基于ZigBee的无线肌电检测系统设计

针对目前表面肌电信号采集系统尺寸大,不易携带的缺陷,设计了一种基于ZigBee技术的无线表面肌电信号检测系统。系统由前置放大电路、带通信号调理电路和基于单片机CC2430的无线数据收发电路组成。该电路系统能有效覆盖带宽为10～500Hz的表面肌电信号,实现肌电信号的采集和与上位机的无线射频通信。应用实践表明,此系统能够通过ZigBee无线网络对人体肌电信号进行实时采集,具有移动性和便携性,因此能广泛适用于健康运动监测和医院移动监测等领域。     

基于复合左右手传输线结构的新型微带天线

基于复合左右手传输线结构的零阶谐振理论,提出了一种新型双层结构的微带天线,仿真结果表明该天线具有比单层微带天线更小的尺寸。研究了天线各结构参数对天线特性的影响,并对各参数进行了优化仿真。仿真结果表明该天线具有全向辐射特性,与传统微带天线相比,该天线具有体积小的特点。     

基于改进迭代最近点算法的接骨板贴合性快捷计算方法

为了快速计算出接骨板在断骨表面的最佳贴合位置,以减少手术中接骨板反复调整的次数,提出了一种基于改进迭代最近点（ICP）算法的接骨板贴合性快捷计算方法。首先,由医生指导在断骨表面选取贴合区域,并利用接骨板表面点的法向量之间的夹角提取接骨板的内曲面点云;然后,在对两组点云模型进行平滑处理并采用格点采样的方式来简化点云模型后,利用点云之间的特征关系进行初始配准;最后,对接骨板内曲面点云模型进行边界及内部特征关键点提取,并采用K-维树（KD-Tree）搜索邻近点,对接骨板的特征关键点和断骨表面选取区域执行ICP精确配准。以胫骨为例进行实验,实验结果表明,所提算法相较于近年所提配准算法在保持较高配准度的同时提高了配准效率,能够实现胫骨不同受损类型与接骨板之间的快速配准,并且对其他受损骨骼具有通用性。     

悬停状态下旋翼飞行机器人自适应鲁棒控制

针对加装二自由度绳驱动机械臂的旋翼飞行机器人在悬停条件下的抗干扰控制,提出了一种自适应终端滑模控制策略.将系统分成四旋翼飞行器和机械臂两个子系统,分别采用拉格朗日法与牛顿-欧拉法获得各自的动力学模型.在Lyapunov稳定性框架下设计了旋翼飞行器人的抗干扰轨迹跟踪控制器,并引人自适应策略来估计扰动上界.通过3个仿真算例验证了所设计控制器的有效性,结果表明,与其他控制器相比,本控制器具有较高的跟踪精度、较强的鲁棒性以及较好的抗干扰能力;机械臂质量的变化主要影响x通道和y通道的控制性能;本控制器基本能满足旋翼飞行机器人悬停作业的工作需求,具有一定的工程参考意义.     

手推式电子叉车秤倾角与称重误差补偿算法研究

针对电子叉车秤在使用过程中出现的车体倾斜导致称重误差精度下降等问题,提出了一种有效的称重误差补偿算法。首先,分析电子叉车秤倾斜角度对称重性能的影响,搭建一个多方向可变角度倾斜的实验平台,以模拟叉车秤的倾斜状态并获取精确的称重数据。其次,根据所获得的数据与称重误差补偿原理,建立倾斜状态下电子叉车秤的称重误差补偿算法模型,并运用最小二乘法及多层感知机非线性回归方法识别模型参数。最后,本文对具有1 500 kg量程和0.02 kg感量的电子叉车秤进行了倾斜测试实验,结果表明,在地面倾角不超过1.5°的范围内,在任意倾斜方向仪器最大允许误差MPE<0.75 kg,具有3 000分度数的精度。     

结合数据增强和改进 YOLOv4 的水下目标检测算法

针对水下低质量成像、水下目标形态大小各异、以及水下目标重叠或遮挡导致水下目标检测精度低的问题,提出一种结合数据增强和改进YOLOv4(you look only once)的水下目标检测算法,在YOLOv4的主干特征提取网络CSPDarknet53中添加卷积块注意力机制(convolutional block attention module, CBAM),以提高网络模型特征提取能力;在路径聚合网络(path aggregation network, PANet)中添加同层跳接和跨层跳接结构,以增强网络模型多尺度特征融合能力;通过数据增强方法PredMix(prediction-mix)模拟水下生物重叠、遮挡等显示不完全的情形,以增强网络模型鲁棒性。实验结果表明,结合数据增强和改进YOLOv4的水下目标检测算法在URPC2018(underwater robot picking control 2018)数据集上的检测精度提升到了78.39%,比YOLOv4高出7.03%,充分证明所提算法的有效性。     

Application of fuzzy image restoration in criminal investigation

The advancement of science and technology has a positive effect on the development of law disciplines. The development of algorithms and artificial intelligence also has a certain impact on judicial practice. Image restoration is a significant technique in image processing. It aims to objectively restore the content or quality of the original image from the degraded image. Image degradation is always generated in image transmission, such as distortion, blur. In modern video surveillance system, image restoration is significant for criminal investigation. However, image restoration based on conventional filter algorithms cannot achieve satisfactory performance. Thus, we first introduce the image restoration algorithms based on different degradation model. Then, we propose some applications of fuzzy image restoration in criminal investigation. We conduct experiments on both degraded images and videos and experimental results have shown the effectiveness of fuzzy image restoration applying to the criminal investigation.     

MEMS based energy harvesting for the Internet of Things: a survey

Microsystem Technologies - The Internet of Things (IoT) can manage a large number of smart wireless devices and form a networking infrastructure connected to the Internet. Traditional batteries in...     

基于轨迹分段LDA主题模型的视频异常行为检测方法

基于目标轨迹的异常行为检测算法忽略了轨迹内部信息,容易导致异常检测虚警率偏高。为解决该问题,提出一种基于轨迹分段主题模型的视频异常行为检测方法。首先将目标原始轨迹根据轨迹转角分段,然后采用分段量化的方式提取轨迹片段中包含的行为特征信息,接着通过潜在狄利克雷分配(LDA)主题模型建模发掘目标轨迹之间的时空关系,最后通过学习所构建的模型并结合贝叶斯理论进行行为模式分析和异常行为检测。分别对两个视频场景进行了目标行为模式分析和异常行为检测的仿真实验,检测出了场景内多种异常行为模式。实验结果表明,通过结合轨迹分段与LDA主题模型,该算法能够充分挖掘目标轨迹内部的行为特征信息,识别多种异常行为模式,并且能提高对异常行为检测的准确率。