单线激光雷达与GNSS/INS的空间重构

为了解决多线激光雷达在三维空间重构任务中数据吞吐量过大导致运算负担过重以及扫描俯仰范围有限的问题,本文提出了一种利用单线激光雷达与惯性测量单元GNSS/INS相互结合的多站点扫描空间重构方案及相应解算方法。首先使用单线激光雷达扫描待测空间获取三维尺度信息,然后将点云数据与对应的任意方向的航向角相结合,再利用四元数姿态解算获取各站点扫描的点云图像。为提高计算效率,使用迭代最近点算法实现站点间点云配准时,对待匹配点云数据筛选并更新。实验结果表明在保留点云数字特征前提下,单线激光雷达与GNSS/INS系统能够提高76%的运算速率。本文提出的硬件方案和解算方法不但能够实现较高的配准精度,与多线激光雷达方案相比工程成本也得到显著下降。     

基于改进Renyi熵的运动目标图像提取仿真

运动目标图像提取有助于通过计算机视觉实现复杂变化背景下的图像细节分析,现有图像提取方法通常针对某一类图像作为研究对象,致使应用场合受到一定限制。针对运动目标图像的提取应用,提出了改进Renyi熵的运动目标图像提取方法。首先利用直方图对运动图像的YCbCr颜色概率进行估算,根据图像YCbCr颜色计算Renyi熵,然后设计相应的目标函数来确定阈值,并结合中值处理提高算法的抗噪声性能,最后对颜色的Y、Cb与Cr通道分割得到原始中心点,利用迭代处理更新中心点,并搜索出像素的边界阈值,从而实现运动目标图像的提取。通过仿真,分别从提取时间、计算熵值、以及目标图像识别率多个方面进行比较验证,证明了提出的改进Renyi熵的运动目标图像提取方法能够有效应对运动图像复杂多变的背景,提高了处理速度与提取准确度,具有较好的抗干扰能力。     

压电微定位平台建模及控制方法研究

压电陶瓷驱动器本身具有的迟滞特性给微纳操纵技术的发展带来了严重影响,为提高压电微定位平台的高精度轨迹跟踪控制,文章首先从PZT的电学特征及压电微定位平台的动力学特性两方面进行分析,建立了压电微定位平台的数学模型。基于传统PID控制算法,提出了一种自适应模糊PID控制算法,在该算法中充分运用模糊控制理论的方法对PID的3个参数进行在线自调整。实验结果表明,自适应模糊PID控制方法较传统PID控制降低了系统超调量,缩短了系统响应时间。     

基于MPLS的网络服务质量分析

本文针对软交换网络服务质量中的分组丢失问题,研究了控制和业务相分离的软交换网络的体系结构,讨论了电信网络的演进趋势。论文从IP技术的角度,分析了分组丢失的原因以及以分组为对象和以网络为对象的解决方案,重点讨论了多协议标签技术对服务质量的保证措施,利用该技术解决服务质量可以保证网络良好的可靠性和安全性,系统开销也会很小。     

基于改进YOLOv3的复杂场景车辆分类与跟踪

针对天气条件和车辆间相互遮挡对车辆分类与跟踪准确性和稳定性的影响,提出一种基于改进YOLOv3与匹配跟踪的混合模型。改进的YOLOv3网络参照密集连接卷积网络的设计思想,将网络中的残差层替换为密集卷积块并改变网络的设计结构,利用Softmax分类器将密集卷积块与卷积层中融合的特征进行分类。根据单帧图像的检测结果,设计目标匹配函数解决视频序列中车辆的跟踪问题。在KITTI数据集的测试中,改进算法的平均准确率为93.01%,帧率达到48.98帧/s,在自建的数据集中平均识别率为95.79%。试验结果表明,本研究方法在复杂场景中能够有效的区分车辆种类且准确性更高,车辆跟踪的算法具有较高准确性和鲁棒性。     

连续侧面泵浦Nd:YAG陶瓷激光器被动调Q研究

对比研究了808 nm激光二极管列阵侧面泵浦Nd∶YAG陶瓷与Nd∶YAG单晶激光器在连续和被动调Q运转下的激光输出特性。对于Nd∶YAG陶瓷激光器,在145 W泵浦功率,平平谐振腔20%输出耦合镜透过率时,获得最大44.28 W的1 064 nm连续激光输出,光-光转化效率和斜效率分别为30.5%和38.2%. 谐振腔中插入初始透过率87.89%的Cr⁴⁺∶YAG晶体作为被动调Q开关,在124 W泵浦功率下获得10.03 kHz重复频率,4.62 W平均功率,5.54 kW峰值功率的准连续激光输出。同样实验条件下利用相同尺寸和掺杂浓度的Nd∶YAG单晶进行对比,结果表明Nd∶YAG陶瓷在高功率泵浦下具有广阔的应用前景。     

基于自准直仪的测角传感器实时在位校准方法

提出了一种基于自准直仪的在位校准方法。基于圆周封闭原则和傅里叶级数的性质,建立了测量值与理想值之间的函数关系,利用理想刻线位置和实际刻线位置的偏差,获得了校准曲线,详细推导和分析了校准原理,搭建了校准测角系统,并进行了实验验证。实验结果表明,单读数头测角传感器原始测角误差为734.8″,校准后误差为2.4″,且校准效果优于常用的谐波补偿方法,校准系统的重复性优于0.13″。在位校准方法能够有效减小测角误差,且方法简单,校准效率高。     

基于BP神经网络的脑卒中患者分类方法研究

人工神经网络的应用逐渐广泛,已经发展到各个前沿领域,在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。文章通过对经过PCA算法降维预处理后的数据进行BP神经网络数据分类,比较和分析数据经BP神经网络、RBF神经网络、ANFIS神经网络后的分类误差。经实验分析,BP神经网络、RBF神经网络、ANFIS神经网络分类误差分别为0.000 5,971.935,0.025 3,传统BP神经网络更适合文章中所采集的脑卒中患者数据分类。