近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

本书以最新LabVIEW7Express版本为对象，系统介绍了LabVIEW程序设计的基本概念、关键技术和实际应用的专门知识。本书内容分为三大部分，第一部分介绍虚拟仪器的基本概念、图形化编程语言基本原理与特点、LabVIEW编程环境；第二部分系统介绍LabVIEW程序设计的语法规则、程序结构和基本编程技巧；第三部分介绍LabVIEW在数据采集、仪器控制和通信等方面的应用。本书结构编排合理，运用大量实例阐述基本概念与编程难点，突出内容的系统性与实用性。为方便读者学习查阅，本书附带光盘技章节编排，提供了本书所有编程例子，并且列出了LabVIEW程序错误代码表，供读者参考。本书可作为大、中专院校相关专业教材或教学参考书，也可供有关工程技术人员和软件工程师参考。未经许可，不得以任何方式复制或抄袭本书之部分或全部内容

MATLAB语言是美国 Mathworks公司研制开发的大型计算软件,自1985年问世 以来,特别是1993年4. x Windows版本的出现,使得 MATLAB语言的使用获得了巨 大的发展。它的强大的矩阵处理与运算功能、丰富的图形绘制能力深受用户的青睐 控制领域的研究者与工程技术人员对此给予了极大关注,国际上众多的知名学者在 此基础上先后开发出一系列的相关工具箱( toolbox),如控制系统工具箱( Control System Toolbox)、神经网络工具箱( Neural Network Toolbox)、系统辨识工具箱 ( Systerm Identification Toolbox)、最优化工具箱( Optimization Toolbox)、鲁 棒控制工具箱( Robust control toolbox)等,以及集成在 MATLAB上的面向结构图的 系统分析平台 Simulink。从而使得 MATLAB的功能得到了全面提高,几乎覆盖了控制 领域各个硏究分支

第12章程序使用说明 12.1程序开发过程 STAB程序前后经过了二十余年的开发过程。976年,作者参加水利电力部第二工程局 官厅水库抗震加固工程时,在北京大学DJS-60机上开发了一个圆弧滑裂面的土石坝边坡稳 定分析的程序。现在的STAB程序仍然保留了这一版本对边坡几何形状处理的主要特点。 1979至1981年,作者赴加拿大 Alberta大学进修,在 Morgenstern教授的指导下,对边坡稳 定分析的 Morgenstern-Price-法作出了改进并编制了相应的程序。1982至1984年,作者在 潘家铮主持的“水工建筑物设计专用程序”项目中,承担了编制土石坝边坡稳定设计专用程 序的工作