在国家输电网中，对输电线路的检查是预防事故和停电的必要条件。而随着电力产业的 发展，借助于监控摄像机的远程智能巡检逐渐替代成本高、风险高、效率低的人工巡检。为了节省成本，降低风险，本文设计了一种基于机器学习算法的高压传输线检测算法，主要是针对无人机以及固定低功耗摄像机拍摄的图片进行分析。该算法将待分析图片读入之后，通过诸如灰度处理，高斯模糊去噪，图像算术运算和灰度线性变换的操作来对图像进行预处理。 其次，运用 Canny 算子检测出传输线的边缘像素点，并且设置感兴趣区域以提取传输线区域，抑制背景干扰。然后，分类检测出的边缘像素点，拟合传输线。最后，用红线绘制图像中的传输线，并且还输出已检测到的线的数量。与此同时，通过对比人工设定的传输线数量和算法输出的传输线数量，可以确定高压传输线的状态是否正常。实验证明，本文提出的算法可以去除天空和浮云等背景的干扰，同时可以准确检测高压线，且能够对交叉的高压线进行辨别，能处理边缘检测断点，具有一定的鲁棒性和实用性。 针对第五代无线通信系统中的毫米波大规模多输入多输出问题，已经提出了许多混合预 编码结构和方案。由于在该系统中射频链数量大大减少，传统的混合预编码技术会导致性能损失严重。本文主要针对该问题，首先介绍一种基于开关和逆变器的混合预编码架构，来作为降低功耗的解决方案。另外，通过对两阶混合预编码、基于天线选择的混合预编码方案和基于自适应交叉熵的混合预编码方案进行仿真，提供了对总速率和能量效率的详细性能分析，目的是为了证明基于 ACE 的方案的性能在所有参数值的有限范围内要远远优于其他方案。最后，确定了最佳的参数，并且证明了它们可以让系统达到最佳性能。

高压传输线的智能检测一直以来都是计算机视觉识别的热点。本文打破传统的人工检测方式，利用无人机搭载开源硬件Arduino和相机模块采集高压传输线的数据，对采集回来的高压传输线图片用OpenCV和C++进行加载、灰度处理、二值化、边缘检测、直线检测、设计函数等系列处理，最终得到一幅只有传输线边界的直线检测图像，同时过滤掉复杂图背景，从而达到良好的识别效果。