结合听觉掩蔽效应的时频自适应小波阈值增强

针对浊音、清音和噪声的不同特性,结合听觉掩蔽并使用随尺度变化的多阈值对语音信号进行处理.提出了多小波门限估计法,该方法针对不同声音成分,使用不同的与尺度有关的缩小因子调节门限值;通过估计各频带内的信噪比,实现了阈值的时频自适应变化;用巴克小波包分解法模拟人耳临界带特性,用小波谱减法对带噪语音进行预增强,采用Johnst...     

基于TMR-EHW的高可靠性电机控制系统

为提高恶劣环境中控制系统的可靠性,将三模块冗余（TMR）容错与演化硬件（EHW）自修复相结合,实现基于TMR—EHW结构的现场可编程门阵列电机控制系统。该系统利用TMR快速发现和定位故障,屏蔽出错模块并保持容错运行,利用EHW进行自修复,使出错模块恢复正常工作,系统可靠性得到提高。     

无线传感器网络中能量均衡可靠路由度量方法

针对无线传感器网络的资源限制以及对传输可靠性的特殊要求,提出一种能量均衡路由度量方法EBETX。以ETX值作为路由度量的同时,兼顾网络中节点能量消耗情况,保证网络各节点能量均衡消耗,延长网络的生存时间,实现高效路由与能量均衡的有效权衡。通过NS2仿真实验验证了该方法的可行性。     

无线传感器网络MAC协议的研究与分析

针对不同的传感器网络应用,研究人员从不同方面提出多个无线传感器网络介质访问控制（MAC）协议,其中包括S-MAC,PMAC,DEANA,EMACs,Z—MAC以及AIMRP等协议。通过分析各类MAC典型协议特点,归纳其设计原则和分类方法,比较各协议间的性能差异,结果证明无线传感器网络MAC协议呈现多样性的特点,设计MAC协议需要兼顾能量效能和网络性能2个方面。给出MAC协议的设计策略。     

基于DSP的高精度测频方法与软件设计

提出了一种基于数字信号处理器(DSP)的测频方法,用于光纤涡轮流量计转子叶片频率的测量.在简要分析了光纤涡轮流量计的工作原理的基础上,设计出了光纤涡轮流量计测量系统软件的硬件电路平台;阐述了利用事件管理器通用定时器实现高精度数据采集方法的设计与DSP实现;分析了高稳定性、实时性的FIR滤波算法与DSP实现;讨论了利用插值方法改进FFT算法实现高精度测频的DSP实现;利用通用定时器的比较操作来产生脉宽调制(PWM)波,实现TTL电平输出.     

高灵敏巨磁阻抗小型磁传感器研制

利用单辊快淬法制备了CoFeNiSiB非晶薄带,经过400 A/mm2电流密度、20 ms脉冲间隔条件下的脉冲退火后具有较好的弱磁场灵敏性能.以该带材为磁敏材料,基于纵向驱动方式研制了一种巨磁阻抗(GMI)磁传感器,该磁传感器尺寸小、灵敏度高、频率响应好,±0.05 mT弱磁场范围内灵敏度可达到44.15 V/mT,在高灵敏度小型磁传感器领域具有较大的应用潜力.     

应用于RFID的超低功耗CMOS温度传感器设计

针对融合射频识别( RFlD)的无线温度传感器节点设计的需求,采用0. 18μm 1P6M台积电CMOS工艺,设计了一种低功耗集成温度传感器.该温度传感器首先将温度信号转换为电压信号,然后通过经压控振荡器将电压信号转换为受温度控制的频率信号,再通过计数器,将频率信号转换为数字信号.传感器电路利用MOS管工作在亚阈值区,并采用动态阈值技术获得超低功耗.测试结果显示:所设计的温度传感器仅占用0. 051 mm2 ,功耗仅为101 nW,在0~100℃范围内误差为-1. 5~1. 2℃.     

损失数据线性参数系统的递推最小二乘辨识方法

针对损失数据线性参数系统的参数辨识问题, 借助辅助模型辨识思想推导出其变递推间隔辅助模型递 推最小二乘算法.为了提高该算法的计算效率, 利用分解技术得到变递推间隔分解递推最小二乘算法 估计系统参数.此外, 在变递推间隔分解递推最小二乘算法中引入遗忘因子, 从而提高参数估计精度和收敛速度.仿真结果表明, 所提出的算法能有效估计系统参数.     

融合深度与肤色特征的自适应手部跟踪算法

手部跟踪技术是实现自然人机交互的关键。针对现有跟踪方法易受光照、环境等影响及鲁棒性差的不足,提出一种融合深度与肤色特征的自适应手部跟踪算法。考虑手部运动过程的形变,该算法首先利用深度平滑连续性选取深度阈值以实现跟踪区域的自适应尺度变化,获得手部候选区域。在此基础上建立YCbCr空间肤色归一化直方图,在粒子滤波框架下将跟踪问题转换为贝叶斯估计问题,基于最大后验准则确定手部位置,并通过监测粒子重要性权值的方差解决跟踪失效问题,实现复杂观测环境下的鲁棒跟踪。实验结果表明,该跟踪算法可适应不同复杂环境,鲁棒性良好。     

WSN中基于压缩感知的高能效数据收集方案

可靠高效的数据收集是无线传感器网络（Wireless sensor networks,WSN）应用中的关键问题.然而,由于无线通信链路的高失效率、节点资源受限以及环境恶劣等原因,网络容易发生丢包问题,使得现有的数据收集方法无法同时满足高精度和低能耗的要求.为此,本文提出了一种基于压缩感知的高能效数据收集方案.该方案主要分为节点上的数据处理和数据收集路径优化两个步骤.首先设计了基于指数核函数的稀疏矩阵来对感知数据进行稀疏化处理,然后综合考虑了数据的传输能耗和可靠性等因素,采用分块矩阵的思路,将单位矩阵和准循环低密度奇偶校验（Low density parity check,LDPC）码的校验矩阵相结合构造了测量矩阵,并证明了它与稀疏矩阵之间满足限制等距性质（Restricted isometry property,RIP）.最后,将数据收集路径优化问题建模为哈密尔顿回路问题,并提出了基于树分解的路径优化算法进行求解.仿真结果表明,在网络存在丢包的情况下,本文方案仍然能够保证数据收集的高精确度,相比于其他数据收集方案而言,本文方案在数据重构误差和能耗方面的性能更优.