带有温度补偿的超声波测距仪的设计

距离是在不同场合和控制中经常需要检测的一个参数,人们一直都在研究和探讨实现距离测量的最佳方法;介绍了一个基于STC89C52单片机的超声波测距系统,该系统包括超声波发射电路、接收电路、温度补偿电路、显示电路和相应的软件,通过硬件设计和软件编程来实现测距的功能;与传统的测距方法相比,该系统设计了温度补偿电路,从而消除了环境温度对声速的影响,试验和误差分析显示其最大量程为6m,误差被限制在允许的范围内;实际应用结果表明,该测距系统运行稳定可靠,测量精度高,所以,所用的技术和方法具有一定的实用性和推广价值。     

基于嵌入式S3C44BOX家用抄表智能系统的设计

介绍基于嵌入式S344BOX设计家用三表智能抄表系统的思路,对系统构成图和硬件模块作了简捷的描述.     

雷达信号处理器远程监控设计与实现

针对传统的雷达信号处理器通过串口实现参数控制的方式的缺点,本文提出了一种基于SOC的以太网高速数据传输方法,主要利用FPGA内部逻辑资源搭建嵌入式系统,移植实时操作系统和网络协议,实现对雷达发射脉冲信号的控制与监控。整个系统在Xilinx的ML507评估板上实现并通过验证,实验结果满足设计要求。     

一种定量皮带秤在复合肥配料中的应用

针对现有皮带式定量给料机的承载器多采用单托辊或多托辊称量台型式,其计量性能受皮带跑偏、皮带张力、皮带刚度及皮带粘料等因素的影响的问题;介绍了一种输送机式承载器定量皮带秤的工作原理及主要结构技术特点。基于动静码实物校准技术,采用静态砝码标定为基准称量物料重量值与其动态称量值比对修正其量程校准系数,实现在线实物校准,消除了以上因素对称重计量影响,确保定量皮带秤称量准确度及长期稳定性,在现场应用中取得了良好的实用效果。     

基于图像处理技术的纸张功能信息数字化研究

围绕纸张功能信息数字化的图像呈现问题展开研究,采用图像处理技术,分别从数字图像的获取、傅里叶变换、离散余弦变换、哈达玛变换、Radon变换、小波变换等方面进行分析探讨,研究不同的图像变换方式在纸张功能信息图像处理中的特点。研究表明,各种图像变换方式在图像处理中的应用各有不同,在纸张功能信息数字化的应用中发挥各自的转换优势。     

基于多尺度特征融合注意力机制的纸病分类方法研究

针对造纸工业中传统纸病分类算法准确率低的问题,本课题提出一种多尺度图像增强结合注意力机制的方法;采用锐化滤波器和对比度增强操作获得图像对直线信息的响应,同时利用Sobel边缘检测获取图像对边缘信息的响应,然后将这些响应分别放进卷积神经网络(CNN)中提取浅层局部信息后进行特征融合,得到全局信息,最后利用注意力机制,通过关注这些图像中最有特点的部分,进行纸病分类。实验表明,该方法优于HOG+SVM、LBP+SVM以及传统CNN等方法,在自建数据集上,分类准确率可达到96.63%;与现有基于CNN的纸病分类算法相比,所需的数据量更少,分类效果更好。     

基于改进YOLOv5的纸病检测方法

针对传统纸病检测算法中纸病特征提取困难、实时性差的问题,提出一种改进YOLOv5的纸病检测方法。该方法首先在批量归一化模块的首尾部分添加居中和缩放校准,形成更稳定的纸病有效特征分布;其次在骨干网络中添加坐标注意力机制,增强骨干网络的纸病特征提取能力;最后选用 CIoU_loss作为边界框回归的损失函数,实现高精度的定位。实验结果表明,改进后的算法平均精度达99.02%,实时检测速度达41.58 帧/s,相较于现有的基于CNN纸病分类算法,检测精度与检测速度都有较大的提升,且改进后的算法对光源的依赖程度更低,能对各类纸病实现精准辨识。     

造纸工厂的电压暂降治理技术研究

针对造纸工厂中的电压暂降问题,结合治理需求,以动态电压恢复器为切入点,围绕改进型比例谐振复合控制策略展开研究。通过Matlab/Simulink平台进行仿真实验,研究电压暂降治理技术,实现对造纸工厂电压暂降的有效补偿。本课题设计的动态电压恢复器从电网侧获取能量而无需额外的储能装置,控制分裂电容三相桥式逆变器分相输出补偿电压,治理包括三相不平衡在内的多种电压暂降故障。     

复杂环境下基于自适应深度神经网络的鲁棒语音识别

在连续语音识别系统中,针对复杂环境(包括说话人及环境噪声的多变性)造成训练数据与测试数据不匹配导致语音识别率低下的问题,提出一种基于自适应深度神经网络的语音识别算法。结合改进正则化自适应准则及特征空间的自适应深度神经网络提高数据匹配度;采用融合说话人身份向量i-vector及噪声感知训练克服说话人及环境噪声变化导致的问题,并改进传统深度神经网络输出层的分类函数,以保证类内紧凑、类间分离的特性。通过在TIMIT英文语音数据集和微软中文语音数据集上叠加多种背景噪声进行测试,实验结果表明,相较于目前流行的GMM-HMM和传统DNN语音声学模型,所提算法的识别词错误率分别下降了5.151%和3.113%,在一定程度上提升了模型的泛化性能和鲁棒性。     

基于GPU的雷达成像加权相位自聚焦技术

为了提升雷达成像加权相位自聚焦技术在嵌入式系统中的运算性能,本文提出基于GPU的雷达成像加权相位自聚焦技术。通过利用GPU的通用并行计算架构对雷达成像相位自聚焦技术进行多孔径粗并行与子孔径内部细并行相结合,取得良好的相位误差估计性能同时实现了并行化性能加速。该技术为雷达成像技术在GPU嵌入式系统中的应用奠定了基础。