基于邻域信息的红外与可见光图像互信息配准

基于互信息的配准方法以其自动化程度高和配准精度高的优点被广泛应用在图像配准中。文中针对红外与可见光图像配准中采用传统的互信息,仅考虑图像像素的灰度信息,而没有考虑图像像素之间空间信息的情况,提出了一种基于邻域信息的互信息配准算法。该算法充分利用图像像素之间的空间信息,在互信息计算中图像中每个像素的灰度值由其邻域像素的灰度值按照距离分配不同的权值共同得到。实验表明该算法使配准曲线更加光滑,配准过程中极值更易找出,提高了配准精度和抗噪能力。     

基于ARM和DSP的嵌入式ICE芯片扫描分析系统

集成毛细管电泳（ICE）芯片信号采集与处理系统的微型化、智能化是ICE芯片能否得到广泛应用的关键。针对传统的ICE芯片扫描分析系统结构复杂、处理速度慢、体积大等弱点,设计了一种基于DSP＋双口RAM＋ARM的嵌入式ICE芯片扫描分析系统。该系统将高速DSP与在通讯、网络和实时控制方面具有独特优势的ARM处理器,以及实时性好、接口电路简单、数据传输量大的双口RAM结合起来,为开发高性能、集成化、便携式的新型微小生化分离分析系统奠定了一定的技术基础。     

一种基于QFT的锅炉水位鲁棒控制及分析

在工业实际应用中,锅炉汽包水位在系统动态特性发生较大变化并且受到各种干扰因素影响时,模型的参数将发生变化,成为一个不确定系统.基于此种情况,本文应用定量反馈理论(QFT),提出了基于QFT的锅炉水位鲁棒控制方案,即内回路采用小积分常数比例积分控制器快速消除给水扰动,外回路应用QFT理论设计出主控制器并对主控制器的PID参数进行了整定,以保证水位无静态偏差,仿真结果表明,此种控制方法能够达到比较满意的效果.     

基于事件发布/订阅模式的协同感知框架

针对协同系统中感知问题.设计并实现了一个基于事件发布,订阅感知模式的协同感知框架.框架进一步规范了协同感知行为,增强了时感知行为的定义和控制,可为研制协同应用系统和扩展已有协同系统的感知功能提供帮助.框架设计的思想在对一个协同编辑系统的进行感知功能扩展应用中得到了验证.     

一种基于时隙ALOHA的RFID系统防碰撞算法

防碰撞算法是RFID系统中的关键技术.针对防碰撞算法中ALOHA算法的局限性,本文提出的一种改进的基于帧-时隙ALOHA法的防碰撞算法,通过限制响应标签的数量,降低了冲突发生的可能性,提高了标签的识别效率.通过一系列的仿真实验,证明了本文所提出算法的优越性.     

基于信息融合的分布式入侵检测系统

本文提出了一种快速检测、基于报警信息融合的关于教学网络的分布式入侵检测系统,并详细论述了该系统的探测器模块、信息预处理模块、信息融合模块和控制中心等各个环节的具体设计和实现.实验表明文中提出的信息过滤模块和信息关联模块对分布式入侵检测系统是十分有效的.     

基于点云空间分布特征的多级索引结构北大核心CSCD

为解决点云数据分布不规则、非均匀产生的查询效率低下的问题,提出了一种基于三维点云数据空间分布特征的多级索引结构。将点云空间信息引入传统八叉树,形成一种新的数据结构——方向八叉树,用于点云空间的全局划分。在每次划分空间之前,先对点云数据进行主成分分析,形成节点的方向包围盒,再进一步将空间划分为八个子空间。为了实现数据的快速调度与查询,在局部,使用KD树对方向八叉树的叶子节点进行二次组织构建。实验结果表明,方向八叉树能有效减少节点总数和冗余节点数量;方向八叉树和KD树的组合嵌套结构可以有效划分海量点云数据,实现点云数据的高效检索,对点云数据进行有效管理。     

一种基于双馈风机锁相环动态响应的风-火协同调频策略

针对风电机组参与系统频率调整与传统同步机电源相互配合的问题,通过合理设置双馈风电机组锁相环控制参数使其具有与传统同步机电源相似的惯量响应能力,进而分析风电机组惯量响应与同步机一次调频之间的相互影响,在此基础上提出风电机组主导的风-火协同调频控制策略。本策略的优点在于能减弱风电机组惯量响应过程中对于同步发电机组一次调频出力的抑制作用,加快同步发电机调频响应速率,进一步优化系统频率。最后在EMTDC/PSCAD中搭建时域仿真系统,验证了所提出理论分析的正确性与控制策略的有效性。     

基于智能软开关的三相不平衡配电网动态重构策略

针对单相分布式电源（DG）的接入会加剧配电网不平衡程度、增大网络损耗,且在严重不平衡时影响系统安全运行的问题,提出计及智能软开关（SOP）的三相不平衡配电网动态重构策略。首先,构建考虑SOP和DG电流不平衡度约束的三相不平衡配电网动态重构模型;然后,针对模型的非凸性将原模型转化为混合整数线性规划模型;最后,对改进的IEEE34节点配电网和某地78节点实际配电网进行算例分析,结果表明所提模型和策略可在保证配电网的安全运行的同时提升配电网的经济效益。     

基于双分支融合注意力机制的图像分割算法

针对DeepLabV3+在特征提取阶段忽略了不同尺度特征重要程度出现的部分细节信息损失导致图像分割不细致,提出一种融合双分支特征提取和注意力机制的改进算法. ResNet101骨干网络初步提取出的特征图作为注意力机制的输入特征,解决了网络退化及梯度消失的问题,也能够捕获到被DeepLabV3+忽略的图像细节信息;设计双分支特征提取机制扩大特征提取能力,细化图像边缘信息以优化网络对不同尺度特征关注不均的问题;同时,联合采用交叉熵损失和类别不平衡函数两种损失函数作为损失函数,通过聚焦于前景样本降低背景的影响,提高算法分割精度.实验结果表明,改进算法在PASCAL VOC 2012和CityScapes数据集上的平均交并比(MIoU)值分别达到了79.92%和68.59%,与经典算法和基于DeepLabV3+改进的算法相比,特征提取的准确性有所提高,分割效果更优.