智能玩具赛车赛道图像的畸变校正问题研究

本次图像畸变研究主要针对智能玩具赛车的赛道图像。赛道图像信息由智能玩具赛车采集,采集到的图像呈现出近宽远窄的梯形畸变。针对此梯形畸变,首先采用几种不同的边缘检测算子对图像进行边缘检测及轮廓提取,再使用连接点法对处理后的图片进行畸变校正,然后针对现有方法中出现的问题提出调整改进。最后通过MATLAB仿真实验仿真分析,该方法能够有效地实现赛道的畸变校正,为后续对赛道图像的进一步处理奠定了基础。     

激光脉冲编码抗有源干扰效果研究

激光脉冲编码是激光制导武器的抗干扰措施之一。角度欺骗式干扰和高重频干扰是目前半主动激光制导武器的主要有源干扰来源。为研究不同激光脉冲编码方式对激光半主动制导武器抗这两种干扰性能的影响,本文针对敌方激光告警机的识别算法与我方导引头的解码过程,提出自相关函数与归一化互相关函数评价方法,并对目前主要编码方式进行仿真,仿真结果表明:激光脉冲编码的抗角度欺骗式干扰能力受编码序列周期性与脉冲间隔随机性的影响；抗高重频激光干扰能力受编码序列脉冲间隔随机性的影响；LFSR状态码的抗角度欺骗式干扰与抗高重频干扰效果均优于其他编码方式。     

基于神经网络的红外焦平面光学非均匀性校正改进算法

基于场景的非均匀校正依然是红外领域的一个研究热门。神经网络算法是一种较为典型的场景校正算法。本文主要针对神经网络算法本身不能校正光学引入的非均匀性问题,提出了新的改进算法,通过对神经网络输入层的预处理,消除图像的低频噪声,此外,为了消除预处理对图像对比度的影响,本文增加了神经网络的层数,使用双层神经网络对算法进行更新,从而消除了图像对比度下降的现象。实验结果表明,改进的神经网络算法能够有效的改善图像质量,消除图像中光学引入的非均匀性。     

基于改进灰狼算法的铁路隧道射线跟踪模型校正

针对灰狼优化（grey wolf optimization，GWO）算法易陷入局部最优和收敛精度差的问题，提出了一种基于对立搜索和Levy飞行策略的改进灰狼优化算法——OLGWO算法.在算法初始化阶段，采用对立搜索策略以缩小可行解范围；在灰狼位置更新过程中，为避免算法陷入局部最优采用了Levy飞行策略.4个标准测试函数的仿真实验表明，所提OLGWO算法在收敛速度及求解精度方面均优于GWO算法，可以较快且准确地搜索到目标函数的最优值.基于OLGWO算法对隧道射线跟踪传播模型进行校正的结果表明，校正后的模型在均方根误差和线性相关性方面具有较优的性能，能够实现铁路隧道环境中信号接收功率的精确预测.     

海洋石油某平台低压系统谐波计算及应对措施

对海洋石油某新建采油平台低压电力系统的负载结构进行计算,发现低压配电系统所带的变频器在正常生产的某些年份需要在低频下长期运行。对比国标允许值发现谐波超标,针对此问题采取增加有源滤波器并根据平台现有电力供电方式制定了应对措施。