基于相关熵的多视角彩色点云配准

针对双视角彩色点云配准问题,提出了基于相关熵的彩色点云配准算法,以增强传统配准方法的鲁棒性、提高配准精度.该算法在迭代最近点算法的基础上,利用HSV颜色空间的色调,结合传统三维空间坐标构成四维空间辅助配准,同时,引入相关熵以减小离群值和噪声对配准造成的影响,从而达到更精确的配准效果.完成双视角配准后,将该算法所计算的变...     

基于免疫算法的移动机器人路径规划系统

从生物学免疫的角度出发,介绍了一个基于免疫算法的移动机器人路经规划系统。该系统能够通过学习来获取规则,优化规则,且有很强的空间搜索、自适应和自学习能力．能够较快地产生适应所处环境空间的路径规划方塞。     

基于RTP/RTCP的VoIP智能切换技术的实现方法研究

为满足通信接入需求的多样性,接入网络的异构融合将成为下一代网络的必然趋势。为了解决由于异构网络和终端性能的不稳定及用户需求的实时变化而导致的通话连续性差的问题,提出了一种面向用户的基于RTP/RTCP的VoIP系统智能切换技术。通过对RTP/RTCP协议的应用扩展,系统实时检测VoIP会话的端到端网络的QoS性能,并对终端和网络性能、用户信息进行采集,从而使系统可根据用户所需的业务性能需求、所处的网络环境、终端性能、用户偏好等,智能地将用户切换到最佳的可用网络和终端,以满足服务连续性与接入方式多样性的需求。     

基于Hermite的SAR卫星轨道插值干涉测量应用研究

合成孔径雷达(Synthetic aperture radar, SAR)卫星轨道参数是干涉测量技术中影像配准、基线估算、平地相位去除等环节的重要参数,但部分SAR卫星轨道参数采样间隔较大,导致干涉测量过程中产生残余相位,发生较大的系统误差;利用MTALAB编程工具,对卫星原始轨道状态矢量进行了埃尔米特插值法拟合,等距插值计算后,发现可以缩小轨道参数采样间隔,提高干涉测量精度;以覆盖巴姆地区的Envisat卫星为例,分别获取了基于粗轨、埃尔米特插值轨道参数和代尔夫特精密轨道参数得到的干涉测量图,定性判断出埃尔米特插值法可有效提高SAR卫星轨道精度;再以覆盖陕西地区的AOLS卫星为例,插值轨道矢量采样间隔分别为10秒、5秒、2秒,发现间隔为5秒时相干性最优;结果表明：采用埃尔米特插值法可有效增加SAR卫星轨道状态矢量数量,消除系统误差,提高干涉测量精度。     

基于Qt和Ogre3D的机器人学坐标变换虚拟实验室

为满足机器人学学习过程中的实验需求,描述了一个基于Qt和Ogre3D机器人学坐标变换虚拟实验室的设计和使用。本虚拟实验室重点描述机器人学的坐标变换,在虚拟实验中通过实验来表明欧拉角,RPY角,转轴/角度,单位四元数和齐次变换矩阵的关系,并且使用虚拟手段阐述了DH矩阵的空间意义,通过数值计算和虚拟显示详细地解释这些概念的意义。本文描述了这些虚拟实验的使用方法。为了判断此虚拟实验室的有效性,设计了一个教学实验,实验的结果表明虚拟实验可使教学过程更加合理,且表明虚拟实验室在未来机器人学教学中将会扮演重要的角色。     

浅谈如何提高高职计算机专业学生的实践能力

随着计算机、电子商务、网络技术的迅猛发展,各行各业普遍使用计算机作为办公的必备工具,社会需要大量的计算机应用、维护和网络应用人才.同时各行业广泛使用图文编排、视频处理编辑,对计算机多媒体制作人才的需求也在不断增加.从计算机人才市场需求来看,学习计算机机知识、掌握计算机操作、运用计算机工具已经成为社会要求的一项基本技能.本文针对如何提高高职计算机专业学生实践动手能力进行探讨.     

改进的粒子群算法在电力系统AGC中的应用

针对自动发电控制(AGC)中的负荷频率控制(LFC),对粒子群算法的计算过程进行了改进,提出了一种能有效的协调粒子群算法的优化精度和优化速度的方法,即动态改变粒子数目。该方法基于粒子群算法对于粒子数目的相对不敏感,可以在不影响精度的前提下大幅度提高优化速度,节约计算时间,适应予优化对象较复杂的情况。并针对单区域和两区域互联电力系统的不同指标要求,给出了用改进的粒子群优化算法优化PI控制器参数的方法,分别进行优化设计。仿真结果显示,其性能明显优于遗传算法优化的PI控制器。     

高质量通信信号时频图处理及应用

针对信号监测工作中信号时频图清晰显示重要性的问题,首先介绍了信号时频特征获取,之后进行信号时频图显示处理,利用基于灰度变换图像对比度增强、图像渐变平滑处理、图像的锐化处理的数字图像处理相关算法对信号时频图进行显示处理,并成功的在实践工程中进行了运用,解决了信号时频特征在时频域直观显示的问题,从而能够在时频域上表示出信号...     

基于RS的BP-HMM在网络入侵检测中的应用

提出了基于RS的BP-HMM模型的网络入侵检测方法,并给出了模型的训练和识别方法.由于简单的使用HMM建立的分类器不能兼顾每个模型对其对应目标有很强的识别能力和模型之间差异性的最大化.因此将基于RS的BP神经网络集成到HMM框架中,提高了系统的分类识别能力.