基于电磁波小尺度衰落的移动物体检测

随着无线网络技术的发展,出现了针对网络信号能量强度的大量研究。提出一种新颖的基于电磁波小尺度衰落效应的移动物体检测方法。该方法以静止环境中稳定信号能量强度作为依据,通过滚动窗算法捕捉移动物体出现时的小尺度衰落效应,从而实现移动物体的检测。实验结果表明该方法可有效地检测到移动物体,达到100%的检测率。由于该方法仅依赖于电磁波的小尺度效应,因此可在各种无线网络环境中实现。该方法可用于构建安全监控系统,且实施简单,无需专用传感器。     

基于多统计模型和人耳听觉特性的麦克风阵列后滤波语音增强算法

针对麦克风阵列后滤波语音增强算法的不足, 结合人耳的听觉掩蔽效应, 提出了改进的后滤波语音增强算法. 提出了最大化目标语音存在概率来确定信号子空间维度的方法, 在噪声子空间上, 利用条件概率估计出噪声功率谱. 基于人耳的听觉掩蔽效应, 提出了后滤波器的一种合理的设计方法. 实验证明, 所提的噪声估计方法比传统方法更加准确, 所提的后滤波算法比传统的后滤波算法更好, 在多项语音评价指标上, 都取得了更好的实验效果.     

银行指纹认证系统典型案例

应用背景银行应用背景介绍在网络技术飞速发展的今天,银行早已建设了庞大的金融网络来为人们提供各种各样的便民金融业务,但是随之而来的问题与危机也越来越显著。一方面,金融领域所面临的各种安全风险在不断加大。有报道称,网络黑客的攻击能量正以每     

数字信号处理器中高性能可重构加法器设计

设计一款适用于高性能数字信号处理器的16位加法器。该加法器结合条件进位选择和条件“和”选择加法器的特点,支持可重构,可以进行2个16位数据或者4个8位数据的加法运算,同时对其进位链进行优化。相对于传统的条件进位选择加法器,在典型工作条件下,采用0.18μm工艺库标准单元,其延时降低46%,功耗降低5%。     

LED 晶圆贴片过程中压力的二阶段模糊决策与控制

针对LED 晶圆贴片过程, 设计一种利用阀门的开关和开度控制气缸内气压的压力控制系统, 提出一种多目标分阶段决策和控制的方法, 实现活塞运动和加压控制. 根据活塞的位移和压力, 采用逻辑决策方法, 选择需要控制的阀门. 根据规划压力与实测压力的差值及其差值变化率, 利用模糊自适应PID 控制方法控制阀门的开度. 采用半张量积的方法将逻辑决策和模糊控制中的推理转变成矩阵形式, 以简化运算量, 提高运算速度和控制精确度.

     

基于受约束偏置的概率矩阵分解算法

在概率矩阵分解(PMF)模型拟合之后,评分较少用户的特征趋近于先验分布的平均值,导致对其评分预测接近物品的平均评分.受约束概率矩阵分解(CPMF)未考虑到不同评分系统的整体差异以及数据集内部用户与物品存在的固有属性.针对以上问题,提出将传统矩阵分解中的用户和物品偏置项以及全局平均分结合受约束概率矩阵分解来建立新的矩阵分解算法.算法利用整体平均分衡量不同评分系统,在采用偏置来表示用户以及物品之间相互独立的属性的同时,引入约束使行为相近用户拥有相近的用户偏置,从而提高预测精度.在两个真实数据集上的实验结果表明,该算法相对于PMF和CPMF算法预测精度得到了提高.     

适用于文字检测的候选框提取算法

在文字检测的相关研究中,针对文字的候选框提取方法并未得到广泛关注与深入挖掘。一方面由于文字本身结构和一般物体具有较强的差异性,另一方面由于文字对检测的精度要求高。本文提出了一种针对文字的候选框提取算法,该算法首先利用全卷积网络进行快速预测文字区域,有效地减少了候选框的搜索范围,然后针对文字特性对EdgeBox算法进行改进,使之适用于自然场景文字候选框的提取。此外,本文在两个自然场景文字检测的标准数据集上对该算法进行了评测,并与其他已有的候选框提取方法进行了比较。实验结果表明本文方法相较其他算法,具有更好的性能和鲁棒性。     

分类错误指导的分层B-CNN模型用于细粒度分类

目的 细粒度分类近年来受到了越来越多研究者的广泛关注,其难点是分类目标间的差异非常小。为此提出一种分类错误指导的分层双线性卷积神经网络模型。方法 该模型的核心思想是将双线性卷积神经网络算法（B-CNN）容易分错、混淆的类再分别进行重新训练和分类。首先,为得到易错类,提出分类错误指导的聚类算法。该算法基于受限拉普拉斯秩（CLR）聚类模型,其核心“关联矩阵”由“分类错误矩阵”构造。其次,以聚类结果为基础,构建了新的分层B-CNN模型。结果 用分类错误指导的分层B-CNN模型在CUB-200-2011、 FGVC-Aircraft-2013b和Stanford-cars 3个标准数据集上进行了实验,相比于单层的B-CNN模型,分类准确率分别由84.35%,83.56%,89.45%提高到了84.67%,84.11%,89.78%,验证了本文算法的有效性。结论 本文提出了用分类错误矩阵指导聚类从而进行重分类的方法,相对于基于特征相似度而构造的关联矩阵,分类错误矩阵直接针对分类问题,可以有效提高易混淆类的分类准确率。本文方法针对比较相近的目标,尤其是有非常相近的目标的情况,通过将容易分错、混淆的目标分组并进行再训练和重分类,使得分类效果更好,适用于细粒度分类问题。     

大幅面地图的快速自动地形晕渲

在提出一个建立三维规则数据场的新算法的基础上,提出了一个可用于大幅度地图的快速实用的地形自动晕渲算法,与传统数据网格化的方法不同,本算法采用了用网格点相邻等高线的高程值插值计算出网格点高程值的新思想,并且提出了相应的网格点相邻等高线的识别方法,该方法充分利用等高线所具有的先验知识,得到的网格点高程值质量很高,另外,该规则数据场的建立方法经改进后,其时间复杂性与数据点数（ｍ）和网格点数（ｎ）成线性关