基于数字补偿的我光源寻址并行检测电位图像传感器

本文介绍了一种能显著提高测量速度的光寻址电位传感器（LAPS）。用多个光源同时激发LAPS，每个光源都有用不同的调制频率，对产生的光电流进行分析就可以得到所有激发区域的表面电位分布图。本文提出的方法得到被测气体完整的电位响应分布图象，其速度比现有方法有很大提高。本文证明了该方法的可行性并给出了相应的实验结果。     

基于数字补偿的多光源寻址并行检验电位图像传感器

本文介绍了一种能显著提高测量速度的光寻址电位传感器(LAPS).用多个光源同时激发LAPS,每个光源都采用不同的调制频率,对产生的光电流进行分析就可以得到所有激发区域的表面电位分布图.本文提出的方法得到被测气体完整的电位响应分布图象,其速度比现有方法有很大提高.本文证明了该方法的可行性并给出了相应的实验结果.     

光寻址电位传感器特性的仿真分析

光寻址电位传感器（LAPS）在生物医学和环境监测领域有着广泛的应用。提出了金属／绝缘层／硅（MIS）结构LAPS的电路模型，并推导出数学模型。在此基础上，采用电路模拟方法仿真分析了影响LAPS特性的因素：硅掺杂浓度、绝缘层厚度以及光强等，仿真结果正确地反映了LAPS的实际特性。最后，提出了一种优化设计LAPS的新方案。     

数字射线成像中射线对面阵 CCD图像传感器影响的研究

目的 研究数字射线成像系统中X射线对CCD图像传感器及其系统成像质量的影响方式、特点以及图像质量的改善算法。方法 利用实验手段,对CCD图像传感器区域上的受摄像影响的像素数进行了统计,并对统计的结果进行了分析。结果与结论 在DR系统中,x射线对CCD产生的影响直接造成了图像上的单像素、高幅值的尖峰脉冲,针对这种噪声特点,文中介绍了两种滤波算法。     

序列图像中运动目标检测

提出动态背景下序列图像中的运动目标检测算法。利用像素邻域的各向同性对图像进行归一化,消除亮度变化等因素的影响;利用光流信息并结合小波变换由粗及精计算速度场来配准图像;用当前帧作参考图像,通过时域积分校正背景图像。当前帧与校正后背景图像作差得到差分图像。假设该差分图像中噪声分布为高斯分布,由高斯分布的3σ特性滤除差分图像中的噪声,则粗定位出目标;最后以聚类方法确定运动目标区域。分别对200帧可见光和200帧红外图像序列进行实验,检测率分别为95%和94%。     

轨道不平顺检测中数字补偿滤波器的设计及仿真

轨道不平顺是影响列车安全舒适的主要因素，轨检车可实时准确的检测出轨道不平顺状态；但车速的变化会使传感器信号发生畸变和衰减，使分析数据失真。为了消除车速的影响，分析了轨检系统中数字补偿滤波器的理论及设计方法，最后进行了CCS5000仿真验证。结果表明，数字补偿滤波器能够消除前端有用信号的衰减，且可达到较高的精度。     

基于磁导率检测技术的传感器设计研究

磁导率检测技术是一种依据磁导率的变化检测铁磁试件应力集中状态和疲劳损伤程度的无损检测方法,可实现对构件残余寿命的有效评价。依据磁导率检测原理,针对棒状待检构件设计研制一高灵敏检测传感器,考察检测线圈绕线直径、绕线线圈匝数、激励电压对最佳检测频率和检测分辨率的影响。研究发现,最佳激励频率随线径的增加而减少,信号分辨率随线径的增加而增加;绕线匝数与激励最佳频率无关,但与信号分辨率有关;激励电压对最佳频率的范围无影响,但对信号分辨力有影响。该研究结论对研制高灵敏度的磁导率检测仪具有重要意义。     

基于EDA技术的图像边缘检测协处理器的设计

在嵌入式图形系统处理领域,图像处理的速度问题一直是一个很难突破的设计瓶颈.文章在介绍一种全新的DSP CPLD图像处理系统工作原理的基础上,阐述了一个基于EDA技术的、用FPGA实现的800×600像素的图像边缘检测协处理器的设计,包括边缘检测算法选择、系统的FPGA实现设计和有关仿真结果等.该协处理器的像素处理方式采用全硬件并行及流水线技术,比单独采用单片机和DSP的系统,其处理速度分别提高了400倍和10倍,同时该系统集成在一块集成芯片上,体积小,功耗低,可靠性高,并可现场编程,在线升级.     

Maxim推出集环境光检测和红外接近检测于一体的光传感器

1月4日,Maxim推出数字式环境光和红外接近检测传感器MAX44000,模拟人眼的环境光检测。该款传感器采用该公司专有的BiCMOS技术设计,在微型、     

基于图像识别算法的图像传感器质量检测方法改善研究

针对图像传感器质量检测结果可信度低的问题，基于Laplacian算子图像识别技术，借助Matlab软件，建立图像识别模型，实现图像采集、图像边缘智能识别、图像特征信息智能提取与分析的功能。通过实验对比，证明改善后的检测方法能更准确地反映产品质量特性。     

基于数字锁相解复用的多通道近红外光并行检测技术

多波长光源照射下微弱光的准确检测是利用近红外漫射光进行人体疾病诊断时所面临的基本问题,而多光源并行检测是实现快速测量所要解决的关键问题之一.基于数字锁相的基本原理,提出了结合单光子计数技术和现场可编程门阵列(FPGA)平台的多通道数字锁相方案,不但可实现微弱光的准确检测,而且可实现多通道实时并行检测.基于此方案,搭建了多通道近红外光检测系统.实验结果表明,所搭建的检测系统对由仿体出射光的检测信噪比为24dB,同时对不同频率编码的光源具有很好的识别度,对不同调制幅度的测量误差小于9.13%.     

飞机座舱空气质量检测气压补偿方法

飞机座舱气压变化范围较大,对气体传感器产生较大影响,导致空气质量检测结果不准确,提出采用RBF神经网络进行气压补偿。首先设计试验系统;然后对HCHO、CO、CO2和NO2共4种典型的座舱空气质量检测气体传感器进行正负压试验,采集试验数据并绘制各气体的特征变化曲线;最后建立了以12个气压点和测量值为输入、期望值为输出的3层RBF神经网络模型,并对试验数据进行了误差修正补偿。结果表明:采用该RBF神经网络补偿算法,HCHO、CO、CO2、NO2气体传感器的最大相对误差分别由32.85%、28.42%、52.87%、87.18%降低到2.001%、3.668%、2.392%、12.68%,达到较好的补偿效果。     

数字图像的网点补偿方法研究

以数字灰度图像为例,依据所测代表性网点增大值采用Matlab编程方法,绘制网点增大曲线,然后采用求逆方法基于牛顿迭代法求取对应的网点补偿值,从而拟合出网点补偿曲线。最后通过该补偿曲线,基于阈值模版法采用Matlab编程方法直接对数字图像的每个像素进行修正处理,从而完成数字图像的网点补偿处理。结果表明,网点补偿图像的阶调得到拓展,亮度得到提升,层次更加柔和,因此更利于图像的高品质印刷输出。     

基于最小二乘法的数字图像网点补偿方法研究

目的网点大小在印刷传递过程中会不断发生变化,在数字图像中表现更为严重,为此研究控制网点扩大的方法以提高印刷品质量。方法测量喷墨打印机黑白模式下输出单色黑色靶的网点面积率,在Matlab软件平台下以最小二乘法为原理拟合实际与理想网点面积率获取网点扩大曲线,然后根据网点补偿原理推测本应输入网点值并得到网点补偿曲线,最后通过补偿曲线针对网点进行修正。结果通过测量补偿前后输出色靶,结果表明网点扩大得到了有效控制,补偿前平均网点面积扩大率为9.1%,补偿后平均网点面积扩大率为0.4%。结论观察修正后色靶,图像亮度明显提升,阶调再现性得到了提高,该方法可有效提高数字图像的输出质量。     

基于FLANN算法的速度传感器动态补偿

磁电式速度传感器由于自身工作原理,其固有频率下限值受到结构和体积的限制.应用于振动测试时常需对其工作频带进行补偿扩展,以使其能检测固有频率以下的速度信号.本文针对磁电式速度传感器,建立了其动态数学模型,给出了一种基于函数链人工神经网络(FLANN)算法的动态补偿策略.分析对比了采用传感器输入输出设计的FLANN算法补偿器与采用零极点配置法进行动态补偿的效果.结果表明,采用FLANN算法设计的补偿器具有更小的补偿误差,且有效扩展了速度传感器的使用频带,很好地满足了工程上超低频振动测量的要求.     

基于Laguerre函数的高压力非线性传感器补偿研究

针对高压力传感器线性化输出的结果不准确的现象,研究了具有针对性的Duffing非线性系统。用传感器的输出数据作为补偿器的输入,传感器的输入数据作为补偿器的输出,进行基于Laguerre函数的非线性动态补偿器的设计研究。该方法无需知道传感器的非线性阶数,对于外界干扰有较强的抑制作用,对于时延对象也具有一定的优势。利用该补偿器对传感器进行动态补偿,将补偿结果与阶跃响应输出进行对比,结果表明该非线性模型补偿的有效性。     

基于改进烟花算法的传感器动态特性补偿方法研究

为了提高传感器的动态测量精度,提出了一种基于改进烟花算法的动态补偿器设计方法。依据传感器输入输出的动态标定数据,运用改进后的烟花算法逆向建模获取动态补偿滤波器,以改善原传感器系统的动态性能。经仿真实验测试,验证了该方法的可行性。将方法应用于科氏质量流量计变送器的动态补偿测试。实验结果表明,基于改进烟花算法的动态补偿方法可以有效提高科氏质量流量计变送器的动态特性,动态响应时间减小了将近90%。     

基于曙光1000A的并行查询核心系统的设计与实现

根据曙光１０００Ａ的特点，提出了查询核心系统的设计方案；经过分析比较，选定了数据划分方法，确定了ＳＱＬ子集。在此基础上，研究了物理库设计、并行事务管理、查询优化器的设计和事务的调度方法，旨在为在曙光１０００Ａ上建造并行数据库系统奠定基础。     

基于BP神经网络的传感器非线性补偿

由于传感器本身的非线性特性以及传感器在测量过程中外界环境因素的影响,使得传感器的输入输出特性呈现出非线性.讨论了BP神经网络模型在传感器非线性补偿中的应用.给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行测量,其测量结果作为神经网络模型的输入,经过补偿后的传感器具有线性的输入输出关系.采用递推预报误差算法训练神经网络,具有收敛速度快、收敛精度高的特点.试验结果表明,应用神经网络对传感器的非线性进行动态补偿是一种行之有效的方法.