一种新的加权中值滤波的快速算法

针对中值滤波排序工作量多、速度慢等缺点，提出了一种新的加权中值滤波快速 算法。把窗口内元素分为小于、等于和大于中心元素的3类并分别统计这3类的个数，同时 构 造两个数组分别放入小于和大于中心元素的元素值，对每个类元素进行比较后可确定输 出中 值的确切位置，因此可根据局部排序找出输出中值，这样可大大减少排序的次数，加 快了处 理速度。最后，对快算算法和标准中值滤波的传统算法进行了比较，给出了二组实 验数据。 实验结果表明，与传统算法相比，该算法的执行速度大大加快。通过选择适当的 权值，加权 中值滤波可代表标准中值滤波和其它一些中值滤波，因此该快速算法有较强适 应性。     

导航路径寻优的地图数据库分层索引机理

研究了导航路径寻优的地图数据库分层索引机理.以路网分层模型为基础,研究并设计了G-SDBCScan (Geospatial Database Convergence Scan)索引算法,并将此算法应用于面向地图数据库的分层索引机制.最后通过嵌入式数据库SQlite在分层索引机制中的应用来验证分层索引机制的有效性.     

一种事件驱动型无线传感器网络的分层路由算法

为了降低无线传感器网络在突发事件监测系统中的能量消耗,延长网络生存周期,结合突发事件监测系统的特点,在TEEN协议的基础上进行改进,设计实现了一种基于事件驱动的分层路由算法—TEEN-PE算法。该算法采用先分区再建簇的方式解决了TEEN协议中最优簇首个数难以确定、簇首分布不均匀等问题。同时,在簇形成阶段和簇间通信阶段,综合考虑节点剩余能量以及节点到基站的距离因素,以提高网络在时间上和空间上的通信平衡。该算法能有效降低节点能耗、延长网络生存周期。最后通过NS-2进行仿真,仿真结果显示,TEEN—PE算法在节点存活率以及能耗上要明显优于TEEN协议。     

基于八叉树的虚拟场景管理器的设计与实现

以三维电子地图作为应用背景,重点介绍如何利用改进的八叉树来设计并实现一个三维场景管理器,用来对整个场景进行有效地组织和管理。在此基础上通过Android系统平台的原生OpenGL ES图形库将场景进行重现。针对场景划分过程,提出了基于模型特征的场景划分方式。经过实验证实了该方法可以在一定程度上避免不必要的内存开销,有利于应用在资源相对有限的嵌入式设备上。     

基于分形的低反差图像增强方法

对于工业现场采集的一类低反差、噪声大的图像,经过非线性滤波后根据分数布朗随机场模型理论,从灰度空间变换到分形参数空间,并以归一化后的像素分形维数为加权值对图像进行分形增强.非线性滤波刻意避开对图像边缘的平滑,能在消除图像噪声的同时很好地保持图像边缘等细节信息.与直方图的灰度拉伸增强比较,分形方法增强具有突显灰度差别不大的目标边缘等重要细节信息和抗噪能力强的优点,为后续的图像识别作了很好的准备工作.     

空间数据在嵌入式导航系统中的索引

研究了基于嵌入式Linux平台电子地图数据的空间索引,介绍了空间索引的基本方法。通过分析常见的空间索引算法如B树、R树、四叉树等算法的特点,结合嵌入式电子地图数据特点,设计了基于Hilbert编码的格网空间数据索引机制,并改进了格网索引的数据结构,从而提高了索引效率;并使用嵌入式数据库SQLite管理空间数据,达到了预期效果。     

ＩＲＯＭ 启动下的Ｕ－Ｂｏｏｔ自动烧写功能的实现

Ｂｏｏｔｌｏａｄｅｒ是嵌入式系统上电后运行的第一个程序,Ｕ－Ｂｏｏｔ是嵌入式系统中最常用的Ｂｏｏｔｌｏａｄｅｒ 之一．ＩＲＯＭ 启动是目前嵌入式处理器中,普遍采用的一种启动方式,而ＳＤ卡作为当前最火 热的外部存储器之一,经常被用来当作ＩＲＯＭ 启动方式中的外部启动介质．详细分析了Ｓ３Ｃ６４１０ 处理器的ＩＲＯＭ 启动方式,以及在ＩＲＯＭ 启动下,采用ＳＤ卡作为启动介质的基于Ｕ－Ｂｏｏｔ的嵌入 式系统中,如何利用ＳＤ卡,自动从其ＦＡＴ分区中读取Ｕ－Ｂｏｏｔ、Ｌｉｎｕｘ内核及文件系统镜像文件, 以达到自动烧写的目的．相比传统的串口、以太网和ＵＳＢ烧写,ＳＤ卡烧写具有操作方便、快捷的 优点．     

基于小波子图和决策融合的人脸识别算法

提出了一种基于小波子图和决策融合的人脸识别算法。首先将图象进行适当层数的小波分解 ,每次分解只取最低频子图。然后对低频子图再进行一次小波全分解得到不同方向的四个子图。在这四个子图上分别进行传统的主分量分析 (PCA)或者进行傅立叶变换(即频谱脸算法 ) ,可得到四个识别结果 ,再跟据一种决策融合方案得出最终的识别结果。最后 ,我们用 Olivetti人脸数据库对本文的算法与传统的 PCA算法 ,基于单一小波子图的PCA算法以及频谱脸算法进行了比较。实验结果显示 :应用了多个小波子图以及决策融合方案后 ,识别率都有一定的提高     

结合信息融合和BP神经网络的决策算法

针对网络输入信息复杂多变,固定的 BP(Back-Propagation)网络结构难以发挥其优势的情况,提出了结合信息融合和BP神经网络的决策算法。即根据输入的变化情况,利用D-S证据理论(Dempster-Shafer,D-S)对BP神经网络的结构进行优选。同时使用粒子群(PSO, Particle Swarm Optimization)算法来确定BP神经网络的初值,以改善其收敛速度慢和容易陷入局部极小值的问题。仿真结果显示,结合信息融合和 BP 神经网络的决策算法和BP神经网络相比,有效提高了BP神经网络训练的时间及预测的准确率,在适应复杂多变的输入信息时具有一定的优势。     

智能家居无线数据的安全传输①

研究了基于ZigBee智能家居无线数据的安全传输问题,在简单介绍ZigBee技术安全结构和加密算法模式的基础上,通过分析ZigBee安全服务特征、数据传输类型,结合智能家居本身的特点来建立安全网络,并对数据进行加密,实现数据安全传输,从而保证智能家居数据的机密性。