好久不见免费观看在线完整版,精品久久久久久中文字

基于貝葉斯網(wǎng)絡(luò)和多傳感器的障礙物識(shí)別系統(tǒng)[通信與網(wǎng)絡(luò)][其他]

針對(duì)無人車獲得的障礙物信息的不確定性和不完整性以及貝葉斯分類器對(duì)不完整信息比較敏感等不足，選擇了貝葉斯網(wǎng)絡(luò)分類方案。該方案在構(gòu)建貝葉斯網(wǎng)絡(luò)模型時(shí)，將貝葉斯推理運(yùn)用其中，提高了貝葉斯網(wǎng)絡(luò)的識(shí)別率。該分類系統(tǒng)依托某研究所無人車項(xiàng)目，通過激光雷達(dá)和CCD傳感器獲取障礙物實(shí)時(shí)信息，為網(wǎng)絡(luò)模型提供數(shù)據(jù)信息。

發(fā)表于：2/20/2016

電動(dòng)汽車鋰電池組主動(dòng)均衡的研究[電源技術(shù)][汽車電子]

目前，鋰電池組已廣泛應(yīng)用于電動(dòng)汽車領(lǐng)域，為了延長(zhǎng)鋰電池組的使用壽命及確保其安全性，需要設(shè)計(jì)簡(jiǎn)單有效的均衡方法來減小單體電池間的不一致性，從而保障電動(dòng)汽車的性能和安全。針對(duì)被動(dòng)均衡方式效率低、發(fā)熱大、耗電多的不足，研究了鋰電池組主動(dòng)均衡控制方法，該方法采用了雙向多變壓器均衡電路，由MOS管進(jìn)行開關(guān)控制，實(shí)現(xiàn)電池模塊中任意單體的雙向均衡。并對(duì)該均衡方案在LTspiceIV上進(jìn)行了仿真實(shí)驗(yàn)驗(yàn)證，結(jié)果表明該均衡方案均衡效果良好，達(dá)到了設(shè)計(jì)要求。

發(fā)表于：2/20/2016

基于MATLAB的C類功率放大器設(shè)計(jì)[嵌入式技術(shù)][其他]

高頻C類功率放大器輸出網(wǎng)絡(luò)由LC匹配和濾波電路構(gòu)成，是設(shè)計(jì)難點(diǎn)之一。其難度在于功率放大器的輸出既要實(shí)現(xiàn)阻抗匹配又要濾除諧波分量，兩者同時(shí)實(shí)現(xiàn)，使問題復(fù)雜化。本文利用MATLAB繪制其交流等效電路傳遞函數(shù)曲線，依據(jù)傳遞函數(shù)在基波和諧波頻率點(diǎn)的幅度大小來確定電路的方案和元件參數(shù)。提供了一個(gè)設(shè)計(jì)實(shí)例并在Multisim上仿真驗(yàn)證。仿真結(jié)果表明，該方法設(shè)計(jì)效率高，簡(jiǎn)單易行。

發(fā)表于：2/20/2016

基于VANET的車輛相對(duì)定位技術(shù)[通信與網(wǎng)絡(luò)][智能交通]

為了滿足VANET（Vehicular Ad-hoc Network）中對(duì)車輛位置信息的高精度要求，本文研究了一種基于全球定位系統(tǒng)（Global Positioning System，GPS）偽距雙差和有高精度里程儀的慣性導(dǎo)航（Inertial Navigation Systems，INS）的協(xié)作相對(duì)定位方法。通過數(shù)據(jù)融合技術(shù)，將GPS偽距雙差、GPS信號(hào)的多普勒頻移以及被高精度里程儀修正后的INS加速度等數(shù)據(jù)進(jìn)行融合處理，獲得具有良好精度的相對(duì)定位結(jié)果。結(jié)果表明，使用該方法的定位性能優(yōu)于無里程儀和INS的定位性能。

發(fā)表于：2/20/2016

一種虛擬傳感器網(wǎng)絡(luò)中事件監(jiān)測(cè)的容錯(cuò)機(jī)制[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

事件監(jiān)測(cè)是無線傳感器網(wǎng)絡(luò)中的重要應(yīng)用之一，而準(zhǔn)確檢測(cè)出故障節(jié)點(diǎn)是提高事件監(jiān)測(cè)效率的前提。為了實(shí)現(xiàn)多應(yīng)用目標(biāo)傳感器網(wǎng)絡(luò)中較高的節(jié)點(diǎn)故障識(shí)別率，在基于簇狀樹的虛擬傳感網(wǎng)架構(gòu)上，提出一種基于節(jié)點(diǎn)鄰域中值的事件監(jiān)測(cè)容錯(cuò)算法。該算法充分利用了無線傳感網(wǎng)節(jié)點(diǎn)之間的空間相關(guān)性，融合鄰域各節(jié)點(diǎn)的測(cè)量值，通過節(jié)點(diǎn)的數(shù)值與鄰域中值之間的差值來判斷節(jié)點(diǎn)狀態(tài)。仿真實(shí)驗(yàn)結(jié)果表明，即使是在節(jié)點(diǎn)故障概率比較高的情況下，該算法依然具有優(yōu)越的容錯(cuò)性能。

發(fā)表于：2/20/2016

基于Android的遠(yuǎn)程醫(yī)療監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[通信與網(wǎng)絡(luò)][醫(yī)療電子]

為滿足人們對(duì)于遠(yuǎn)程醫(yī)療的需求，推出了一個(gè)應(yīng)用Android移動(dòng)終端的解決方案。該方案結(jié)合Android系統(tǒng)的特點(diǎn)，設(shè)計(jì)了一套采集、顯示存儲(chǔ)、報(bào)警推送于一體的遠(yuǎn)程醫(yī)療監(jiān)測(cè)系統(tǒng)。首先對(duì)Android框架與系統(tǒng)架構(gòu)進(jìn)行介紹，然后對(duì)系統(tǒng)涉及到的Android系統(tǒng)藍(lán)牙、Socket等通信方式的開發(fā)進(jìn)行分析，并對(duì)Android設(shè)備在數(shù)據(jù)采集、存儲(chǔ)、處理中的應(yīng)用進(jìn)行介紹，最后應(yīng)用MQTT協(xié)議完成了對(duì)報(bào)警信息的推送。結(jié)果表明Android系統(tǒng)在遠(yuǎn)程醫(yī)療服務(wù)系統(tǒng)中有很大的應(yīng)用前景。

發(fā)表于：2/20/2016

基于物聯(lián)網(wǎng)信息平臺(tái)的智能窗戶設(shè)計(jì)[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

基于物聯(lián)網(wǎng)信息平臺(tái)設(shè)計(jì)了智能窗戶系統(tǒng)，可以進(jìn)行空氣置換，對(duì)大風(fēng)、下雨等天氣狀況做出判斷，對(duì)窗戶受到撞擊、盜賊越窗等情況發(fā)出報(bào)警，對(duì)室內(nèi)有害氣體濃度進(jìn)行感知等。系統(tǒng)的判斷行為及結(jié)果通過物聯(lián)網(wǎng)傳送至用戶手機(jī)終端，進(jìn)行信息的交互。系統(tǒng)的硬件和軟件采用模塊化設(shè)計(jì)，可根據(jù)用戶的不同需求，靈活搭配模塊，以滿足用戶的多樣化需求，提高用戶健康、宜居生活質(zhì)量。

發(fā)表于：2/20/2016

基于改進(jìn)協(xié)方差矩陣的半色調(diào)圖像分類研究[顯示光電][其他]

針對(duì)半色調(diào)圖像分類中只存在0和1的特點(diǎn)，提出了一種基于改進(jìn)的協(xié)方差矩陣在半色調(diào)圖像中的分類方法。根據(jù)協(xié)方差矩陣在實(shí)現(xiàn)半色調(diào)圖像分類中個(gè)數(shù)少且并未體現(xiàn)其局部和全局信息的特性，對(duì)協(xié)方差矩陣的底層特征進(jìn)行改進(jìn)。利用樣本的局部特性和核密度估計(jì)方法，實(shí)現(xiàn)黎曼流形上的貝葉斯分類策略。實(shí)驗(yàn)中研究協(xié)方差矩陣的底層特征與傳統(tǒng)協(xié)方差矩陣的特征提取方法并對(duì)其進(jìn)行分類性能比較。實(shí)驗(yàn)結(jié)果表明，在半色調(diào)圖像分類中，與傳統(tǒng)的協(xié)方差矩陣相比較，改進(jìn)的協(xié)方差矩陣提取出的特征在分類中平均錯(cuò)誤分類率更低

發(fā)表于：2/20/2016

改進(jìn)Retinex算法對(duì)特殊環(huán)境下的車牌圖像增強(qiáng)研究[顯示光電][汽車電子]

針對(duì)特殊環(huán)境（霧天、傍晚）下車牌圖像由于光線暗淡而使得識(shí)別效果明顯下降的問題，提出一種使用改進(jìn)的Retinex算法（五尺度Retinex算法）與冪函數(shù)和雙邊濾波相結(jié)合對(duì)特殊環(huán)境下的車牌圖像進(jìn)行增強(qiáng)的算法。首先用冪函數(shù)對(duì)霧天、傍晚環(huán)境下的車牌圖像進(jìn)行處理，再采用雙邊濾波處理，最后經(jīng)過五尺度Retinex算法處理。與傳統(tǒng)Retinex算法相比，所提出的算法取得了較好的對(duì)特殊環(huán)境下的車牌圖像增強(qiáng)的效果，改善了車牌圖像的視覺效果，并且處理時(shí)間較短，對(duì)現(xiàn)實(shí)生活具有可觀的實(shí)際意義。

發(fā)表于：2/20/2016

基于圖像一致性計(jì)算的目標(biāo)識(shí)別算法[顯示光電][其他]

視覺計(jì)算模型集合了人類視覺系統(tǒng)（HVS）的復(fù)雜特征，并模擬了視覺輸入的分層感知表達(dá)。自底向上機(jī)制是現(xiàn)代模型中最常見的特征，是指無意識(shí)的注意，所提出的一致計(jì)算方法模擬自底向上視覺注意，并通過一致區(qū)域的計(jì)算來達(dá)到目標(biāo)識(shí)別的目的。所提模型主要基于對(duì)HVS行為的目前的理解，使用對(duì)比敏感度函數(shù)、感知分解、視覺掩蔽形成一個(gè)神經(jīng)性視覺空間，并在此基礎(chǔ)上使用center-surround交互、感知編組和顯著圖的建立來得到最終的顯著圖。所提模型的性能通過使用自然圖像來進(jìn)行評(píng)估，并將其結(jié)果與參照的經(jīng)典的自底向上模型進(jìn)行對(duì)比，結(jié)果表明該模型實(shí)效性高。

發(fā)表于：2/20/2016

基于Tri-training的圖像多特征融合目標(biāo)分類[顯示光電][其他]

在對(duì)目標(biāo)進(jìn)行分類識(shí)別過程中，對(duì)其特征的有效提取直接影響最后分類的精度。針對(duì)此類問題，提出了基于Tri-training算法對(duì)圖像進(jìn)行多特征融合分類，通過利用Principal Component Analysis（PCA）主成分分析法，并結(jié)合目前比較實(shí)用的半監(jiān)督學(xué)習(xí)Tri-training算法對(duì)圖像顯著目標(biāo)進(jìn)行分類，其中Tri-training算法是以Support Vector Machine（SVM）、Na?觙ve Bayes（NB）、Back Propagation（BP）為基分類器，將圖像的多特征數(shù)據(jù)值作為圖像在Tri-training分類器的輸入對(duì)分類器進(jìn)行訓(xùn)練和測(cè)試。實(shí)驗(yàn)表明，在進(jìn)行了有效的預(yù)處理之后，再對(duì)樣本進(jìn)行多特征融合在一定程度上明顯提高了分類精度。

發(fā)表于：2/20/2016

基于改進(jìn)SIFT算法在圖像匹配中的研究[其他][數(shù)據(jù)中心]

對(duì)于邊界顯著的圖像，用二值圖像代替灰度圖像進(jìn)行SIFT特征匹配，節(jié)約了運(yùn)行時(shí)間。同時(shí)在SIFT算法中用128維的特征描述子進(jìn)行特征描述影響了算法的實(shí)時(shí)性，用歐氏距離進(jìn)行匹配對(duì)算法的準(zhǔn)確性有一定的影響。提出了一種改進(jìn)SIFT算法，用64維的特征描述子以及加權(quán)的歐式距離進(jìn)行匹配。實(shí)驗(yàn)結(jié)果表明，所提出的改進(jìn)方法在提高準(zhǔn)確率的同時(shí)還減少了運(yùn)行時(shí)間。

發(fā)表于：2/19/2016

手繪太陽黑子圖手寫字符分割方法研究[模擬設(shè)計(jì)][其他]

利用固定區(qū)域坐標(biāo)提取固定區(qū)域的單行數(shù)據(jù)字符塊；基于高斯模糊提取隨機(jī)手寫黑子信息字符區(qū)；結(jié)合Hough變換與投影技術(shù)完成隨機(jī)手寫區(qū)域中包含多個(gè)黑子記錄字符塊的分割，并將包含單個(gè)黑子記錄字符塊分割為3個(gè)僅包含單行數(shù)據(jù)的字符塊；利用顏色填充分割算法分割出單行數(shù)據(jù)字符塊中的單個(gè)字符和粘連字符，結(jié)合平均字符寬度信息進(jìn)一步分割粘連字符。實(shí)驗(yàn)結(jié)果表明，每幅手繪太陽黑子圖的固定區(qū)域和隨機(jī)區(qū)域的字符分割平均正確率分別達(dá)到95.5%和79.6%。

發(fā)表于：2/19/2016

基于FPGA實(shí)現(xiàn)OmniVision圖像傳感器的SCCB總線協(xié)議[其他][數(shù)據(jù)中心]

基于Atera公司的FPGA芯片對(duì)OmniVision圖像傳感器進(jìn)行圖像采集前的準(zhǔn)備工作，通過FPGA的GPIO端口模擬SCCB（串行攝像機(jī)控制總線）總線協(xié)議對(duì)傳感器的寄存器進(jìn)行配置，從而完成對(duì)傳感器的初始化，使得攝像頭得以正常運(yùn)行。

發(fā)表于：2/19/2016

基于Saber仿真的改進(jìn)型半橋LLC變換器閉環(huán)電路設(shè)計(jì)[通信與網(wǎng)絡(luò)][數(shù)據(jù)中心]

LLC變換器是一種非常有前景的拓?fù)潆娐?，然而其工作過程較為復(fù)雜，很難建立準(zhǔn)確的小信號(hào)模型，因此閉環(huán)控制電路設(shè)計(jì)困難。同時(shí)，隨著LLC變換器的廣泛使用，其過流保護(hù)問題也日益受到關(guān)注。針對(duì)一種具有過流保護(hù)功能的改進(jìn)型半橋LLC變換器，提出了基于Saber軟件時(shí)域仿真進(jìn)行補(bǔ)償電路設(shè)計(jì)的方法，并設(shè)計(jì)了一款1 200 W的半橋型LLC變換器。仿真實(shí)驗(yàn)驗(yàn)證了該方法的正確性及可行性，對(duì)實(shí)際工程應(yīng)用有一定的指導(dǎo)意義。

發(fā)表于：2/19/2016