基于VPN的远程粮情检测系统通讯软件研究

针对本地化粮情检测系统实现远程操作,研究Winsock与VPN技术在系统通讯软件中的应用。VPN技术可以大幅降低搭建专网所需的网络设备成本与管理难度,使用Winsock技术可以提供完整的TCP/IP底层协议从而减少程序开发时间。本文设计一种基于VPN的远程粮情检测系统的通讯软件,在多线程下有效利用套接字的拥塞模式并完成网络状态自检,通过设置VPN客户端提升网络传输速度,实现系统通讯软件安全、可靠、快速的运行。     

基于 ARM9的便携式网络监控取证系统设计与实现磁

针对传统监控取证系统体积大、移动性差、成本高等不足,运用嵌入式技术,视频处理技术及无线网络传输技术,设计了一种基于 ARM9的便携式网络监控取证系统[3]。该系统以 ARM9芯片 S3C2440为硬件平台,以 Linux 操作系统为软件开发平台,将 USB 摄像头采集到的图像数字化后经过 MPEG-4压缩算法的处理,通过构建嵌入式 Web 服务器[2]以及 Java Applet 技术[1],实现了远程监控端通过 IE 浏览器对现场的监控取证,最终形成了一套集视频采集、预处理、存储、显示、传输为一体的便携式视频监控取证终端系统。     

基于图像识别的定日镜振动误差检测

针对塔式太阳能热发电技术中定日镜指向精度要求高的特点,通过安装在定日镜镜面上的图像采集器采集特定标志的图像分析镜面反射法线的振动情况,基于图像分析结果将定日镜振动误差分解为绕方位轴偏差角数据和绕俯仰角偏差角数据分别进行分析,并建立定日镜振动误差模型.然后选取试验用定日镜的相关数据进行基于标定白板的仿真计算,通过与现场试验结果进比较,表明定日镜振动误差模型能够准确地反映定日镜镜面法线实际的振动情况,为定日镜的控制运维策略制定提供有效的理论支持.     

激光辅助智能车障碍物探测方法研究

在智能车视觉导航系统中,为了能够快速精确地探测到智能车前方障碍物,并恢复出障碍物表面的三维信息,提出了一种基于激光辅助的主动探测方法.该方法首先用激光发射器向空间障碍物发射多线激光光条,然后用摄像机观测图像中光条的扭曲,线条断开的位置经过一定的三角几何计算就给出障碍物的尺寸信息.实验结果表明,该方法能够快速准确地探测到障碍物并恢复出其表面三维信息,具有很强的鲁棒性.     

复杂背景下弱小目标的检测*

复杂背景下低信噪比弱小目标的检测是当今目标捡测的一个热点课题。为了检测到弱小目标,首先对图像进行复杂背景抑制,以达到抑制背景、提高信噪比的目的,然后比较三种方法的背景抑制能力,最后对抑制效果好的图像进行图像分割来进行弱小目标检测。     

基于Android的分布式数据采集系统设计

随着无线传感网络技术的大量涌现,各种分布式测控系统得到了广泛的应用和研究.针对目前各种测控方法的不同,设计一种基于Android的分布式测控系统.主要论述了基于ZigBee的无线传感器网络,蓝牙通信帧格式,Android分中心数据接收和存储,远程数据上报.通过验证,基于Android的分布式测控系统操作简单,适用性强,能实现对环境信息的实时采集与远程上报,适用于多种特殊环境应用.     

用dsPIC30F3010实现无刷直流电动机正弦波驱动

针对具有霍尔传感器的无刷直流电动机,以dsPIC30F3010为核心控制芯片,绘制出系统的总体设计框图,同时采用空间矢量调制法生成六路SVPWM信号,从而实现无刷直流电机的正弦波驱动.实验结果表明采用空间矢量脉宽调制法,可以实现正弦波驱动无刷直流电机的平稳运行.     

基于数据分析算法的多目标覆盖无人机网络布局方法研究北大核心CSCD

多目标叠加是一个新的综合性概念,它能满足多个约束条件和性能指标,同时具有多个独立于系统的目标函数,在军事、航天、工业等领域有着广泛的应用。同时,可以满足不同情况下对系统资源和安全性的各种要求。本文首先分析了数据分析方法在无人机网络布局方法中的应用,主要是对采集到的数据进行数据筛选、数据预处理、决策树分类,然后利用决策树分类进行无人机网络规划;其次介绍了无人机传感器多目标覆盖模型,并介绍了两种常用模型;最后,本文研究了基于数据分析算法的多目标覆盖无人机网络布局方法。     

基于YOLOv5的交通标志识别

交通标志识别是自动驾驶技术中的关键一部分.针对交通标志在道路场景中目标较小且识别精度较低的问题,提出一种改进的YOLOv5算法.首先在YOLOv5模型中引入全局注意力机制(GAM),提高网络捕获不同尺度交通标志特征的能力;其次将YOLOv5算法中使用的GIoU损失函数更换为更具回归特性的CIoU损失函数来优化模型,提高对交通标志的识别精度.最后在Tsinghua-Tencent 100K数据集上进行训练,实验结果表明,改进后的YOLOv5算法对交通标志识别的平均精度均值为93.00%,相比于原算法提升了5.72%,具有更好的识别性能.     

具有噪声信息与状态模型不确定系统的IMM自适应滤波

卡尔曼滤波器广泛用于解决线性高斯系统的状态估计问题.然而,在实际应用中过程噪声和系统模型参数先验信息未知,且量测受到异常值干扰,给准确估计系统状态带来极大困难.针对具有噪声信息和状态模型不确定的动态系统,提出一种广义交互式多模型自适应滤波算法.该算法设计多个模型并行的方式对系统不确定进行处理,对于每个模型,建立Skew-T分布非对称重尾噪声表示模型,为了解决过程噪声与系统协方差相互耦合难以求解的问题,利用逆威沙特分布对系统预测协方差矩阵进行描述,并通过变分贝叶斯推理递归计算系统状态的后验分布.仿真结果和实验验证表明,在噪声信息和状态模型不确定条件下,所提出算法具有较高的估计精度.