务主要通过HSDPA和HSUPA承载，但是，HSDPA上行带宽资源很有限，HSDPA载波上行带宽受限的问题目前严重影响了在网用户的数据业务体验。AUE(AdaptiveUplink Enhancement)自适应上行增强技术旨在解决没有部署HSUPA情况下的上行带宽受限问题，以提高业务感知。
1.1AuE外场测试目标
自适应上行增强算法(AUE)外场测试，主要考查到信道编码增益下降引起的数据卡发射功率增大及干扰增加对TD-SCDMA系统性能的影响。通过外场实际应用场景下的测试验证AUE算法的性能，得到算法性能的评估报告，奠定指导市场行为和引导客户的坚实基础。
1.2 AUE算法介绍
AUE算法的基本思想是：通过修改PS BE业务的信道编码参数，减少编码增益，在占用同等码道资源的前提下，来达到提升PS BE业务速率的目的(见表1)，以改善用户感受，提升网络容量。
AUE业务与普通PS业务的区别在于其信道编码的增益偏低，由此为了维持AUE业务所需的QoS性能，UE将付出额外的发射功率。当UE发射功率比较低时，可以将PS普通速率提升至AUE速率，提供给用户高带宽的享受；而当UE发射功率比较高时，将AUE速率降速至相应的PS普通速率。以降低UE发射功率，避免UE掉话。
AUE算法通过增加功率来弥补编码增益的降低，达到提高数据吞吐量的目的，占用码道无需增加，单位RU的传输能力最高提升50％。新增的编码格式，并不改变目前现网终端配置的典型速率与RU映射关系。
当业务在AUE速率时，如果存在干扰，可能会导致UE上行发射功率持续攀升，从而导致上行BLER迅速升高，业务实际性能下降。因此，此时也需要将AUE速率降速至PS普通速率，以维持业务性能，保障用户QoS。
1.3测试用例
本次主要对室内空载的情况进行了测试，主要测试用例包括：
(1)用例1：空载，室内覆盖，空载，单主测用户，静止，192k&128k速率。
(2)用例2：室内覆盖，空载，单主测用户，静止，96k&64k速率。
(3)用例3：室内覆盖，空载，单主测用户，静止，48k&32k速率。
2、测试环境说明
2.1现场试验需要的主要设备
此次试验网选取郑州市东开发区内经开第三大街以东、经开第十大街以西、陇海铁路以南、经开南环路以北之间区域。该区域包括了测试所需的室内分布系统室内环境。如图1黑色线框内所示。
对现网站点及补点站进行汇总，试验网区域内共需要建设31个基站(包括室外宏基站23个，室内分布8个)以及两个RNC，其中5个基站为补点站，信息如表2。
2.2测试工具
(1)工具清单
本次测试主要用到的测试工具包括：笔记本电脑、路测软件(鼎立&日讯)、扫频仪(海高Ⅲ代)、频谱仪(罗德施瓦茨FUS13)、IOT测试终端、主测数据卡、加扰数据卡、网络速度测试软件(dumeter)、测试专用FTP Server、测试终端(8130)、测试车(含逆变器等)。
(2)测试终端
测试终端如表3所列。
3、测试内容及测试数据
功能验证阶段以室内测试为主，分别进行128k―192k、64k―96k、32k―48k的AUE功能实现。考虑到测试过程中需要关闭DCCC，故在测试期间对测试场景所在RNC的PS接通率会造成影响。
3.1128k―192k测试
室内覆盖，空载，单主测用户，静止，192k&128k速率。
测试项目：室内场景单小区景AUE性能测试。
分项目：室内单小区场景/单用户/AUE性能测试。
(1)测试目的
1)本用例在室内站单PATH、单用户条件下，单时隙分别接入数据业务，记录数据业务AUE相关算法参数测量值；
2)验证室内小区环境单PATH配置下，正常速率业务和AUE速率业务的性能指标差异。
(2)测试工具及终端
主测数据卡，含SIM卡，笔记本，拨号软件与路测端软件，1套。
(3)测试预置条件
1)室内站，不存在室外同频邻区覆盖：
2)采用单PATH天线；
3)AUE性能测试：打开AUE算法开关，建立AUE测量，打开AUE测量判决策略；
4)普通数据业务测试：关闭AUE算法开关；
5)上行初始接入速率分别配置为128kbps。
(4)测试步骤：
1)开启AUE算法开关；
2)数据卡上行初始接入速率设置为32kbps；
3)所有测试环境进行时间同步，保障数据卡侧，RNC侧LOG时间一致；
4)主测数据卡驻留于测试室内小区，PCCPCHRSCP>-60dBm，建立UL：2MDL：2M业务，使得下行承载于HSDPA上，主测数据卡在应用层建立MAIL业务，使用附件上传一个5M大小文件；
5)保持业务10分钟，记录上行平均速率；
6)RNC侧记录测试单用户的UL TCP、上行速率、带宽及上行ISCP等测量参数；
7)数据卡上行初始速率分别设置为64kbps和128kbps，重复步骤3)-6)；
8)关闭AUE算法开关，重复步骤2)-7)。
(5)数据分析：
1)对比分析AUE性能测试和普通数据业务测试的ULTCP；
2)对比分析AUE性能测试和普通数据业务测试的上行速率；
3)对比分析AUE性能测试和普通数据业务测试的上行ISCP。
3.2 64k-96k测试
室内覆盖，空载，单主测用户，静止，96k&64k速率。
测试项目：室内场景单小区景AUE性能测试。
分项目：室内单小区场景/单用户/AUE性能测试。
(1)测试目的：
1)本用例在室内站单PATH、单用户条件下，单时隙分别接入数据业务，记录数据业务AUE相关算法参数测量值；
2)验证室内小区环境单PATH配置下，正常速率业务和AUE速率业务的性能指标差异。
(2)测试工具及终端：
主测数据卡，含Sim卡，笔记本，拨号软件与路测端软件，1套。
(3)测试预置条件：
1)室内站，不存在室外同频邻区覆盖；
2)采用单PATH天线；
3)AUE性能测试：打开AUE算法开关。建立AUE测量，打开AUE测量判决策略；
4)普通数据业务测试：关闭AUE算法开关；
5)上行初始接入速率分别配置为64kbps。
(4)测试步骤：
1)开启AUE算法开关；
2)数据卡上行初始接入速率设置为32kbps；
3)所有测试环境进行时间同步，保障数据卡侧，RNC侧LOG时间一致；
4)主测数据卡驻留于测试室内小区，PCCPCHRSCP>-60dBm，建立UL：2MDL：21M业务，使得下行承载于HSDPA上，主测数据卡在应用层建立MAIL业务，使用附件上传一个5M大小文件；
5)保持业务10分钟，记录上行平均速率：
6)RNC侧记录测试单用户的UL TCP、上行速率、带宽及上行ISCP等测量参数；
7)数据卡上行初始速率分别设置为64kbps和128kbps，重复步骤3)N6)；
8)关闭AUE算法开关，重复步骤2)-7)。
(5)数据分析：
1)对比分析AUE性能测试和普通数据业务测试的ULTCP；
2)对比分析AUE性能测试和普通数据业务测试的上行速率；
3)对比分析AUE性能测试和普通数据业务测试的上行ISCP。
3.3 32k-48k测试
室内覆盖，空载，单主测用户，静止，48k&32k速率。
测试项目：室内场景单小区景AUE性能测试。
分项目：室内单小区场景/单用户/AUE性能测试。
(1)测试目的：
1)本用例在室内站单PATH、单用户条件下，单时隙分别接入数据业务，记录数据业务AUE相关算法参数测量值；
2)验证室内小区环境单PATH配置下，正常速率业务和AUE速率业务的性能指标差异。
(2)测试工具及终端：
主测数据卡，含Sim卡，笔记本，拨号软件与路测端软件，1套。
(3)测试预置条件：
1)室内站，不存在室外同频邻区覆盖；
2)采用单PATH天线；
3)AUE性能测试：打开AUE算法开关，建立AUE测量，打开AUE测量判决策略；
4)普通数据业务测试：关闭AUE算法开关；
5)上行初始接入速率分别配置为32kbps。
(4)测试步骤：
1)开启AUE算法开关；
2)数据卡上行初始接入速率设置为32kbps；
3)所有测试环境进行时间同步，保障数据卡侧，RNC侧LOG时间一致；
4)主测数据卡驻留于测试室内小区，PCCPCHRSCP>-60dBm，建立UL：2MDL：2MI业务，使得下行承载于HSDPA上，主测数据卡在应用层建立MAIL业务，使用附件上传一个5M大小文件；
5)保持业务10分钟，记录上行平均速率；
6)RNC侧记录测试单用户的UL TCP、上行速率、带宽及上行ISCP等测量参数；
7)数据卡上行初始速率分别设置为64kbps和128kbps，重复步骤3)-6)；
8)关闭AUE算法开关，重复步骤2)-7)。
(5)数据分析：
1)对比分析AUE性能测试和普通数据业务测试的ULTCP；
2)对比分析AUE性能测试和普通数据业务测试的上行速率；
3)对比分析AUE性能测试和普通数据业务测试的上行ISCP。
3.4测试数据分析
(1)室内覆盖，空载，单主测用户，静止，192k&128k速率
由于该项测试为需要空载进行，故需要将小区CELLBAR暂时在测试期间禁止其他用户接入，白天测试DCCC关闭对PS接通率影响太大，在征得客户同意后将DCCC功能策略设置成只升不降，并将上行各级别用户的USERDCHMBR设置为D256使上行升速不受限。功能测试完成后需要将所有参数恢复原貌。
在将TYPRABDLAA和CELLDLAA中的参数设置好以后进行128k-192k功能验证，并进行前后对比。测试数据情况如下：
1)AUE使用前：
UE发射功率及上传速率：AVG_UE_TX_PWR＝-14.69dB：AVG UL bps＝119.7kbps
小区吞吐量及带宽：带宽＝144000
2)AUE使用后：
UE发射功率及上传速率：AVG_UE_TX_PWR＝-10.35dB；AVG_UL_bps＝179.1kbps
小区吞吐量及带宽：带宽＝192000
从测试结果来看，128k―192k AUE升速后UETXPOWER测量值变化明显，192k的UETXPOWER比128k大4dB左右。上传平均速率由119.7kbps提升到179.1，提升约49.6％。
(2)室内覆盖，空载，单主测用户，静止，96k&64k速率
由于该项测试为需要空载进行，故需要将小区CELLBAR暂时在测试期间禁止其他用户接入，白天测试DCCC关闭对PS接通率影响太大，在现网中由于各级别USERULMBR＝D64，故没有关闭DCCC功能。(实际测试证明即便设置USERULMBR＝D64上行也可以由64kAUE升速为96k)
在将TYPRABDLAA和CELLDLAA中的参数设置好以后进行64k-96k功能验证，并进行前后对比。测试数据情况如下：
1)AUE使用前：
UE发射功率及上传速率：AVG_UE_TX_PWR＝-17.5dB；AVG_UL_bps＝61.9kbps
小区吞吐量及带宽：带宽＝64000
2)AUE使用后：
UE发射功率及上传速率：AVG_UE_TX_PWR＝-15dB；AVG_ULbps＝94.1kbps
小区吞吐量及带宽：带宽＝96000
从测试结果来看，64k―96kAUE升速后uETXPOWER测量值变化较明显。96k的UETXPOWER比64k大2.5dB左右。上传平均速率由61.9kbps提升到94.1kbps，提升约52％。
(3)室内覆盖，空载。单主测用户，静止，48k&32k速率
由于该项测试为需要空载进行，故需要将小区CELLBAR暂时在测试期间禁止其他用户接入，白天测试DCCC关闭对PS接通率影响太大，设置现网中各级别USERULMBR＝D32，故没有关闭DCCC功能。(实际测试证明，即便设置USERULMBR＝D32上行，也可以由32kAUE升速为48k。
在将TYPRABDLAA和CELLDLAA中的参数设置好以后进行32k-48k功能验证，并进行前后对比。(目前C01SPC410版本32k只能升速到48k)
1)AUE使用前：
UE发射功率及上传速率：AVG_UE_TX_PWR＝-11.83dB；AVG_UL_bps＝31.1kbps
小区吞吐量及带宽：带宽＝32000
2)AUE使用后：
UE发射功率及上传速率：AVG_UE_TX_PWR＝-11.75dB；AVG_UL_bps＝39.3kbps
小区吞吐量及带宽：带宽＝40000
从测试结果来看，32k―48KAUE升速后UETXPOWER测量值变化并不明显，48k的UETXPOWER比32k；k.0.1dB左右，UETXPOWER在48k时的波动32k时更为明显，且最大值为-10dB也强于32k时的最大值。上传平均速率由31.1kbps提升到39.3kbps，提升约26.4％。
3.5室内覆盖，空载业务功能测试结论
经过对室分空载场景单用户数据业务的测试，对比分析32k&48k、64k&96k、128k&192k不同速率情况下的测试数据，得到以下结论：
(1)AUE速率与正常速率相比，用户上行吞吐量有较明显的提升，基本能够稳定在分配的上行带宽附近。
(2)AUE速率与正常速率相比，UE上行发射功率只有大概1dB-5dB的增强，对网络性能影响不大。
(3)AUE速率和正常速率，BLER都较小，在目标值以内，对信道质量影响不大。
在室分场景下，用户一般会在室内强场范围内进行数据业务，空载环境下一般可以稳定维持在AUE速率，用户吞吐量有较明显的提升。
第4篇：数码行业前景分析范文
关键词：6G；人-机-物-灵；虚拟世界
1引言
用户通信需求提升和通信技术革新是移动通信系统演进的源动力。为了满足“动中通”的业务需求，第一代移动通信系统（1G，thefirstgenerationmobilecommunicationsystem）实现了“移动”能力与“通信”能力的结合，成为移动通信系统从无到有的里程碑，并拉开了移动通信系统的演进序幕。伴随着数字技术的成熟，第二代移动通信系统（2G，thesecondgenerationmobilecommunicationsystem）完成了从模拟体制向数字体制的全面过渡，并开始扩展支持的业务维度。在日益丰富的业务需求驱动下，第三代移动通信系统（3G，thethirdgenerationmobilecommunicationsystem）采用了全新的码分多址接入方式，完善了对移动多媒体业务的支持[1-2]。至此，高数据速率和大带宽支持成为移动通信系统演进的重要指标。以多入多出（MIMO，multiple-inputmultiple-output）和正交频分多址接入（OFDM，orthogonalfrequencydivisionmultipleaccess）为核心技术的第四代移动通信系统（4G，thefourthgenerationmobilecommunicationsystem）不仅获取了频谱效率和支撑带宽能力的进一步提升[3-5]，还成为了移动互联网的基础支撑。在4G获得巨大商业成功的同时，第五代移动通信系统（5G，thefifthgenerationmobilecommunicationsystem）逐渐渗透到垂直行业，把支持的传统增强移动宽带业务（eMBB，enhancemobilebroadband）场景延拓至海量机器类通信（mMTC，massivemachinetypeofcommunication）场景和超高可靠低时延通信（uRLLC，ultrareliableandlowlatencycommunication）场景[6-9]。基于大规模多入多出（massiveMIMO）、毫米波（mmWave，millimeterwave）传输、多连接（MC，multipleconnectivity）等技术，5G实现了峰值速率、用户体验数据速率、频谱效率、移动性管理、时延、连接密度、网络能效、区域业务容量性能的全方位提升[10-11]。纵观上述的演进历程，满足用户的通信需求是每代系统演进的首要目标，而新的通信技术则是每代系统演进的驱动。
到目前为止，1G到5G的设计遵循着网络侧和用户侧的松耦合准则。通过技术驱动，用户和网络的基本需求（如用户数据速率、时延、网络谱效、能效等）得到了一定的满足。但是受制于技术驱动能力，1G到5G的设计并未涉及更深层次的通信需求。在未来第六代移动通信系统（6G，thesixthgenerationmobilecommunicationsystem）中，网络与用户将被看作一个统一整体。用户的智能需求将被进一步挖掘和实现，并以此为基准进行技术规划与演进布局。5G的目标是满足大连接、高带宽和低时延场景下的通信需求。在5G演进后期，陆地、海洋和天空中存在巨大数量的互联自动化设备，数以亿计的传感器将遍布自然环境和生物体内。基于人工智能（AI，artificialintelligence）的各类系统部署于云平台、雾平台等边缘设备，并创造数量庞大的新应用。6G的早期阶段将是5G进行扩展和深入，以AI、边缘计算和物联网为基础，实现智能应用与网络的深度融合，实现虚拟现实、虚拟用户、智能网络等功能。进一步，在人工智能理论、新兴材料和集成天线相关技术的驱动下，6G的长期演进将产生新突破，甚至构建新世界[12-13]。
本文首先分析6G演进趋势，探讨人工智能与人类用户的关系，然后基于6G业务需求框架提出新的通信元素——灵（Genie），并此基础上预测6G移动通信的使能技术。
2AI——6G演进趋势分析的出发点
虽然，AI在6G的应用是大势所趋，但是简单地把AI当作6G里的一种与移动通信简单叠加的技术是不正确的。只有深入挖掘用户的需求，放眼智能、通信与人类未来的相互关系，才能揭示6G移动通信的技术趋势。以色列历史学家尤瓦尔·赫拉利在《未来简史》[14]中预测了AI与人类之间关系的3个递进阶段：1）AI是人类的超级助手（oracle），能够了解与掌握人类的一切心理与生理特征，为人类提出及时准确的生活与工作建议，但是接受建议的决定权在人类手中；2）AI演变为人类的超级（agent），并从人类手中接过了部分决定权，它全权代表人类处理事务；3）AI进一步演进为人类的君王（sovereign），成为人类的主人，而人类的一切行动则听从AI的安排[15]。
基于上述预测，6G应当遵循AI与人类关系的发展趋势，达到关系演进的第一阶段，也即oracle阶段。图1给出了6G业务需求框架。作为oracle阶段的重要实现基础，6G承载的业务将进一步演化为真实世界和虚拟世界这2个体系。真实世界体系的业务后向兼容5G中的eMBB、mMTC、uRLLC等典型场景，实现真实世界万物互联的基本需求。虚拟世界体系的业务是对真实世界业务的延伸，与虚拟世界的各种需求相对应。6G创造的虚拟世界能够为每个用户构建AI助理（AIA，AIassistant），并采集、存储和交互用户的所说、所见和所思。虚拟世界体系使人类用户的各种差异化需求得到了数字化抽象与表达，并建立每个用户的全方位立体化模拟。具体而言，虚拟世界体系包括3个空间：虚拟物理空间（VPS，virtualphysicalspace）、虚拟行为空间（VBS，virtualbehaviorspace）、虚拟精神空间（VSS，virtualspiritualspace）。
VPS基于6G兼容的典型场景的实时巨量数据传输，构建真实物理世界（如地理环境、建筑物、道路、车辆、室内结构等）在虚拟世界的镜像，并为海量用户的AIA提供信息交互的虚拟数字空间。VPS中的数据具有实时更新与高精度模拟的特征，可为重大体育活动、重大庆典、抢险救灾、军事行动、仿真电子商务、数字化工厂等应用提供业务支撑。
VBS扩展了5G的mMTC场景。依靠6G人机接口与生物传感器网络，VBS能够实时采集与监控人类用户的身体行为和生理机能，并向AIA及时传输诊疗数据。AIA基于对VBS提供数据的分析结果，预测用户的健康状况，并给出及时有效的治疗解决方案。VBS的典型应用支撑是精准医疗的普遍实现。
pagenumber_ebook=147，pagenumber_book=143
图16G业务需求框架
基于VPS、VBS与业务场景的海量信息交互与解析，可以构建VSS。由于语义信息理论的发展以及差异需求感知能力的提升，AIA能够获取用户的各种心理状态与精神需求。这些感知获取的需求不仅包括求职、社交等真实需求，还包括游戏、爱好等虚拟需求。基于VSS捕获的感知需求，AIA为用户的健康生活与娱乐提供完备的建议和服务。例如，在6G支撑下，不同用户的AIA通过信息交互与协作，可以为用户的择偶与婚恋提供深度咨询，可以对用户的求职与升迁进行精准分析，可以帮助用户构建、维护和发展更好社交关系。
3Genie——6G灵魂
6G不仅包含5G涉及的人类社会、信息空间、物理世界（人、机、物）这3个核心元素，还包含本文定义的第四维元素—灵（Genie）。Genie存在于图1中的虚拟世界体系，不需要人工参与即可实现通信和决策制定。Genie基于实时采集的大量数据和高效机器学习技术，完成用户意图的获取以及决策的制定。Genie可以作为6G用户的AIA，提供强大的功能。由于不受智能终端的具体物理形态的限制，Genie凌驾于VPS并包含VBS和BSS的完备功能，具备为用户构建个性化自主沉浸式立体的能力。Haddadin等[16]提出触觉机器人网络作为人类虚拟世界的多维度，以各类触觉方式，采集和识别人类意图。Genie存在于人-机-物全方位融合的基础之上，可以覆盖任意物理空间的实体，包含可作为通信与计算节点的物理实体，如具备传输与计算能力的智能设备以及建筑、植物等。Genie通过物理空间资源感知用户与环境的多维度信息，实时构建虚拟精神空间中的用户行为特征、决策偏好模型等信息。通过人-机-物-灵协作，Genie可为用户提供实时虚拟业务场景，并用户实现相应的需求。
6G的应用场景主要包括虚拟现实和虚拟用户。在虚拟现实场景中，6G需要实时感知环境的变化，高效处理海量传感器反馈的数据，并快速完成终端与云中心的信息交换。虚拟用户场景是指借助人工智能、移动计算等技术产生虚拟对象，并通过全网无线接入与传输技术将Genie准确地“部署”于真实环境中，为用户提供虚拟世界与物理世界融合的应用场景。以图2所示的真实环境中的实体花店为例说明6G人-机-物-灵协作业务场景。该真实环境中部署多种6G网络传感设备和网络设备，可实时采集店内物品画面、气味、温度、湿度、光线等信息。Genie根据用户需求，远程为用户重构沉浸式花店场景。同时，用户可授权给Genie，由其依据用户的意识、需求、物品等条件，代替用户进行决策。
6G的应用场景具有虚实结合、实时交互等全新的网络特点，这将给5G网络带来巨大的传输压力。因此，迫切需要研究支撑6G演进的基础理论和核心关键技术。当前，5G以行业特色业务为导向，分别解决了eMBB、uRLLC、mMTC场景面临的问题。然而，为了支撑未来网络中第四元素—灵，6G不仅需要兼容5G中的三大场景，而且要进一步实现三大场景增强融合，调和不同场景中的业务需求矛盾，实现虚拟世界的更深层次的智能通信需求。
为了实现人-机-物-灵协作应用场景，满足人类用户精神与物质的全方位需求，应当追求主观感受和客观技术性能两方面优化，构建6G使能技术体系。
pagenumber_ebook=148，pagenumber_book=144
图2面向花店应用的6G人-机-物-灵协作业务场景示例
46G使能技术
虚拟世界体系业务的虚实结合、实时交互等网络特点，给当前的5G网络带来了巨大的挑战。为支撑6G这些应用需求，需要从基础理论和支撑技术出发，开展广义信息论、个性化传输技术和意念驱动网络技术的研究。
4.1广义信息论
为了支持AIGenie的语义感知与分析，6G不仅要采集与传输数字信息，也要处理语义信息，这就要求必须突破经典信息论的局限[17]，发展广义信息论[18-20]，构建语义信息与语法信息的全面处理方案，这也是实现人机智能交互的理论基础。面向6G的广义信息论的研究内容包括以下3个方面。
1）融合语法与语义特征的信息定量测度理论
与基于概率测度的经典信息论不同，广义信息论需要对语义信息进行主观度量，构建融合语法与语义特征的联合测度理论。首先，以模糊数学为工具[19-20]，对6G移动业务的用户体验、感受评价等语义信息进行隶属度建模与测度。然后，进一步扩展经典信息量的概率度量方法，建立广义信息量的主客观联合度量模型。
2）基于语义辨识的信息处理理论
6G移动通信需要支持各种类型的人机物通信，通信质量与效果有显著的主观体验差异。在定量测度语义信息的基础上，针对6G移动通信的多源广播业务特征，研究基于语义辨识的信息处理理论，为6G移动业务的数据处理提供指导。
3）基于语义辨识的信息网络优化理论
6G移动通信需要满足各种真实与虚拟场景的网络通信，因此，需要结合AI理论，研究真实与虚拟通信重叠的通信网络优化。
4.2个性化传输技术
生物多样性是自然界的普遍规律，需求差异性也是人类社会的普适定律。1G～5G并没有充分满足人类用户的个性化需求，6G移动通信则需要对人的主观体验进行定量建模与分析，满足差异性需求的信息处理与传输[21]，从而构建智能通信网络。这方面，极化编码传输、massiveMIMO、基于AI的信号处理等技术都是有竞争力的前沿技术。
4.2.1面向6G的极化码传输理论与技术
1）面向个性化的极化码构造与优化
尽管5G移动通信的信道编码标准已经确定采用极化码[22-23]，但极化码的编码构造与译码算法还存在很大的优化空间。由于极化码是基于差异化原理进行编码，非常适合未来6G移动通信灵活多变的业务需求，因此，需要进一步对极化码的设计构造理论展开研究[24]，以及对高性能低复杂度编译码算法展开研究[25-27]。
2）极化编码MIMO系统的设计与优化
为了构建VPS空间，6G需要支持超高速数据传输，极化编码MIMO系统具有显著的性能优势[28]，可以满足未来数据传输的需求。因此，有必要针对MIMO系统的2种典型结构——空间复用/预编码与空间调制，进行极化传输的优化方案研究。
3）极化多址接入系统的设计与优化
多址接入是移动通信系统的标志性技术，可以预见，非正交多址接入（NOMA，non-orthogonalmultipleaccess）将成为5G/6G移动通信的代表性多址接入技术[29]。将极化编码引入非正交多址系统，需要深入分析NOMA的系统结构，从广义极化的观点出发，优化信道极化分解方案[30]。针对6G移动通信业务需求，设计与优化极化编码多用户通信的构造准则。针对人-机-物-灵共存的多用户场景，设计低复杂度的广义干扰抵消多用户检测算法。
4.2.2massiveMIMO技术
6G将面临真实与虚拟共存的多样化通信环境，业务速率、系统容量、覆盖范围和移动速度的变化范围将进一步扩大，传输技术将面临性能、复杂度和效率的多重挑战。
针对6G无线信号的传输特征，massiveMIMO[31-32]包括如下内容的研究。
1）多域信号联合调制与解调技术
Genie的引入提供了额外的信号处理域，人类用户的业务数据与Genie提供的业务数据具有深层相关性。利用多维相关性，进一步挖掘空间维度，设计多域信号的联合调制与解调方案，提升链路传输效率。
2）广义MIMO联合设计及优化技术
在Genie的辅助下，研究基于深度学习的多用户多入多出（MU-MIMO，multipleuserMIMO）波束成形技术，具有通用性与普适性。Genie可以提供准确可靠的信道估计与业务源的先验信息，基于这些信息，能够快速调整MU-MIMO的波束，提高链路传输效率。另外，针对massiveMIMO接收机，Genie也可以辅助实现基于深度学习的检测算法，优化整个接收机性能。
4.2.3人工智能信号处理技术
6G移动通信是多用户、多小区、多天线、多频段的复杂传输系统，信号接收与检测是高维优化问题。最优的最大似然（ML，maximumlikelihood）或最大后验（MAP，maximumaposteriori）检测是指数复杂度算法，性能优越但难以普遍应用。深度学习理论另辟蹊径，通过大量离线训练，获得高性能的深度神经网络模型，从而逼近ML/MAP检测。
针对6G无线信号特征，基于深度学习的信号处理包括如下研究内容。
1）基于深度学习的信道估计技术
Genie为6G移动通信中的应用深度学习开辟了新的技术路径[33-34]。Genie可以在虚拟物理空间中对人类用户所经历的无线信道与传播环境进行大数据分析与智能预测，进一步深入研究基于卷积神经网络（CNN，convolutionalneuralnetworks）或长短期记忆网络（LSTM，longshort-termmemory）模型的空-时-频三维信道估计算法，从而为移动终端的接收检测提供更加准确可靠的信道估计。
2）基于深度学习的干扰检测与抵消技术
面对未来6G的复杂多小区场景，干扰检测与抵消是非常重要的关键技术。在虚拟物理空间中，Genie可以对多小区场景的各种干扰进行大数据分析与智能预测，从而快速准确地估计与重建干扰信号。进一步研究CNN、LSTM等经典神经网络模型，设计自适应的干扰抵消深度学习算法，可以大幅度提高链路接收性能。
4.3意念驱动网络
人工智能助理的建立与发展，需要依赖于随需即用智能网络。针对6G移动通信的技术发展趋势，需要开展支持人-机-物-灵融合的全新6G网络架构、分布式边缘网络智能、认知增强与决策推演的智能定义网络等理论与核心技术的前瞻性研究。
4.3.1面向人-机-物-灵融合的全新6G网络架构
研究人-机-物-灵四元空间的语义衔接、业务适配、协作编排[35-37]，构建一套面向人-机-物-灵四元空间的信息传输、边缘智能[38-40]、协同计算等6G网络架构，支撑人-机-物-灵四要素跨界融合。研究终端的协同通信、协同计算、协同存储与协同供能等关键技术，支持终端对无线网络的全面协同，实现去中心化的通信、计算、存储及供能的分布式服务；研究基于网络多维可编程的人-机-物-灵融合组装方法；研究人-机-物-灵融合的状态监控、同步控制、一致性检查等网络容错机制；研究人-机-物-灵融合的四元网络协同管理技术，支持边缘智能和适配优化，实现全网资源的多级协同调度。
4.3.2认知增强与决策推演的智能定义网络关键技术
人工智能技术通过自学习状态、特征从而不断迭代优化输出结果[41-43]，为解决复杂多变的未来6G网络服务提供了新的解决思路。针对当前边缘网络缺乏自主化能力，设备异构性难以屏蔽等特征，构建以业务需求为核心的分层分域功能架构；针对未来网络环境动态复杂的特点，利用人工智能技术对网络资源分布情况与变化规律以及业务服务质量进行监控和建模分析，结合集中管控的思想，实现网络中路由、传输、缓存、资源分配等策略的自适应推演以及自动化运维[44-49]。
4.3.3安全可靠的网络传输技术
在全面感知6G移动业务需求的基础上，针对大规模、低延时的流媒体服务[50-51]，通过网络编码技术[52-54]，将流媒体内容按块转化为编码数据进行传输和缓存，在提高数据传输效率的同时，保障用户服务的隐私以及内容的安全。另外，针对高安全性的用户服务，利用人工智能和边缘计算技术，对服务内容进行特征信息提取，并将提取的特征信息回传至云计算中心，在保证用户信息安全的同时，降低6G回程网络压力，提高用户服务质量。
第5篇：数码行业前景分析范文
【关键词】信息服务平台 灰色预测 混合灰色模型
1大学生信息服务平台概况
1.1大学生信息服务平台的现状
国内外有许多成熟且知名的大学生服务平台，各类大学生服务类网站因各自领域的巨大市场需求而层出不穷，而这些与学生息息相关的网络平台之间的交集很有限，其主要特点有以下几点：
（1）网站在某一领域影响力很大，但有关于大学生需求的其他方面或是未开辟的板块被其他领域的优势平台所打压；
（2）网站有自己独特的资源，但之间几乎没有有效的资源共享机制。
国内外的大学生服务平台在其创办形式上都或多或少的存在自己的局限性，还未出现一个涵盖所有大学生所需信息的综合平台。因此，该项目作为一个优势资源的网络链接管家的出现是有一定市场前景的。
1.2龙江大学生服务信息平台的优势
区别于国内外其它同类产品内容的单一性和局限性，该平台尽可能多的将与学生息息相关的信息集合于一个链接之下，构建校际之间的信息沟通渠道，增强平台互通有无的功用。以大学生为主要服务对象，以学校为社交单位划分受众群体，以学号等可证明其学生身份的信息对大学生进行实名制核实和社交圈分类，增强平台互信机制。通过激励措施，提升学生参与该平台的兴趣，使学生能够成为平台长期生存的依附基础。
1.3.龙江大学生服务信息平台所面临的主要问题
1.3.1网站运行问题
该平台将各个零散单一的链接服务器资源整合于一个IP地址之下，因此该平台对浏览器的兼容性和性能要求很高，网站运行时主要会易出现以下三方面问题
（1）服务器超载。该网站作为一个针对二级网站的搜索引擎，所有的信息检索都会由此发出，因此，一旦网站瞬时处理量超过设计值，就会造成系统崩溃。
（2）数据处理复杂。通过平台系统网页含有大量需要处理的数据，造成系统繁忙，如多图页面，超长页面等各种控件会导致浏览器处理大量数据，若浏览器性能不够，很容易导致其失去效应，甚至死机。
（3）网页代码复杂和浏览器bug。大量个人网站和低质量网站代码的涌现造成对浏览标准的普遍不支持，如果正好碰上浏览器存在的一些bug，浏览器渲染引擎在处理这些网页代码的时候会出错，比如陷入死循环或直接崩溃等。
1.3.2信息安全问题
该平台属实名制认证平台，由此而引出关联信息如身份证号码，银行卡号码，学生一卡通账号及密码等学生在校重要个人信息均会在该平台的数据库留下信息记录及浏览痕迹，这为网站的信息泄露埋下了隐患。因此，建立强大的网络信息安全防护措施，预防恶意第三方窃取用户信息是该平台重要的信誉保证。
1.3.3网站系统管理问题
该平台的站内奖励属虚拟货币范畴，由服务器数据库进行信息控制，因此，该模式为恶意篡改信息提供渠道，且国家在虚拟货币及虚拟货币交易方面的法律法规还不是很健全，因此，站内奖励信息的保护，其真实性和安全性同样也是平台的信誉保证。
2 龙江大学生服务信息平台的市场受众量数据分析
该平台主要由生活类板块和教育类板块组成，其中生活类板块的受众因高校的持续扩招而不断增加，市场前景良好，因此本文着重讨论教育类板块的市场受众变化趋势，意在通过灰色人口预测模型，对未来五年与平台教育类板块相关功能的受众量进行预测分析，从而得出其教育类功能的市场前景，进而综合评价该平台的市场前景。
2.1生活类板块受众需求量分析
通过收集历年的黑龙江省高校在校普通全日制学生的人数数据可知，黑龙江各高校全日制学生数量至少为40万人，且随着高校的继续扩招，这个数字会不断的增加。与这些受众群体息息相关的日常生活用品购买、二手书交易、大学英语四六级考试、日常出行、课程相关信息查询、就业信息等等均可作为该平台的服务模块。通过链接优势的二级网络平台，其作为资源整理数据终端的地位会随着大量学生的需求量而日渐突出。
2.2学生学习类模块
2.2.1考研人数变化趋势分析
通过收集历年黑龙江省高校应届毕业生考研人数的相关数据，利用SPSS对黑龙江省高校考研人数做出预测分析。
2）预测未来五年应届毕业生考研人数
分别令 代入式（3），从而预测出未来五年应届毕业生考研人数：
分别为35286，34065，33983，33558，33100，最终在33000人左右波动，同时考研率在63%左右波动。
结论：虽然考研人数从2013年后有所下降，但最终会趋于平稳，高校推免生人数与考研人数大致持平，因此考研教育板块仍存在相当可观的市场。
2.2.3公共课程及专业课程模块
随着大学学习的不断深入，越来越多的学生需要公共课程和专业课程的复习资料等资源，可以通过此契机在校际之间易购考研资料和专业课资源在校内易购考试复习资料及二手书籍。
3模型优化
传统的灰色预测模型，其计算基础建立在灰微分方程之上，其解在初始条件为一次累加数据的情况下得出，由最小二乘法可见，其拟合曲线不一定经过第一数据点，所以一次累加数据作为初始条件的理论依据有限，因此，对该模型进行优化，使用混合灰色预测模型。
3.1模型建立
对原始数据进行非负化处理，对该数列最小项加绝对值：
N为模型参数个数，n为每个参数对应的测量值个数：
（4）
式（4）被称为数据提升。
3.2优化后优势
该优化模型省去了利用一次累加数值计算 的过程，消除了一次累加数据理论性不足的劣势，使模型的理论性更加充分。
4 市场前景
综上所述，无论是生活服务方面还是学习工作方面，该平台都具有广阔的市场前景，越来越多的高校入学生和应届高校毕业生将推动平台不断先前发展。根据模型预测数据为网站访问量设计值必要的参考，尽量避免网站所潜在的威胁。
参考文献：
[1]维克托・迈尔-舍恩伯格，肯尼斯・库克耶.大数据时代[M].杭州：浙江人民出版社，2013.62-74.
[2]姜启源，谢金星.数学模型[M].北京：高等教育出版社，2013.249-255.
[3]司守奎.数学模型与应用[M].北京：国防工业出版社，2011.168-173.
[4]李小燕.灰色神经网络预测模型的优化研究[D].武汉：武汉理工大学，2009.
第6篇：数码行业前景分析范文
【关键词】旅游业数字化 电子票务 电子商务 虚拟现实 二维码
引言
旅游业日新月异的发展以及电子商务时代的到来都迫切要求仍处于传统、粗放管理的旅游业通过数字化建设进行改革，从而才能够全面满足旅游业发展的需求。
旅游业数字化是将旅游业资源与互联网、电子商务等先进技术结合，全面应用于旅游资源、景区数字监控、行政办公管理、旅游投诉处理、景区电子票务、景区电子商务、景区虚拟现实等，从而实现旅游业资源的最大化发展。旅游业数字化的基础在于景区的信息化建设。通过景区数字化完善景区的功能，提高景区服务、游客游览和景区环境的质量，从而形成开放的现代化旅游模式，为景区的发展创造更多的机遇。
根据贵州省经济和信息化委员会科研课题“贵州旅游业数字化关键技术研究与应用”的要求，在进一步分析旅游业数字化建设的基础前提下，以贵州省黔东南西江千户苗寨数字化景区的建设为突破口，本着“数字化+互联网络+协同管理+电子商务”的建设原则，在建设上强调发挥共用、复用的协同效应，强调“交换共享、资源统筹”的原则，全面提高景区的全方位服务能力。
1 旅游业数字化的整体设计
旅游业数字化系统的技术实现结构如图1所示。
在整个技术实现结构图中，分为系统硬件软件平台和应用软件平台两个部分。
其中系统硬件软件平台包含了互联网络基础平台、信息安全保障平台、基础软件平台和数据中心部分，其目的为实现旅游业数字化建设的基础软硬件环境。
应用软件平台包含了景区综合办公管理平台和游客数字化平台两个部分，景区综合办公管理平台包含旅游资源系统、景区数字监控系统、行政办公管理系统、旅游投诉处理系统，其目的为对景区的管理和信息实现数字化，游客数字平台包含景区电子票务系统、景区虚拟现实系统、旅游信息新闻系统和景区电子商务平台，其目的为面向游客提供全方位的数字化服务。
在整个旅游业数字化的实现中，需要进行基础性建设和硬件设备投资的部分集中在系统硬件软件平台，而需要进行用户调研和实际软件开发的部分集中在应用软件平台。在整体结构中，目的是实现景区数字化管理和旅游资源数字化建设的全面结合，加强电子商务的建设，突出旅游业带动附属相关产业的发展，为贫困地区地方经济发展做出牵引作用。
2 西江千户苗寨游客数字化平台的实现
西江千户苗寨，位于贵州省黔东南苗族侗族自治州雷山县东北部的雷公山麓，是中国最大的苗族聚居村寨，约有1300户人家，其中99.5%的人口是苗族，故称为“千户苗寨”。2005年11月被列入国家首批非物质文化遗产名录，2011年成为国家4A级风景旅游区，年游客接待量达到240.35万人次，旅游综合收入突破9.52亿元。西江的原生态苗族风情、苗族芦笙、苗族银饰、苗族刺绣、苗族蜡染、高山茶叶等都成为具有特色的旅游商品，同时西江的苗族鼓藏节、苗年等各种民族节日也吸引着众多游客。
以下以西江千户苗寨景区为例，对游客数字化平台进行设计。
2.1 西江千户苗寨游客数字化平台的组成
（1）景区电子票务系统
景区电子票务系统把景区票务管理由过去的粗放式人工售票变成了精细化动态管理，实现售票电子化，同时使得游客数量统计更加及时准确，预测景区的流量，提高了工作效率。
（2）景区虚拟现实系统
景区虚拟现实系统是构建景区的三维虚拟环境，真实地模拟景区的事物和环境。用户投入到这种环境中，立即有“亲临其境”的感觉，并可亲自操作实践，与虚拟的环境进行交互。
（3）旅游信息新闻系统
面向游客提供各条旅游线路、旅游交通、旅游节目、旅游住宿、餐饮娱乐、社会服务等方面的新闻公告服务。
（4）景区电子商务平台
通过景区电子商务平台，聚集景区及周边的附属资源，实现景区整体区域经济的发展，带动区域电子商务的发展，实现住宿、餐饮、交通、购物等方面的预定和销售。
2.2 西江千户苗寨游客数字化平台的流程
（1）游客登录及注册流程
游客登录及注册流程如图2所示。其中景区虚拟现实系统、旅游信息新闻系统可供未注册游客访问，景区电子票务系统和景区电子商务平台供注册游客访问。
游客注册信息包含注册名、真实姓名、性别、登录密码、出生日期、联系地址、身份证号码、手机号码、电子邮箱等信息，为确保手机号码的正确性，需进行手机验证。
验证登陆可采用注册名或身份证号码或电子邮箱或手机号码结合登录密码验证方式。
未注册游客访问景区虚拟现实系统，可选择景区及季节，选择景区内著名景观和民族节日的实时场景，从而进行虚拟现实的三维交互游览，虚拟现实系统需要快速及大容量的数据库系统支持。
（2）景区电子票务流程
游客访问景区电子票务系统流程如图3所示。
由景区管理者进行电子票务的，门票类型可分为成人票、儿童票，门票价格可分淡旺季定价，对于网上银行电子票支付成功后，可提供两种票务方式供游客选择，分别为景点现场取票和二维码电子票两种方式。
二维码（2-dimensional bar code）是用某种特定的几何图形按一定规律在平面分布的黑白相间图形记录数据信息，通过图象输入设备或光电扫描设备自动识读以实现信息自动处理，二维码能够在横向和纵向两个方位同时表达信息，因此能在很小的面积内表达大量的信息。二维码具有高密度编码、信息容量大、编码范围广、容错能力强、具有纠错功能、译码可靠性高、保密防伪性好等特点。
（3）景区电子商务流程
游客访问景区电子商务平台流程如图4所示。
景区内及景区周边商家提出申请进入景区电子商务平台，经过景区管理者审核通过后，在景区电子商务平台上住宿、交通、餐饮、特产等电子商务信息，游客登录后可进入景区电子商务平台享受住宿预定、交通预定、餐饮预定、特产销售等数字化服务。
另外，2012年10月26日，贵州省省旅游局与阿里巴巴集团签署《旅游电子商务平台建设合作协议》，景区电子商务平台的建设也可与国内已有的电子商务平台合作，可确保电子商务活动的安全性和公平性。
2.3 西江千户苗寨游客数字化平台的数据库
（1）
数据库中游客信息表字段包含游客ID、注册名、真实姓名、性别、登录密码、出生日期、联系地址、收货地址、身份证号码、手机号码、电子邮箱、注册时间等。
（2）管理员信息表
数据库中管理员信息表字段包含管理员ID、用户名、密码、管理等级等。
（3）景点信息表
数据库中景点信息表包含景点ID、景点名称、景点地址、景点描述、成人票价、儿童票价等。
（4）旅游信息新闻表
数据库中旅游信息新闻表中包含信息ID、标题、内容、者、时间等。
（5）电子订票信息表
数据库中电子订票信息表包含订票ID、游客ID、真实姓名、身份证号码、订票数量、订票类型、订票总价、票务方式、是否支付、唯一验证码等。
（6）电子商务商家信息表
数据库中电子商务商家信息表包含商家ID、商家名称、登录密码、地址、联系电话、营业执照编号、注册资金等。
（7）电子商务商品信息表
数据库中电子商务商品信息表包含商品ID、商品类型、提供商家、商品名称、商品描述、商品价格、时间、运输方式等。
（8）电子商务订单信息表
数据库中电子商务订单信息表包含订单ID、订单类型、订单时间、游客ID、游客手机号码、手机验证码等。
2.4 西江千户苗寨游客数字化平台的技术实现
西江千户苗寨游客数字化平台硬件结构如图5所示，实现无线及有线网络的全景区覆盖，手持式验票机用于二维码验票，WWW服务器和数据库服务器用于景区电子票务系统、景区电子商务平台、景区虚拟现实系统、旅游信息新闻系统的WEB实现。
游客数字化平台的软件系统实现采用B/S结构实现，设计语言可采用ASP、ASP，net、PHP、JSP等，数据服务器可采用Access数据库、MS SOL数据库、My SQL数据库、Oracle数据库等。
西江千户苗寨游客数字化平台使用了设计语言ASP（Active Server Page）和微软Access数据库完成。ASP技术与网络联系紧密，是当前常用的网络应用开发技术，而且它在数据库应用方面有着简便、快捷、功能齐全的特点。Access数据库作为中、小型关系数据库管理系统，完全面向对象，采用事件驱动机制，使得应用与开发更加便捷、灵活。图6为西江千户苗寨游客数字化平台首页。
3 结语
第7篇：数码行业前景分析范文
【关键词】无人机；数字图像传输；COFDM；图像压缩编码
0 图像传输系统结构
近年来，随着无人机技术的迅猛发展，基于无人飞行器得到了广泛的关注，应用前景十分可观，在航拍、娱乐、电力、安防、农业、森林防火、警用等不同细分领域都能发挥非常重要的作用。目前，在无人机应用中，无线数字图像传输是无人机通信和图像处理领域的一个热点和难点，图像传输系统的性能是区分无人机档次的一个关键因素。同时数字图传还面临着技术复杂程度较高，频带利用率低，对同步要求较高的问题。本文为实现高带宽效率、高清晰度、功耗低、易实现的图像压缩以及远距离（1km内）传输的无线数字图像传输而对系统各模块算法进行了设置，系统传输方案如图1所示。
图1 无线图像传输方案
无人机端由摄像头进行视频采集开始，将拍摄到的视频信号经过图像压缩编码和COFDM调制，最后在射频前端放大后由5.8GHz频段的无线模块发射出去，地面站接收到视频信号后再做解调解码，最后对视频信号进行识别处理。
1 系统各模块实现原理
1.1 图像压缩编码
本设计采用MPEG-4压缩编码是因为MPEG4只处理视频信号帧与帧之间存在差异的元素，而舍弃无差异的元素，因此大大减少了合成视频文件的大小，从而压缩率大大提高且成像清晰。MPEG-4视频编码关键技术有以下几种：
1.1.1 视频对象提取技术
视频对象分割是指先通过低通滤波、中值滤波、形态滤波来对原始视频/图像信号进行简化，然后对视频/图像信号进行颜色、纹理、运动、帧差、位移帧差乃至语义等特征提取，再基于某种均匀性标准来确定分割决策，根据所提取特征将视频数据进行归类，最后做相关后处理以实现滤噪及边界的准确提取。
1.1.2 VOP视频编码技术
视频对象平面（VOP，Video Object Plane）是视频对象（VO）在某一时刻的采样，MPEG-4在编码过程中不同视频对象有不同的编码策略，对前景视频对象的压缩编码尽可能保留细节和平滑；对背景视频对象则采用高压缩率的编码策略，甚至传输背景视频对象而是在解码端由其他背景拼接而成。
1.1.3 视频编码可分级性技术
MPEG-4提出了FGS（精细可伸缩性）视频编码算法和PFGS（渐进精细可伸缩性）视频编码算法。 PFGS是对FGS编码效率的改善算法，其基本思想是使用前一帧重建的某个增强层图像作为参考为当前帧在增强层图像编码时进行运动补偿，从而使运动补偿更有效，从而提高编码效率。
1.1.4 运动估计与运动补偿技术
MPEG-4表征运动补偿类型的帧格式有I-VOP、P-VOP、B-VOP。MPEG-4采用了H.263中的重叠运动补偿技术及半像素搜索技术，并且同时引入重复填充技术和修改的块匹配技术以支持任意形状的VOP区域。
1.2 COFDM调制
COFDM（编码正交频分复用）是一种集信道编码和OFDM调制技术于一体的高频谱利用率且可对抗多径时延扩展的调制技术。信道编码可以采用卷积码等。OFDM是一种多载波调制技术，与传统的多载波调制相比，OFDM调制的各个子载波间可相互重叠，并且各子载波之间具有正交性，从而节省了带宽资源，如图2所示。
图2 COFDM调制框图
1.2.1 卷积码
图2中卷积码的编码器是由一个有k个输入端、n个输出端、N-1节移位寄存器所构成的有限状态的有记忆系统，即时序网络。卷积码的典型编码器结构为（n，k，N-1），卷积码在任意给定单元时刻，编码器输出的n个码元中，每一个码元不仅和此时刻输入的k个信息元有关，还与前连续N-1个时刻输入的信息元有关。卷积码编码过程中相互关联的码元为N个，它表明编码过程中互相约束的码元数，监督位监督着这N段时间内的信息。典型的卷积码一般选较小的n和k（k
1.2.2 OFDM调制
将高速率的串行视频流经过串/并变换将其转换成N路的并行低速率的子数据流。这样得到的N路并行低速率的子数据流对N个子载波进行各自不同的QPSK调制。具体的实现过程是在输入端输入一个二进制的信号，通过串/并转换后对其进行IFFT运算，再插入循环前缀就生成一个OFDM信号。插入一个保护间隔（循环前缀）是为了分离相邻码元防止码间干扰，再经过D/A变换后形成OFDM已调的信号s。在地面站，去除之前添加的保护间隔经过串/并转换和FFT后还原出OFDM的调制信号，最后再经通过并/串转换出所输入的信号。对OFDM调制用MATLAB进行仿真，产生OFDM调制信号的程序如下。
Signal=rand（1，para*Ns*2）>0.5； %产生0，1 S即序列，符号数为para*Ns*2
串/并变换由SigPara（i，j）=Signal（i*j）实现，再进行QPSK调制，关键算法为：
ich（：，j）=SigPara（：，2*j-1）； %取出奇数列
qch（：，j）=SigPara（：，2*j）； %取出偶数列
将调制后的数据送入IFFT端口进行IFFT变换，程序如：“y=ifft（x）；”
将IFFT变换后的信号分成I、Q两路，再经并/串转换再调制到高频载波上，程序如下
ich3=[ich2（fl-gl+1：fl，：）；ich2]；
qch3=[qch2（fl-gl+1：fl，：）；qch2]；
将加入了保护间隔（即循环前缀）的信号进行并串变换，然后送入信道进行传送：
ich4=reshape（ich3，1，（fl+gl）*Ns）；
qch4=reshape（qch3，1，（fl+gl）*Ns）；
最后形成发射数据：TrData=ich4+qch4.*sqrt（-1）；
将已调信号TrData发射出去后，再地面站接收，进行相反的处理即可。
1.3 无线传输
无线传输部分采用5.8GHz无线传输模块TX5802模块，该模块采用了DS直接序列扩频技术来提高系统抗干扰的能力，适合远程数据传输。
2 总结
本文针对目前无人机图像传输系统存在的问题进行分析，并结合目前市场的需求对无人机图像传输系统视频压缩编码算法、以及COFDM算法进行分析，并对OFDM算法进行了仿真。
【参考文献】
[1]方水平.OFDM原理及其设备应用[J].北京工业职业技术学院学报，2004.
第8篇：数码行业前景分析范文
关键词：Android；视频分析；目标提取
中图分类号：TP319 文献标识码：A 文章编号：1672-7800（2013）005-0085-02
1、架构设计
基于无线移动终端运动目标检测系统可以对监控现场进行重点目标监测，并直接与局域网以及无线网络相连，授权用户还可以直接控制摄像机云台镜头的动作或对系统配置进行操作。同时，它也是一个独立运行的嵌入式系统，可完成视频的采集和无线传输等功能。
无线终端上运动目标检测系统的实现主要包括几部分：摄像头、服务器、无线网络、PC机以及Android平台。其总体框架如图1所示。
摄像头是用来采集视频数据，摄像头通过USB或网络与服务器进行通信。服务器接收到视频信号后，对其进行压缩编码，通过RTP（实时传输协议）和RTCP（实时传输控制协议）进行分组发送，并通过HTTP协议进行通信方面的控制。服务器端软件通过JMF类库来获得视频信息，并利用开源库中的H.264压缩算法对视频进行编码压缩，打包后通过网络模块进行发送，无线终端通过基站获得视频信息后，解析并抽取视频信息包，调研开源库的解码部分进行解压缩，获得视频帧信息，并进行播放、保存和分析等功能。
2、视频获取
视频通过服务器端软件进行发送，主要分为4个模块：Capture Media（视频捕捉）模块、Video Codec（视频编解码）模块、媒体协议模块和网络通信模块。这4部分模块的实现将采用Sun公司JMF（Java Media Framework）即Java媒体框架，实际上是Java的一个包，使用它能够编写出功能强大的多媒体程序，却不用关心底层复杂的实现细节。
（1）视频捕捉模块。视频数据的获取是通过开源库中的Capture Device Manager对象来进行，可以对当前系统中在用的各种音视频设备进行检测，并通过使用getDe-viceList（ ）方法获取当前使用音视频设备的列表，然后有选择性地选取视频源，创建MediaLocator对象，并创建一个数据源对象，最后调用start（）方法，截取视频数据。
（2）视频编解码模块。目前，Andriod平台主要使用的是H.264编码，这是由于H.264比以前的MPEG4系列和H.263编码算法效率高、信噪比大，H.264目前在视频监控领域得到了广泛的应用，其优点是减少了传输带宽和节省了存储空间。H.264主要由视频编码层和网络抽象层两部分组成。视频编码层主要对视频数据进行压缩编码，利用分块压缩技术进行帧内压缩，帧间压缩采用基于宏块的预测编码技术，并结合变换编码和熵编码的编码方法。网络抽象层是对压缩后的视频信息进行网络层的打包分组和传输。
（3）媒体协议模块。媒体协议模块主要是RTP和RTCP两个部分，流媒体协议是当前主流的视频传输技术，码率可调，可针对不同带宽选择不同的压缩比和帧率。对3G网络来说，实际使用时带宽较好的也只有300kbps左右，该模块在视频无线通信中起着非常重要的作用。
（4）网络通信模块。服务器端和无线终端的网络通信模块是视频通信的基础部分，主要通过在服务器端和an-droid终端中各自建立Socket（套接字）端口，利用UDP协议进行发送和接收数据。该部分的技术非常成熟，在有线网络和无线网络通信中都发挥了重要的作用。通信模块的实现可以通过开源中的相关类库实现，方法简单、便捷。
3、实验平台搭建
3.1 Android开发环境
AndroidSDK（Software Development Kit）所需操作系统：Linux、Windows XP或Vista、Mac OS X 10.4.8或其更高版本；开发环境包括：JDK（Java SE Development Kit）1.6版本、IDE-Eclipse、Eclipse 3.5（Galileo）、Eclipse JDT所需的插件、Android ADTE33。
AndroidSDK（Software Development Kit）指的即是Android专属的软件开发工具包，本文使用的版本是An-droid-2.2_r01-windows。
JDK（Java SE Development Kit）是一个当今流行的支持Java语言的一个开发包，JDK是基于Java语言开发的项目中必须安装的。
IDE（集成开发环境），Eclipse目前是使用非常广泛的可视化开发环境，可以支持Java，也支持VC++等一系列主流开发环境，是目前常使用的开发环境之一。
Eclipse是Java平台下的源代码开发、扩展性非常好的一个开发台，其本身是一个框架和一组服务，可以通过不同的组件和插件构建开发环境，而且提供了标准的插件集。在Android平台软件开发中，该开发环境是必不可少的一个主流开发工具，尤其在Java嵌入式开发中。
ADT是一个开源平台，其功能在不断完善中，工具日益强大。为了方便开发者使用，ADT可以便捷地提供相关工具或资源的更新和升级。
3.2 搭建开发环境
（1）下载并安装JDK 1.6，安装后需对环境变量进行配置，新添加变量名CLASSPATH和JAVA—HOME，CLASSPATH=.；%JAVA HOME%＼lib＼tools.jar；；JAVA_HOME=D：＼Java＼jdkl.6.0_10，并在Path加入路径%JAVA_HOME%＼bin；完成对其配置。
（2）下载集成开发环境（Eclipse），目前的Eclipse都不需要安装，直接解压并可直接使用。
（3）下载并安装androi&sdk，直接运行SDK安装文件，通过Available Packages获得可安装的各种安装包。可以方便、有选择性地安装需要的开发包和相关文档，其前提是保持网络连接，进行在线安装，未安装前需要配置用户变量的路径为SDK安装的绝对路径。
（4）安装ADT，通过Eclipse集成开发环境，点击菜单中的“Help”“Install New Software”菜单项，通过其提供的选项中选择需要添加的ADT，按照提示，逐步安装并配置完成。
（5）配置Eclipse，在Eclipse的主界面上选择Window菜单，在Preferences提示中选择Android，同样必须把安装路径选择为SDK的安装路径，然后按照提示逐步完成安装和相关的配置。
（6）创建AVD，打开Eclipse中的Windows菜单，找到Android SDK and AVDManager选项，出现对话框，点击新建按钮即可弹出设置选项。
4、视频分析实验
背景减法是目前运动目标检测中最常用的一种方法。背景减法相对简单，算法的复杂度较低，只涉及图像的减法，非常适用于当前视频监控领域中摄像头固定的场景，其算法的核心内容可以参考相关文献。虽然目前Android无线终端的内存和CPU资源得到了较大的扩展，但对视频分析来说，较低的算法复杂度仍然是要考虑的因素，它可以更好地满足视频分析的实时性，满足实时监测的目的。因此，本文通过在Android平台使用所提出的改进背景减法完成对运动目标检测的实现。
Android平台下背景减法中的关键代码如下所示：
int alpha=0xFF
for（int i=O；i
for（int j=O；j
int w：int h：
for（int i2=O；i
for（int j2=O；j
int color=pix[w1*i+j]-pix[w2*i+j]；pix[w*i+j]=color；）
Bitmap result=Bitmap.createBitmap（w，h，Config.RGB_565）；
result.setPixels（pix，O，w，O，O，w，h）；return result；}
其运行结果如图2所示。
图2是不同帧数下实验各阶段的检测效果，分别为帧图像、背景减法检测结果、连续帧差获得的结果和最终检测结果。由图2中可以看出目标区域得到了比较好的提取，可以通过其获得目标区域的位置信息。
第9篇：数码行业前景分析范文
关键词：摄影测量；数字；测量系统；计算机
中图分类号： J4 文献标识码： A
引言
数字工业摄影测量技术是随着摄影测量技术、计算机技术和遥感技术的发展而形成的新兴技术，是指对非地形目标进行摄影并确定其外形、形态和几何位置的技术。数字工业摄影测量技术融合了数字近景摄影测量的基本原理、计算机视觉的相关理论、计算机技术、数字图像处理技术、模式识别等学科的理论和方法，利用数字像机获取被测目标的数字影像来得到物体的形态、位置、姿态和运动从而完成对物体的测量。由于该技术利用计算机处理信息，属于非接触性测量技术。具有危险性低、信息容量高、信息易存储、可重复使用、精度高、速度快等优点。因此广泛应用于国民经济、科技研究和国防建设等领域。随着科技的不断向前发展,研究的进一步深入,数字工业摄影测量将向实时近景摄影测量发展,它将成为对非地形目标进行测量的主要手段,并且实时性、全自动源数据获取及仿真虚拟手段的研究将成为应用研究的趋势。
一、数字工业摄影测量技术的发展历程
（一）国外发展历程
早在上世纪60年代，国外就开始了数字工业摄影测量的研究。将摄影测量的相关理论、算法及软硬件逐步应用到工业测量领域，促进了工业的发展。数字工业摄影测量技术快速发展阶段始于90年代，随着计算机技术的快速发展和日益普及，同时工业对高精度摄影测量技术的要求越来越高，工业摄影测量技术逐步进入数字化时代。目前，数字工业摄影测量理论趋于完善，技术趋于成熟。
国外已经有多家公司推出了自己的数字工业摄影测量系统：美国大地测量公司的“V-STARS系统”、挪威Metronor公司的“Metronor系统”和德国Aicon3D公司的“DPA-Pro系统”等。
（二）国内发展历程
国内对数字工业摄影测量的研究开始于70年代。当时，一些研究机构就开始着力于摄影测量技术在工业领域的应用。由于知识的落后和生产水平的限制，该技术仍处于起步阶段，发展较为缓慢。90年代初，随着高精度摄影测量技术的进步，工业摄影测量技术大量应用在冶金、机械、车辆和采矿等工业领域，并且取得了显著的成效。同时，高校及研究机构对有关工业摄影测量技术的国内外相关理论及工程实践进行了研究，并针对数字工业摄影测量技术如何应用在工业测量领域提出了一系列创新理论，形成了一套新的。该阶段为初步发展阶段。数字工业摄影测量技术在理论和应用方面都有新的发展。目前，数字工业摄影测量技术已经进入快速发展阶段。随着摄影测量技术、计算机技术和遥感技术的快速发展以及国内工业的飞速发展，许多研究机构引进国外的先进摄影测量技术、吸收新的工业摄影测量理念。 在数字工业摄影测量方面进行了很多的研究及应用工作。
目前，国内数字工业摄影测量产品主要有：天津大学研制的“汽车车轮定位参数激光视觉测量系统”、西安交通大学研制的“大型复杂曲面产品的反求和三维快速检测系统”和武汉大学研究的“Lensphoto”等。
二、数字工业摄影测量的关键技术
数字工业摄影测量技术是指对非地形目标进行摄影并确定其外形、形态和几何位置的技术。它属于高精度、大尺度三维坐标测量。为满足以上要求，需要解决以下关键性技术问题。
（一） 高质量影像的获取
获取高质量数字图像是高精度测量的基础之一。数字工业摄影测量技术需要对测量中使用的人工标志及其属性、光源特性、数字像机的设置和与成像质量有关的技术和设备等进行研究。
（二）摄影测量的人工标志
数字工业摄影测量技术使用人工标志作为测量的特征点。工业部件表面通常缺乏丰富、明显的纹理信息，在摄影测量过程中产生的图像，往往缺乏足够的、准确的特征点。为了避免这一不足，数字工业摄影测量中，采用设置人工标志点的方式产生足够数量且对比明显的特征点。发光二极管、投影激光、回光反射标志等均为人工标志点。
（三）圆形人工标志偏心差
在高精度工业摄影测量中，标志中心点定位偏心差是影响测量精度的因素。确定偏心差数学模型以及模型矫正工作有利于提高测量精度。
人工编码标志
使用人工编码标志可以加快测量速度，实现测量的自动化。每个编码标志对应一个唯一的编码，因此能够利用数字图像处理技术进行自动识别。设计编码标志应遵循以下原则：具有足够的编码容量、尺寸不宜过大、有唯一定位点和易于自动、准确识别。在数字工业摄影测量中，常用的编码标志有同心圆环型编码标志和点分布编码标志。同心圆环型编码标志采用二进制编码原理，具有原理简单、易于识别等优点。点分布编码标志由一组圆形标志点按照一定规则排列而成。
数字工业摄影测量技术发展趋势
现阶段，数字工业摄影测量技术在理论研究和工业实践方面都日趋完善。经过几十年的发展，该技术逐步走向产品化、实用化和高效化。从数字工业摄影测量技术的发展历程和现状，可以预测其发展趋势。
相机呈多样化、专业化
数字工业摄影测量常用的传感器主要是数码单反相机、红外相机、工业摄像头等。数码单反相机的价格低廉且成像性能强大，成为摄影测量的常用传感器。研究者也对单反相机进行了专业改进，使其更加适用于摄影测量。
测量精度、自动化程度不断提高
工业部件制造精度、表面复杂程度不断提高，数字工业摄影测量技术也必然向着高精度、超高精度和高度自动化方向发展。
三维数据分析软件专业化、精细化
获取三维坐标信息是数字工业摄影测量的基本功能。获取的三维坐标信息需要处理分析，才可以应用到所需的领域。多样性和复杂性的应用领域需要我们针对不同用户开发各种专用的、精细的数据分析软件。
结语
数字工业摄影测量技术是随着摄影测量技术、计算机技术和遥感技术的发展而形成的新兴技术，是指对非地形目标进行摄影并确定其外形、形态和几何位置的技术。数字工业摄影测量技术随着科技的不断进步、研究的不断深入,数字工业摄影测量将向实时近景摄影测量发展,它将成为对非地形目标进行测量的主要手段。
参考文献
