容栅传感器及其发展前景

容栅传感器是在变面积型电容传感器的基础上发展成的,是在光栅、磁栅、同步感应器之后出现的一种新型大位移传感器。本文介绍了容栅传感器的基本原理及存在的问题,综述了容栅传感器的研究历史、现状及应用前景。     

描述工程图纸扫描图象的单义域邻接图的构建方法

工程图纸扫描图象的编码是矢量化中一个重要问题。该文首先对二值图象作水平黑游程编码,建立游程部接图来表达图象,然后采用深度优先遍历邻接图,即相关游程基于宽度与拓扑的一致性组成条形域（图的一个路径）,分裂其中的多义域得到单义域（线段域和圆弧域）。图象的描述单元变为单义域,再继承游程的拓扑关系,建立单义域邻接图。单义域邻接图较好地描述了图象几何属性和拓扑关系。最后给出基于单义域邻接图的矢量化应用,效果也较好。     

松散覆盖层与岩体混合基坑土压力计算分析

在参考传统土压力计算理论的基础上,根据基坑下部泥岩的强度及变形,采用理论分析,提出了松散覆盖层与岩体构成的深基坑土压力的分析计算原理与方法;通过分层计算与简化计算对比分析,提出简化计算适用范围.     

3/2接线时保护用电流互感器配置方案探讨

对于3/2接线可能出现的电流互感器二次绕组内部故障,使断路器失灵保护存在动作死区而拒动,通过对3/2接线情况下的电流互感器配置进行分析,提供了电流互感器二次绕组的具体配置方案,作为设计参考。     

节点内无冗余图像合成方法

为了提高图像合成性能,提出一种基于GPU加速的节点内多GPU图像高效合成方法.首先通过判断帧缓存是否更新生成有效像素表,然后采用GPGPU计算生成有效像素合成索引列表,最后用其指导CPU端图像合成操作,从而完全避免了CPU端的冗余合成计算.理论分析表明,在理想负载平衡条件下,该方法的加速比为图像有效像素百分比与节点内GPU数量的比值.实验结果表明,在节点内配置4个GPU时,针对有效像素比为12％～76％的高分辨率图像,该方法比全图像合成方法的性能提高了3～5倍.     

一种自适应的运动目标实时跟踪算法

提出了一种基于均值平移（Mean Shift）和粒子滤波融合的自适应运动目标跟踪算法。该算法在处理来自PTZ (Pan/Tilt/Zoom）摄像机的视频图像时，自适应地更新直方图模板的特征信息，并结合Mean Shift算法来控制粒子滤波中粒子的产生，根据粒子的权值计算目标的位置。测试结果验证了该算法的实用性和有效性。     

基于背包和椭圆曲线的代理数字签名方案

结合椭圆曲线数字签名方案和变形的背包问题,提出了一种改进的椭圆曲线数字签名方案.方案的安全性建立在椭圆曲线离散对数问题和变形的背包问题的难解性上.通过引入变形的背包问题,新方案一的安全性进一步提高.在此基础上,将方案拓展为代理数字签名方案.现有的代理签名方案都是基于离散对数问题或大数因子分解问题的难解性,新方案二满足了代理数字签名的安全性要求,具有更强的抗攻击性和更高的实用性.     

基于FPGA的数字信号显示系统软硬件设计

该文阐述了现场可编程逻辑器件FPGA的主要特点．应用FPGA芯片和VHDL硬件描述语言设计的模拟示波器数字信号显示系统的设计原理和设计方法。     

YCbCr空间分治的双分支低照度图像增强网络

目的 现有的低照度图像增强算法通常在RGB颜色空间采用先增强后去噪的方式提升对比度并抑制噪声,由于亮度失真和噪声在RGB颜色空间存在复杂的耦合关系,往往导致增强结果不理想。先增强后去噪的方式也放大了原本隐藏在黑暗中的噪声,使去噪变得困难。为有效处理亮度失真并抑制噪声,提出了一个基于YCbCr颜色空间的双分支低照度图像增强网络,以获得正常亮度和具有低噪声水平的增强图像。方法 由于YCbCr颜色空间可以分离亮度信息与色度信息,实现亮度失真和噪声的解耦,首先将低照度图像由RGB颜色空间变换至YCbCr颜色空间,然后设计一个双分支增强网络,该网络包含亮度增强模块和噪声去除模块,分别对亮度信息和色度信息进行对比度增强和噪声去除,最后使用亮度监督模块和色度监督模块强化亮度增强模块和噪声去除模块的功能,确保有效地提升对比度和去除噪声。结果 在多个公开可用的低照度图像增强数据集上测试本文方法的有效性,对比经典的低照度图像增强算法,本文方法生成的增强图像细节更加丰富、颜色更加真实,并且含有更少噪声,在LOL（low-light dataset）数据集上,相比经典的KinD++（kindling the darkness）,峰值信噪比（peak signal-to-noise ratio,PSNR）提高了3.09 dB,相比URetinex（Retinex-based deep unfolding network）,PSNR提高了2.74 dB。结论 本文提出的空间解耦方法能够有效地分离亮度失真与噪声,设计的双分支网络分别用于增强亮度和去除噪声,能够有效地解决低照度图像中亮度与噪声的复杂耦合问题,获取低噪声水平的亮度增强图像。     

基于人体行为识别的VR环境下动作分割算法北大核心CSCD

在虚拟现实环节中的培训类、操作类的系统中,对于动作的标准性、规范性评价已经成为一个日益突出的问题。将培训师进行培训过程的标准动作分割是非常重要和关键的一环,分割的精确与否直接影响后续的培训评价。文中提出了一种基于多维状态云模型预测的方法,首先采用卷积神经网络对操作动作的多传感器数据集进行模型训练预测得到下一时刻的动作多个结果形成多结果数据集;然后对预测的多结果数据集设计多维云模型;最后通过实际动作在云模型中的分布得到对应概率进行动作分割点判定。结果表明基于卷积神经网络的多维云模型的动作分割方法能够比较好地选取分割点,提高动作的划分精度,能够用于虚拟现实环境中的连续动作分割。