相干视频地杂波模拟的通用仿真模型

针对相干视频地杂波模拟中非高斯相关随机序列的产生,提出一种通用的仿真模型。使用迭代算法和随机向量法完成零记忆非线性变换过程,迭代算法用来计算非线性变换过程中高斯序列相关性的变化,而随机向量法用来完成线性变换,仿真实验数据证明利用这两种方法可精确地产生具有指定概率密度和功率谱的非高斯相关随机序列,逼真地复现既包含振幅又包含相位的雷达相干视频散射信号。同时给出了迭代算法使用过程中的注意问题及地杂波模型仿真的过程。     

一种从图像中检测多种圆的新方法

文中从实际工程需要出发,结合随机采样一致性原理,将每一个数据点描述为适合该点首选的假定模型的倾向集集合,再基于倾向集之间的Jaccard距离,采用一种经过改良的密集聚类方法,聚集属于同一种模型的数据点．这种方法既不要求事先指定模型数目,也不需要进行参数调试．实验表明,该算法检测效果明显,精确度较高．     

5kW光伏并网发电系统及其仿真研究

随着新能源发电的迅速发展,越来越多的可再生能源被转化为电能并通过并网逆变器输送到电网。利用MATLAB仿真工具箱建立了由光伏阵列输出、Boost升压电路、逆变器、控制器、电网等组成的5 kW光伏并网发电系统的仿真模型,研究了光伏并网系统的特性。采用变结构模糊PID控制器实现5 kW光伏发电系统的MPPT;采样电网电压作为逆变器电流的参考信号,利用滞环比较法控制逆变器,实现系统输出电流与电网电压同频同相,功率因素近似为1。仿真结果表明,系统较好地实现了光伏发电系统的MPPT及安全并网,对实际光伏并网系统的设计有参考意义。     

基于OpenGL的台球游戏的设计与实现

小型网络游戏一般指开发规模较小的休闲类网游,随着用户人数的不断增多,对休闲类网游技术的研究也逐渐成为计算机领域的热门方向。文中首先介绍了3D图形学中的三维图形处理的方法并结合OpenGL的相关功能阐述3D图形学的一些技术。然后在此基础上以台球游戏为例,完成游戏的相关内容的设计与实现,包括物理设计和画面设计。     

基于声波衰减的六氟化硫浓度无线传感器

基于声波在气体中传播时的声波衰减原理,提出了无需参比通道的单通道六氟化硫(SF6)浓度声学检测方法.该方法把理论计算出的声波经空气中的检测通道衰减后的声压值作为参考值,并实测声波经检测通道衰减后的声压值,用两者的比值作为SF6浓度的表征参数,计算相应的SF6浓度.对该方法进行了理论推导和数值仿真,并应用CC2430的Zigbee无线片上系统(SOC)设计了SF6浓度无线传感器节点.数值仿真和实验结果显示,在SF6浓度比较低时,声压参考值与实测值的比值跟SF6气体浓度之间保持较好的线性关系,验证了基于声波衰减原理的单通道SF6浓度无线传感器节点的有效性.     

基于SOFM的人脸图像聚类方法比较

通过实验探讨了几种人脸图像聚类方法的效果,并给出了一些定性的结论。首先是试图找出数据量的大小对聚类效果的影响,实验结果表明,聚类数据量的增加可以使聚类结果更好,并且使用PCA方法提取人脸特征时,人脸轮廓信息越多,聚类结果越好;其次是将人脸图像按五官分割成不同的部分,然后分别使用PCA和ICA方法提取特征进行聚类,实验结果表明使用ICA方法比使用PCA方法提取的特征的聚类效果好。     

基于双流-非局部时空残差卷积神经网络的人体行为识别

3维卷积神经网络(3D CNN)与双流卷积神经网络(two-stream CNN)是视频中人体行为识别研究的常用架构,且各有优势。该文旨在研究结合两种架构且复杂度低、识别精度高的人体行为识别模型。具体地,该文提出基于通道剪枝的双流-非局部时空残差卷积神经网络(TPNLST-ResCNN),该网络采用双流架构,分别在时间流子网络和空间流子网络采用时空残差卷积神经网络(ST-ResCNN),并采用均值融合算法融合两个子网络的识别结果。进一步地,为了降低网络的复杂度,该文提出了针对时空残差卷积神经网络的通道剪枝方案,在实现模型压缩的同时,可基本保持模型的识别精度;为了使得压缩后网络能更好地学习到输入视频中人体行为变化的长距离时空依赖关系,提高网络的识别精度,该文提出在剪枝后网络的首个残差型时空卷积块前引入一个非局部模块。实验结果表明,该文提出的人体行为识别模型在公共数据集UCF101和HMDB51上的识别准确率分别为98.33%和74.63%。与现有方法相比,该文模型具有参数量小、识别精度高的优点。     

多用户MC DS-CDMA系统中的时频域信道估计方法

该文提出了一种用于多用户MC DS-CDMA系统的信道估计方法,该方法在平均时域估计的基础上迭代一次平均频域信道估计,较好地改善了信道估计的性能。仿真结果表明,经过平均时域信道估计方法能较大程度地滤除多址干扰(MAI)和噪声,提高信道估计的准确性。再经过迭代一次平均频域信道估计,系统的误码率(BER)性能还可进一步改善,经过两次信道估计,系统取得的性能已很接近理想估计的性能。     

基于最小像素误差控制的曲线矢量数据自适应数学描述

 矢量数据的B样条曲线拟合算法被广泛地应用于数据的可逆压缩和矢量曲线数据的数学表达.但现有算法的误差评估大都是针对各坐标轴具有相同尺度单位的,而对各坐标轴尺度单位不同的工程曲线图则无能为力.据此提出了一种不大于1个像素最小栅格误差的矢量数据自适应序号参变量样条曲线拟合算法.该算法首先从矢量数据中以近乎相等的曲线弧长选出若干型值节点,并通过盈亏修正获得节点误差限为0.001的序号参变量样条曲线拟合.然后遍历拟合曲线对应的全部栅格点,检测它所在3×3邻域内是否有矢量数据栅格点或栅格图像曲线点位于其中,若有则该点满足于1个像素的误差限,反之将该曲线型值节点段进行标记,并转到曲线的下一型值节点段继续进行检测.对不满足要求的曲线型值节点段,通过添加一个型值节点或曲线序号数的移位等使之满足误差要求.实验结果表明该算法具有更高的准确性和使用的方便性.     

Extended Kalman Filter-based localization algorithm by edge computing in Wireless Sensor Networks

The Extended Kalman Filter (EKF) has received abundant attention with the growing demands for robotic localization. The EKF algorithm is more realistic in non-linear systems, which has an autonomous white noise in both the system and the estimation model. Also, in the field of engineering, most systems are non-linear. Therefore, the EKF attracts more attention than the Kalman Filter (KF). In this paper, we propose an EKF-based localization algorithm by edge computing, and a mobile robot is used to update its location concerning the landmark. This localization algorithm aims to achieve a high level of accuracy and wider coverage. The proposed algorithm is helpful for the research related to the use of EKF localization algorithms. Simulation results demonstrate that, under the situations presented in the paper, the proposed localization algorithm is more accurate compared with the current state-of-the-art localization algorithms.