一种基于偏微分方程的车辆加速度信号自适应降噪方法

提出一种针对MEMS加速度计信号的基于偏微分方程的自适应降噪方法,该方法不仅能有效克服由于传感器本身原因及车载环境振动噪声带来的影响,获得准确的加速度信号,而且实现容易、实时性好.通过对车辆加速度信号进行建模并叠加真实加速度噪声作为仿真信号,将该方法与选用db6小波基、heursure自适应阈值、4层分解的最佳小波进行降噪性能对比,证明在车辆正常行驶的加速度幅值下,该方法不仅能够取得和小波近似的降噪性能,而且很大程度上减少了运算时间.最后通过对实际车载加速度信号的降噪处理和倾角测量中的应用,再次证明该方法在滤除噪声的同时能够较好体现细节信息,很适合应用在对实时性和准确性要求高的实际工程中.     

使用混合人工鱼群算法求解装箱问题

装箱问题在实际生产中应用非常广泛,在分析该问题特点的基础上提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题,并给出了具体的算法步骤。跟遗传算法的对比试验结果表明该算法在求解装箱问题所得的结果优于遗传算法,具有良好的应用前景。     

一种改善无线TCP性能的链路层重传方案

提出一种提高无线环境中TCP性能的链路层选择性重传的改进方案mARQ.根据每个数据包在链路层被拆分成多个无线帧这一特点,对包中所有帧的重传次数之和进行限定,使其可以根据各帧的需求进行自适应分配.系统仿真表明:与传统方案相比,新设计方案mARQ在高误帧率的环境下以较低的误包率获得了较高的TCP吞吐量,提高了无线环境下TCP的性能.     

基于阈值分割的运矿车辆车牌精确定位

由于运矿车辆车牌图像质量低、车牌污染严重、环境复杂、识别率低等特殊情况,设计了一种基于灰度阈值分割的运矿车辆车牌的精确定位算法.它通过对粗定位车牌图像进行灰度阈值分割,得到估计车牌区域并进行区域标记,根据车牌所在连通区域面积最大这一特征,得到完整有效的车牌区域,结合车牌先验知识去掉其边框,从而得到车牌的精确定位结果.实验结果表明,该算法定位准确率高,耗时少,分割效果好,具有较强的实用价值,是对现有车牌识别技术有意义的扩展和补充.     

流动注射分析仪前置放大电路的设计

为了检测物质吸光度微弱信号,根据ICL7650芯片特点,研究了仪用放大器的设计原理,设计出一种微弱信号放大电路并详细阐述了其工作原理.经过multisim 8软件仿真,电路增益,幅频特性达到高稳定度设计要求.通过实际硬件电路长时间通电测试,电路信噪比满足高精度设计要求,△Av%<1%.将前置电路应用于流动注射分析仪,满足仪器高精度、高稳定度要求.     

震后灾情速报中信息获取传输解决方案

针对震后灾情速报领域,采用无线传感器网络技术,设计了智能图像采集传感器网络节点的系统结构,并提出一种基于图像配准的智能图像处理传输机制。这种方法减少了汇聚节点的计算复杂性和数据的传输数量,从而使灾情速报无线传感器网络系统达到效率高、可较长应用时间的目的。     

潜在属性空间树分类器

提出一种潜在属性空间树分类器(latent attribute space tree classifier,简称LAST)框架,通过将原属性空间变换到更容易分离数据或更符合决策树分类特点的潜在属性空间,突破传统决策树算法的决策面局限,改善树分类器的泛化性能.在LAST 框架下,提出了两种奇异值分解斜决策树(SVD (singular value decomposition) oblique decision tree,简称SODT)算法,通过对全局或局部数据进行奇异值分解,构建正交的潜在属性空间,然后在潜在属性空间内构建传统的单变量决策树或树节点,从而间接获得原空间内近似最优的斜决策树.SODT 算法既能够处理整体数据与局部数据分布相同或不同的数据集,又可以充分利用有标签和无标签数据的结构信息,分类结果不受样本随机重排的影响,而且时间复杂度还与单变量决策树算法相同.在复杂数据集上的实验结果表明,与传统的单变量决策树算法和其他斜决策树算法相比,SODT 算法的分类准确率更高,构建的决策树大小更稳定,整体分类性能更鲁棒,决策树构建时间与C4.5 算法相近,而远小于其他斜决策树算法.     

基于SOC的组合定位系统设计

针对传统的全球定位系统（GPS）存在定位盲区等缺点,设计了一种基于系统集成（SOC）的组合定位系统。系统通过采用GPS和数字指南针组合定位的方式实现了定位系统的实时连续定位;同时,通过通用分组无线业务（GPRS）以Internet的形式实现了定位终端和监控中心的实时通信。实验结果表明：该系统消除了定位盲区,并能够满足实时定位的需求。     

基于混合双种群差分进化的电力系统经济负荷分配

针对电力系统经济负荷分配本质上的非线性约束优化问题,提出一种双种群混合差分进化算法.采用两个种群且以较小的计算量实现目标函数的寻优并保持解的可行性,同时引入单纯型法来提高算法的局部搜索能力.基于典型算例对该算法的进化行为进行测试,并通过仿真和比较验证了所提出算法的有效性.     

基于近似高斯金字塔的视觉注意模型快速算法

利用输入图像的近似高斯金字塔,将经典的基于显著性的视觉注意模型改造为时空开销更小的版本,从而使其更加适合在嵌入式实时系统中实现.首先采用矩形窗口近似圆形窗口,矩形平均算子近似高斯卷积核;然后采用“先做行累加,再做列累加”的方法来实现矩形平均算子,并直接采样计算出各个特征通道的显著性分布图,该算法关于输入图像像素点个数具有线性时间复杂度;最后,还给出了在显著性分布图中抑制已提取区域显著性的快速算法.在Berkeley分割图像库上的实验结果表明,该方法极大地减小了系统实现的时空开销,且输出结果的误差在可接受范围内.提出的用矩形窗口近似圆形窗口,用矩形平均算子近似高斯卷积核的方法,还适用于其他需要在嵌入式实时系统中实现的图像处理问题.