排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
在一个能产生两翼、三翼和四翼混沌吸引子的系统上增加一个状态变量,构造了一个新的多翼超混沌系统.通过对系统平衡点的分析和Lyapunov指数谱、分岔图以及相图的数值仿真,呈现了多翼超混沌系统所具有的动力学特性.最后,在IEEE-754标准下,利用FPGA设计多翼超混沌信号发生器,获得了周期相图、两翼和四翼混沌吸引子,以及两翼和四翼超混沌吸引子.硬件实验结果与数值仿真结果相一致. 相似文献
2.
视觉多机协同即时定位与地图构建(SLAM)主要以相机作为传感器,并通过多机器人合作实现定位与建图。 然而,在
面对复杂环境时前端计算量过大,易导致整体系统精度不理想。 启发于 REVO 和 SVO 算法的轻量化特点,提出一种基于轻量
化智能的多机协同 SLAM 系统,旨在降低前端计算资源的同时提升系统可扩展性。 提出改进 REVO 算法—L-REVO,通过轻量
化改进实现前端实时运行;将 L-REVO 融合 CCMSLAM 系统后端,提出一种完整的多机协同 SLAM 架构;调整前端传感器和算
法,分别验证前端为同构或异构时对系统性能的影响。 在公开数据集 TUM 上,相比 CCMSLAM 系统,该系统两种模式下定位精
度分别提高了 59. 4% 和 31. 6% ,能效比提升了 8 倍。 最后,将该系统用于室内场景实验,前端功耗仅 1. 43 W,验证了所提系统
的可行性和有效性。 相似文献
3.
针对BOC调制信号自相关函数多峰值造成的捕获模糊性问题,提出一种基于相关函数的去模糊性捕获算法。该算法能消除接收信号载频的影响;根据BOC伪码的相关函数计算原理构造与收信号相关的两路本地信号;根据相关结果的对称性,通过简单数学运算组成一个完全无模糊性的相关函数。理论分析和仿真结果表明,相比ASPeCT算法及重构相关算法,提出的捕获算法的主峰均值比例更高,副峰均值比例更低。在两径信道中,当时延小于一个码片时,该算法的主峰能量可达100%。利用TMS320C5509A芯片进行算法验证,进一步验证了该算法的有效性。 相似文献
4.
针对多支路两跳协作中继系统,提出了一种基于Nakagami-m衰落信道的M-QAM和HARQ联合优化方案。该方案利用矩生成函数,计算了协作与非协作下各个节点对应的SNR的概率密度分布函数,推导了M-QAM和HARQ联合时系统误符号率的闭合表达式,进一步通过中继的状态转移概率,分析推导出协作HARQ下系统吞吐量的闭合表达式。理论分析和仿真验证得出,随着调制阶数M的减小,系统误符号率减小;协作HARQ比非协作明显降低了系统误符号率,提高了系统吞吐量;随着参与协作的中继个数的增加,系统吞吐量增大,系统误符号率减小。 相似文献
5.
针对地震后高层建筑物结构损伤监测问题,该文提出一种基于方向码匹配(OCM)和边缘增强匹配(EEM)算法的微小位移测量算法。该算法先将原始图像梯度信息与像素强度融合,增强图像信息;采用相位相关法进行匹配运算,匹配速度比归一化互相关法提升了96.1%;最后使用亚像素插值法,使测量结果达到亚像素精度。实验结果表明,该文算法避免了OCM和EEM算法量化过程中图像梯度信息的损失,大大提高了模板匹配精度,匹配速度比OCM提升了43.3%,比EEM提升了19.6%。 相似文献
6.
针对复杂矿井环境下光照度低、目标尺度变化大、目标间遮挡严重,现有的目标检测网络特征提取困难、检测效果差等问题,提出了改进的S3-YOLOv5s的矿井人员防护设备检测算法。在主干网络中加入无参注意力模块(SimAM),提升网络的特征提取能力;引入尺度均衡特征金字塔卷积,加强多尺度特征融合;最后采用SIoU作为边框回归损失函数并使用K-means++算法进行先验锚框聚类,提高边框检测精度。实验表明,相比现有的YOLOv5s算法,所提算法在所有类别的平均检测精确度从89.64%提升到了92.86%,在复杂矿井环境条件下对人员防护设备有优良的检测能力,验证了所提方法的有效性。 相似文献
7.
全断面岩石掘进机在道路掘进过程中,刀盘挤压切削岩体容易产生刀盘磨损及损坏,从而造成经济损失,因此需要检测刀盘磨损的理论和技术来指导施工。岩渣是掘进过程的直接产物,携带丰富的信息,能够反映当前的施工状况,因此可以通过岩渣识别利用这些信息间接实现对刀盘的监测。本文提出了一种基于卷积神经网络的岩渣识别算法,在岩渣数据集上实现了96.5%的分类准确率。随后为了便于FPGA硬件部署,提出一种网络压缩方法,将网络规模压缩到原始网络的2.28%,同时分类准确率相比原网络仅下降了0.9%。最后使用OpenCL技术在Intel Arria 10 GX1150平台上实现了算法部署,达到了224.54GOP/s的吞吐率以及11.23GOP/s/W的能效比。 相似文献
8.
9.
针对特定场景交通标志精度低与识别速度慢的问题,基于交通标志边缘信息与卷积神经网络,提出了一种交通标志图像识别T-YOLO算法.该算法基于YOLOv2算法检测思想,融合残差网络、卷积层填充0等结构,下采样舍弃池化层改用卷积层,并提取边缘信息与上采样以提升精度,设计7层特征提取网络以缩短识别速度,随后使用Softmax函数归一化实现多分类,并采用批量归一化、多尺度训练等方法缩短训练时间.实验表明,该算法真实有效,图形处理单元(Graphic Process-ing Unit,GPU)平台上最快检测速度13.69 ms/frame,每帧缩短9.51 ms,最高平均准确率97.3%,提高7.1%,满足实时高精度识别要求.与其他算法相比,该算法在交通标志识别速度与精度方面均有大幅提高,更加适用于现实场景,更贴近车载嵌入式系统. 相似文献
10.
在对长期演进(1ong term evolution,LTE)上行数据发送机制详细分析的基础上,针对上行数据发送过程的实现提出一种无差错上行混合自动重传请求(hybrid automatic repeat request,HARQ)选择方案,按照协议给出的反馈与授权的延迟的时隙关系,在设计中采用反馈与授权联合判断的方案,实现了HARQ授权与进程号的正确映射.针对LTE技术中的逻辑信道复用与上行数据组装过程,设计了一种用于实际应用的资源分配方案,并按照实际下发的上层原语组装上行MAC层协议数据单元(medium access control protocol data unit,MAC PDU).最后按照协议栈测试方法,采用TTCN板级测试,针对具体的实现代码配备授权,验证上行HARQ进程号的选择、上行资源的分配及上行数据的组装等过程的实现方案的正确性. 相似文献