排序方式: 共有45条查询结果,搜索用时 15 毫秒
1.
提出了一种无线人体互动控制系统的软硬件实现方法.该系统硬件部分包括人体红外传感器,无线射频模块,作为处理器的单片机,逻辑控制门等.该系统可作为互动控制的前端部分适用于需要检测人体是否存在的自动控制场合中. 相似文献
2.
编制背景
自然保护地是由各级政府依法划定或确认,对重要的自然生态系统、自然遗迹、自然景观及其所承载的自然资源生态功能和文化价值实施长期保护的陆域或海域.
中共中央办公厅、国务院办公厅印发的《关于建立以国家公园为主体的自然保护地体系的指导意见》明确指出:"自然保护地是生态建设的核心载体、中华民族的富贵财富、美丽中国的重要象征,在维护国家生态安全中居于首要地位."自然保护地无疑成为了我国最重要、最精华的自然生态空间,是最有价值的自然资源资产,同时成为了最亮丽的国家象征.加强自然保护地保护建设,对于维护国家生态安全、促进人与自然和谐共生和维持中华民族永续发展有着重大意义. 相似文献
3.
提出一种新的图像去噪方法,它是Besov空间的变分模型,在负实数次Sobolev空间上定义了数据项,用Besov半范数定义了正则项。并详细推导了变分模型在Besov空间的阈值求解公式,先做一个Contourlet变换域的小阈值收缩,然后再利用该模型去噪。去除噪声的同时也损失了部分边缘信息,把边缘分为四种情况,针对不同情况确定相应的边缘补偿方法。实验表明该模型具有良好的去噪效果。 相似文献
4.
建立了广义全变分(total variation,TV)模型,分析正则项在复原算法中的作用.分别从图像的平坦区域和边缘区域入手,在平坦区域图像各向同性扩散,在边缘区域则要满足各向异性扩散,从理论上对两种情形下的扩散做深入分析,推导出广义TV模型满足的一些条件,为了防止高噪声情形下复原模型失效以及克服方块效应,在正则项中引入了 Contourlet收缩,它是一种多分辨的、局域的、多方向的更稀疏的图像表示方法,正则项中引入的Contourlet收缩具有去噪和提取图像重要信息的作用,Contourlet收缩与广义TV正则化相结合,兼顾了图像的光滑性和边缘保持,特别是在图像严重模糊、噪声越多的情形下,更加体现了这种算法比改进的TV模型有效. 相似文献
5.
磁耦合谐振式无线电能传输中单发射机功率受限,接收端感应电压难以取得显著提升。可以采用多发射机电路模型,多个发射器同时将功率无线传输到单个接收器。其中发射端采用多线圈阵列模型,与单线圈接收机耦合“共振”传输能量,形成MISO(Multiple Input Single Output)系统。采用磁聚焦技术分析线圈电流组合对系统输出的影响,通过改进粒子群算法(IPSO)求解最优输入解,得到的磁场聚焦性能更好,能量分布更加集中。实验证明,模型可以有效提升接收增益,降低系统损耗。 相似文献
6.
单步多框检测器(Single Shot Multibox Detector,SSD)是一种优秀的目标检测模型,但是其对额外层的处理方式还需要进一步提升。因此,利用深度可分离卷积的思想设计新的深度可分离卷积模块改进模型中的额外层,采用紧邻特征图融合方法加强特征复用,综合设计了改进的目标检测模型(Modified SSD,MSSD)。该模型在VOC 2007和VOC 2012训练集上进行训练后,在VOC 2007测试集上进行测试。当输入尺寸为300×300时,它的平均精度均值(mean Average Precision,mAP)可达79.1%,相比原来的77.2%提高了1.9%,且检测速度可达55 f/s。同SSD的各类变体对比,MSSD的性能具有一定的优势,在速度和精度上取得了较好的平衡性。 相似文献
7.
8.
为了得到感知网络传输性能的理论关系式,针对重叠共享(US)方式下的多跳解码转发(DF)协作分集感知网络进行了性能分析,推导出在高信噪比条件下感知网络的中断概率近似表达式及其分集度.理论分析与仿真结果表明,在高信噪比条件下,虽然多跳DF协作分集感知系统不能获得空间分集增益,但随着跳数的增加,感知系统中断性能有所改善. 相似文献
9.
当前的图像融合方法存在运算数据量大和运算时间较长的弊端,为了改进这一不足,提出一种新算法.将图像经过Opencv降噪处理,去除冗余信息,再计算边缘能量(Energy of Edge,EOE),根据高低频信息特性选择融合规则,通过逆变换重构出融合后的图像.作为图像融合过程的第一步也是至关重要的一步,图像配准直接影响着最终融合图像的质量,因此通过Opencv对图像进行降噪处理会使得图像更加清晰,提高融合后的图像质量.仿真结果表明,与其他方法相对比,利用该算法融合出的图像在图像质量和运算时间方面都有所改进. 相似文献
10.
针对基于概率假设密度(probability hypothesis density,PHD)的非线性机动多目标跟踪精度低、滤波发散、目标数目估计不准确等问题,提出一种基于交互式多模型的稀疏高斯厄米特PHD算法.该算法在PHD滤波器下,采用稀疏高斯厄米特方法对目标进行状态预测和量测更新,构造一种稀疏高斯厄米特PHD滤波器;然后将交互式多模型算法融入稀疏高斯厄米特PHD滤波框架中,解决了目标机动过程中运动模式不确定的问题.仿真结果表明该算法能对机动多目标进行有效的跟踪,相比交互式多模型不敏卡尔曼PHD等滤波方法具有更高的状态估计精度,且目标数目估计更准确. 相似文献