基于FPGA的图像滤波算法实现

本文在研究图像中值滤波算法的基础上，设计了基于FPGA的图像中值滤波器，并以丝杠零件为例验证了该方法的可行性。     

基于FPGA的中值滤波算法的实现

中值滤波算法是一种非线性得数字滤波算法,广泛的应用在图像处理中边缘检测算法的预处理中,经常用于去除数字图像信号中的噪声干扰。为了达到数字图像处理的快速性与实时性,本文将中值滤波算法在FPGA上实现。本文选取Xlinx公司的Artix系列FPGA作为主控芯片,软件开发平台为Vivado,使用开发语言为Verilog HDL,最后用Modelsim对实现的算法进行仿真,并将最终结果与Matlab处理结果进行对比验证。在算法实现中,采用流水线处理和并行运算结构,选用中值滤波模板大小为3×3,经过实验验证和对比,在FPGA上实现的中值滤波算法在速度和实时方面取得了预期的效果,可进一步应用于图像的边缘检测算法中。     

基于改进CORDIC算法实现高速直接数字频率合成器

设计实现了一种高速直接数字频率合成器。利用混合CORDIC算法的思想,用混合角度集代替传统正切角度集,并讨论了在二进制格式下的中间值,采用改进的混合差分CORDIC算法实现了相位幅度的转换。在确保算法的迭代精度和收敛区间的前提下,避免了传统算法中旋转方向依赖于上一次迭代的现象,提高了数据的吞吐量;同时消除了常用冗余算法引进额外电路的情况。分析了采用CORDIC算法所带来的误差,综合考虑精度和电路复杂度,确定字长和迭代次数获得14位的输出有效位。经0.18μm6M2P CMOS工艺流片,在1GHz的工作频率下,输出信号在98.6MHz处,SFDR为68.39dB,整个芯片面积为4.19mm×3.17mm。     

基于BP神经网络的Kalman滤波算法的改进

针对传统的Kalman滤波算法在机动较强的目标跟踪中误差变大甚至发散的缺点,考虑到BP神经网络具有较强的非线性逼近能力,提出了用BP神经网络辅助Kalman滤波的新算法,仿真表明该算法优于传统的Kalman滤波算法.     

基于改进粒子滤波算法的人眼跟踪方法

针对粒子滤波计算量大、粒子匮乏等问题,提出了2种策略来改进粒子滤波算法,一方面基于Galerkin投影法产生良好的粒子滤波参考分布函数;另一方面将BP神经网络引入粒子滤波,提出了一种提高粒子多样性的重采样策略。在此基础上,将改进的粒子滤波算法应用于人眼跟踪问题,运用颜色和纹理复合的观测模型,实现了人眼的准确跟踪。实验结果表明,改进算法有效提高了粒子滤波的估计精度和运算速度,避免了粒子退化和样本匮乏现象。     

基于分数延时滤波的时域平均改进算法

为减小非整周期采样引入的截断误差对时域平均分析精度的影响,提出一种基于分数延时滤波的时域平均改进算法。在分析现有时域平均方法不足及分数延时滤波特性的基础上,方法利用现有的信号截断改进方法避免了截断误差累积并获得截断信号的延时因子,结合分数延时滤波实现对截断信号的重构与重采样,最后对各截断信号进行叠加后求算术平均。理论分析与实验结果表明:方法充分利用了分数延时滤波在改变延时因子方面的优势,明显减小了非整周期采样时信号截断误差,能有效提高无时标时域平均的分析精度。     

基于改进蚁群算法的移动机器人最优路径规划

针对传统蚁群算法用于移动机器人路径规划时存在初期盲目性搜索、收敛速度慢及转弯次数多等问题,提出了一种改进蚁群算法.该算法将栅格法建立的环境模型划分为3种不同搜索区域,运用数学模型按距离比值方法对初始信息素差异化分配,避免蚂蚁前期盲目性搜索;基于可选孙节点个数的区域安全信息和转角启发信息选择下一子节点,并构造目标性启发函...     

基于数据库存储的最优路径查询算法改进

在导航系统中,采用传统方式进行数据的存储,已不能完全满足不同用户的不同需要了,故针对实际需求,确定采用关系数据库存储信息,提高了信息量,为系统功能的扩充提供了条件,并能为用户提供人性化的服务.而最优路径的查询是导航系统的重要功能,分析了经典的Dijkstra算法,在此基础上提出了一种改进的查询算法,可提高查询效率.     

基于ERP系统实现固定资产投资最优的算法

固定资产投资在现代企业中占有很大的比重,如何实现固定资产投资收益的最大化是企业所关心的重要问题。本文介绍了一种利用ERP系统进行的固定资产投资收益最大化的算法。     

数字PID控制及其改进算法的应用

对PID控制的比例、积分和微分控制的物理意义进行了深入的阐述。结合一个具体的二阶系统(转台)的应用,阐述了各种PID控制算法的优缺点和适用性。根据实际的被控对象,逐步考虑了被控对象的三种不同的数学模型:理想的、带死区的和带死区且有量测噪声的。最后给出了指导性更加明确的PID参数工程整定的一般步骤。     

基于改进联邦滤波算法的组合导航系统的应用

针对组合导航系统中联邦滤波信息融合算法在滤波精度和容错性能等方面存在的不足,提出了一种基于以捷联惯导系统(SINS)为公共主系统,全球定位系统(GPS)和多普勒测速系统(DVL)为辅助子系统的改进联邦滤波算法的组合导航系统。介绍了卡尔曼滤波原理与信息融合算法的特点,基于联邦滤波器的组合形式详细阐述了联邦滤波器设计步骤,将改进量测噪声协方差阵的自适应联邦滤波器应用到SINS/GPS/DVL组合导航系统中,并对此系统进行了MATLAB仿真。仿真结果表明,相较于标准联邦滤波器算法,该文设计的基于改进量测噪声协方差阵的自适应联邦滤波器能明显提高组合导航系统的滤波精度和可靠性。     

基于Camshift和Kalman滤波结合的改进多目标跟踪算法

Camshift算法具有很好的实时性,但是存在遇到大面积与目标颜色相近的背景干扰、目标被严重遮挡时跟踪失效,只能对单目标进行跟踪等问题。针对这些问题,提出了Camshift结合Kalman滤波的改进算法,采用改进算法的跟踪器对每个检测出来的目标进行分别跟踪,从而实现多目标跟踪。实验表明本文提出的改进算法能有效地克服以上问题,并且能达到实时性要求。     

基于判断脉冲噪声的中值滤波改进算法研究

为提高图像去噪效果,在分析了中值滤波算法及判断脉冲噪声中值滤波算法基础上,对算法进行了门限选择及噪声误判的改进,改进后的算法增强了单线元素边缘的检测能力。通过仿真结果,可以看出对图像的去噪效果有一定的提高,信噪比也有所提高。     

基于改进蚁群算法的PID参数优化

一般传统PID控制器参数优化都采用Ziegler-Nichols法,由于其无法获得满意的动态指标,因此本文提出一种基于改进蚁群算法的PID控制器参数优化方法。蚁群算法是一种仿生进化算法,其采用分布计算机制,具有较强鲁棒性。本文提出的改进蚁群算法,可自适应调整路经上的信息素,并将各路径上的信息素强度限制在某个区域内,以避免搜索停滞。仿真实验表明该方案可行。     

基于Gauss滤波和Hilbert变换的模态参数辨识算法

通过Gauss滤波和Hilbert变换相结合的方法,对柔性结构的模态参数进行了辨识。仿真计算结果表明,该方法可以十分有效地辨识出结构的相近模态参数,并具有较好的抗噪声性能。应用该方法,完成了空间柔性桁架结构的模态参数辨识,得到了比传统处理方法更接近理论计算结果的结构模态参数,能够有效地避免柔性结构参数辨识中的漏频现象,并具有高的辨识精度。     

改进MFM最优编码在普通盒式录音机上实现数字磁记录

本文介绍对公认的MFM最优数字磁记录编码作进一步改进(称“SPMFM”),并用单片微处机软件编程实现智能编/译码算法,使普通录音机芯成为数据采集系统的外存,一盒普通盒式磁带可贮存信息达24M字节。其主要用来长时间记录变化缓慢的信号,如人体24小时活动中的生理信号,利用单片机的内存缓冲技术压缩磁记录时间在30分钟以内。此外采用单片机控制,使硬件电路最简单,调试、修改软件化、自适应化。     

基于改进强跟踪滤波的室内RSSI自适应估计算法

针对室内无线接收信号强度指示(RSSI)难以快速准确估计的问题,提出了一种基于改进强跟踪滤波的室内RSSI自适应估计算法。该算法采用强跟踪滤波(STF)自适应跟踪RSSI阶跃变化,克服传统RSSI状态空间模型中未建模状态的不确定性。利用高斯分布数据的采样过程,分析STF算法跟踪系统未建模不确定状态的可靠性和有效性,确定强跟踪滤波弱化因子,并融合滑动平均滤波算法,提高RSSI的自适应估计能力。通过与传统的RSSI估计方法对比验证实验,结果表明所提算法能够准确估计室内RSSI,且收敛速度更快。     

基于改进联合滤波与CNN模型的仪表识别算法

在工业现场的复杂环境场景下,针对数字式仪表的拍摄噪声和光照不均匀等约束条件,提出了一种基于改进的联合滤波与卷积神经网络（Convolutional Neural Networks, CNN）检测模型的数字式仪表识别算法。通过引入CNN检测模型来快速检测仪表表盘位置。对于定位后的表盘图像,引入噪声捕获算法,对疑似噪声点进行标注,针对性的处理噪声,细化滤波处理的颗粒度,避免了滤波阈值选择。同时针对光照不均匀现象,提出一种改进型的单参数同态滤波器,与所设计的急速滤波器做到自适应联合滤波,减少了参数调节量,大幅度缩短运算时间。实验结果表明,该方法能够在多场景下准确地识别数字式游标卡尺中的字符。     

基于改进萤火虫算法的机械臂时间最优轨迹规划

以国产某型号六轴工业机器人为研究对象,针对六轴机器人关节空间的轨迹规划问题,提出了一种基于改进萤火虫算法的时间最优3-5-3多项式插值轨迹规划算法.首先,由给定的机器人末端路径点求逆运动学得到关节空间下的路径插值点.然后,在速度约束条件下,利用萤火虫算法对插值结果进行优化,使得机器人具有最优运行时间.通过与传统萤火虫算法对比,改进后算法的收敛速度和精度都有明显改善.最后,应用MATLAB软件仿真出机械臂运动位置、速度、加速度曲线,并用实体机器人验证.结果表明,该方法使得机械臂具有更短的运行时间,稳定性更高.     

基于改进粒子群算法的机器人时间最优轨迹规划

针对六自由度工业机器人在考虑运动学约束条件下,使用传统粒子群算法进行时间优化易陷入局部最优的问题,结合免疫算法与模拟退火算法,提出一种混合免疫粒子群算法（HIPSO）进行时间最优轨迹规划求解。为提升粒子群跳出局部最优的能力,算法结合模拟退火算法使得粒子保持一定概率突跳的能力,并引入免疫算法的浓度机制保留高适应度低浓度粒子,在加快收敛速度保持种群多样性的同时能跳出局部最优达到全局最优。以PUMA560机器人为对象进行仿真,结果表明HIPSO算法能够使机器人在运动过程中速度、加速度连续无突变,相较常规粒子群算法时间缩短约15%,验证了算法的可行性和有效性。