基于CC2530的ZigBee数据采集系统设计

为了使工业生产中的技术人员不用亲自去现场或者恶劣的环境就可以实时采集现场设备的数据信息及状态参数,结合ZigBee技术适用于数据采集系统的特点,首先在ZigBee技术的理论基础上介绍了数据采集系统采集数据的原理,然后详细讨论了基于CC2530芯片的数据采集节点的硬件设计方法及组网设计中的协调器建立网络、节点加入和脱离网络的软件设计方法,最后给出了该设计方案在LED路灯电压数据采集实验中的应用实例。实验结果表明这种设计方案不仅能有效地采集设备的各项数据,而且使系统的扩展、维护变得更加方便。     

手势数据驱动的头部运动合成方法

非手部手势是手语表达中不可缺少的一部分,头部运动的实现并与手势进行协同表达是其重要研究内容。对真人手语表演数据中的手势与头部动作之间的关系进行了深入研究,提取二者的动作特征,利用核典型相关分析方法(kernel canonical correlation analysis,KCCA)建立起手势与头部动作之间的预测关系模型。动画合成结果以及评价实验表明,KCCA方法能更好地刻画手势与头部动作的协调性,实现虚拟人行为动作合成的逼真性。     

一种基于前向散射雷达的车辆目标自动识别方法

研究了一种基于前向散射雷达的车辆目标自动识别方法:分析了前向散射雷达回波与目标速度、轮廓等目标特性之间的关系;提出了主瓣对齐的功率谱预处理方法,采用主成分分析方法分析了不同类别车辆的前向散射雷达功率谱的特性;提出了基于多元线性回归的目标特征提取方法,比较了K最近邻法和Bayes分类器对不同特征集的识别性能.实现结果表明,本文采用的特征提取方法显著改善了识别效果.     

多中继放大转发协作通信中的中继数量与位置的联合优化

本文研究了基于单用户下行遍历容量的多中继放大转发模型中中继数量与位置的联合优化问题.首先建立了单用户蜂窝中继小区协作通信模型,提出了位置-数量遍历容量.然后建立了问题优化模型,分析了位置-数量遍历容量与中继数量、中继节点位置的关系:位置-数量遍历容量随中继数量增大而增加;当中继数量给定时,位置-数量遍历容量随中继节点位置距离增大先增加后减少.最后提出了先依据容量随中继数量提升百分比的门限确定中继数量,再确定中继节点位置的方法.     

MIMO链路ad hoc网络传输调度算法

针对MIMO链路ad hoc网络中已有传输调度算法未充分利用MIMO空间复用能力的问题,提出了一种新的传输调度算法.该算法通过考虑MIMO的多流接收能力而有效地减小了调度帧长,通过合理安排节点分配顺序使得节点分配的数据流比较平均,同时,该算法通过允许节点发送多个数据流而高效利用了MIMO的空间复用能力.推导分析了传输调度算法的通过量和时延性能,结果表明,与已有算法相比,采用文中算法可以提高网络的通过量,减小网络的平均时延和最大时延.     

Device-physics-based analytical model for SET pulse in sub-100 nm bulk CMOS Process

Through revising the process of charge collection for reversed drain-bulk junction,a bias-dependent SPICE model is proposed which includes the bipolar amplification effect that cannot be ignored in PMOS.The model can capture the plateau effect,and produce current and voltage pulse shapes and widths that are consistent with TCAD simulation.Considering the case of connecting load,it is still valid.For combination and sequential logic circuits,the SET pulsewidths and LET upset threshold from SPICE model are consistent with TCAD simulations.     

一种基于数据竞争的高分辨率图像的聚类分割算法

近些年,机器人技术得到了迅猛的发展,应用越来越广泛.随着机器人技术的推广和普及,对机器人使用的要求也越来越高,其中对智能机器人的要求尤显迫切.机器视觉是智能机器人研究领域的一个重要研究方向.在机器人视觉系统中,核心问题是目标提取,对目标实时、准确、快速提取的关键技术是图像分割.由于机器人感知的环境的复杂性及目标的多样性,往往导致机器人感知获得的图像数据量较大且图像本身存在不可预知的复杂性,这就对准确的目标分割和提取处理提出了挑战性问题.本文针对高分辨率图像数据集的分割处理,提出一种新的聚类算法,即根据数据点能量和的大小识别类代表点和类成员点,通过数据点间的竞争识别出最有能力成为簇成员的数据点,并将其与mean shift聚类算法有效地结合应用于彩色图像分割问题中,能够快速高效地实现高分辨率图像的目标分割,并得到较好的图像分割效果.实验结果表明,本文算法在分割效果和分割效率上明显优于传统聚类算法.