单分子中心定位精度与信噪比关系及中心定位算法改进研究

本文从理论和实验两个角度研究单荧光分子中心定位精度与信噪比的关系,提供了一种相对简单的方法来确定基于单分子中心定位技术的超高分辨显微成像系统的分辨率。特别是,本文给出一种提高定位精度的像素重建算法,在信噪比等条件不变的情况下,该算法可有效改善单分子定位精度,从而提高超高分辨成像系统的分辨率。     

基于自适应粒子群算法的目标定位方法研究

针对现有定位求解算法复杂和标准粒子群算法易陷入局部最优的缺点,提出了一种基于自适应粒子群算法的目标定位方法.该方法在迭代过程中指数更新惯性权重,择优选择粒子,并根据种群适应度方差值自适应地调整变异概率的大小,增强算法跳出局部最优的能力.仿真结果表明该方法能有效地提高目标的定位精度,在随机噪声干扰方差为0.5的条件下,定位均方误差不超过0.8m.     

基于RBF神经网络的被动声定位算法研究

提出了基于RBF神经网络的被动声定位算法.该算法根据TDOA定位原理,以四元十字阵作为定位模型,利用RBF神经网络较快的学习特性和逼近任意非线性映像的能力,实现对声源的快速准确定位,并与WLS算法、Chan算法、Taylor算法作对比分析.仿真结果表明,该算法定位精度高,鲁棒性好,性能优于其他算法.     

特定声识别与定位系统

设计并实现了一种特定声识别与定位系统,应用于捕捉特定声源并判断其方位。系统将声音识别和定位两大功能有机结合,利用基于频域特性的相似度计算识别方法监测目标音频信号,定位方面,提出了对传统的基于到达时间差（TDOA）算法的系统优化。通过硬件电路预处理和软件设计相结合的方法,简便地计算出音频信号的到达时间差。再经过多重计算求...     

基于笔画滤波的维吾尔文视频文字定位算法

由于维吾尔文自身的特点,大多数已发表过的算法不能直接应用到视频中的这类文字。首先对视频帧的笔画滤波响应做全局阈值处理,然后利用维吾尔文在基线上横笔画居多的特征,通过水平投影找到基线位置,在基线上下方确定上下文本线。最后用垂直投影和启发式规则确定文本框。实验结果表明该算法对这类文字比较有效。     

MEMS陀螺与编码器在机器人自主定位中的应用

为提高微机械陀螺仪输出精度及移动机器人定位精度,研究了基于微机械陀螺仪与光电编码器的移动机器人自主定位方法。实时小波滤波法算法去除微机械陀螺仪输出数据噪声;通过微陀螺精度校正平台,用加权最小二乘支持向量回归机算法对微机械的先验数据作回归运算,构造先验回归决策函数,运用回归决策函数补偿微机械陀螺仪输出误差,提高微机械陀螺仪的角速率输出准确度;实验证实了方法能较好提高了MEMS陀螺仪的准确度,可以应用于移动机器人的自主定位之中。     

精密卧式加工中心的定位运动误差补偿研究

以某款精密卧式加工中心为研究对象,基于西门子840D数控系统平台,利用激光干涉仪对机床各运动轴的定位误差进行了定点测量,并建立了定位运动的误差补偿数学模型,实现了对定位误差的补偿。实验结果表明了所述方法的有效性。     

一种基于RSS的环境自适应目标定位算法

目标定位是无线传感器网络的重要应用之一,但是基于接收信号强度(RSS)的定位方法通常因为非合作目标未知其发射功率以及不同环境下难以获取准确的路径衰减指数而无法实现准确定位,得不到广泛应用。提出了一种环境自适应的未知目标定位算法,能够实现对未知信号发射功率的目标进行准确定位,同时不断更新路径衰减指数动态适应环境,从而使提高了算法的适用性。     

本土化酒包装设计中图案元素的应用

通过分析本土化酒包装设计中图案元素的应用,并结合几个典型的实例论述了在本土化酒包装设计的过程中图案应用的重要性和必要性。在此基础上,通过论证图案背后蕴含的意义与本土包装的相互关系,进而分析了图案的功能与形式在酒包装设计的过程中都有着不可替代的作用,也深深影响着酒包装的设计的发展。     

Probabilistic Support Vector Machine Localization in Wireless Sensor Networks

Sensor networks play an important role in making the dream of ubiquitous computing a reality. With a variety of applications, sensor networks have the potential to influence everyone's life in the near future. However, there are a number of issues in deployment and exploitation of these networks that must be dealt with for sensor network applications to realize such potential. Localization of the sensor nodes, which is the subject of this paper, is one of the basic problems that must be solved for sensor networks to be effectively used. This paper proposes a probabilistic support vector machine (SVM)‐based method to gain a fairly accurate localization of sensor nodes. As opposed to many existing methods, our method assumes almost no extra equipment on the sensor nodes. Our experiments demonstrate that the probabilistic SVM method (PSVM) provides a significant improvement over existing localization methods, particularly in sparse networks and rough environments. In addition, a post processing step for PSVM, called attractive/repulsive potential field localization, is proposed, which provides even more improvement on the accuracy of the sensor node locations.