一种基于图像识别的高性能混沌特性判别算法

利用混沌阵子可以检测强噪声背景下极其微弱的周期信号。该方法应用中的关键问题是混沌特性的判别。提出了一种新的基于图像识别的混沌特性判别方法,该方法需要的存储量小,算法简单易行,尤其适合系统资源受限的场合,比如嵌入式系统。阐述了该混沌特性判别算法的原理,给出了一个基于此方法的完整判别程序流程。计算机仿真结果表明,该方法用于Duffing信号幅值检测系统是有效的。     

基于行为特征识别的网络诈骗嫌疑人追踪系统

在互联网日益发展的今天,网络诈骗随时随处都在发生,犯罪嫌疑人的身份极难识别,给网络诈骗案件的侦破带来了困难。文章以即时聊天工具QQ为例,对网络诈骗嫌疑人身份识别及追踪给出一个完整的解决方案。文章的思路是通过行为特征来进行嫌疑人的身份识别,行为特征指不同人的击键特征,能够高精准地区分不同的人,而且键盘普及率很高,这给系统运行提供了硬件环境。在系统中,文章通过监听用户键盘击键进行击键特征提取,并且引入本地验证和服务器验证对用户进行身份识别,通过IP对疑犯进行定位,从而协助执法人员进行网络诈骗案件的侦查。     

煤矿物联网的设计与应用分析

介绍了煤矿物联网感知层、网络层和应用层的设计方案;指出煤矿物联网建设过程中的关键技术为物联网标志体系、综合通信基站、井下分布式传感技术、异构网络的互联互通,并提出了相应的解决方案;分析了煤矿物联网在安全生产和管理、综合多媒体通信、矿用设备和物资监管等方面的具体应用。     

精密金属焊接坏点的视觉识别方法研究与仿真

研究高精密金属焊接坏点准确视觉识别的问题.由于高精密金属焊接坏点的颜色特征与金属本身特征相似,而在坏点很小并且与外部环境过于类似的干扰下,传统的基于像素差异的识别结果不精确,一旦焊接坏点分布的过于集中,干扰将更大,导致焊接坏点识别准确性降低.为解决上述问题,提出一种新的计算机视觉的高精密金属焊接坏点识别方法.采集高精密金属焊接坏点计算机视觉图像,针对金属图像进行特征提取,并对提取的特征进行离散小波变换处理,获取增强处理后的视觉图像.根据增强处理后的视觉图像特征值,获取高精密金属焊接坏点的分布密度,计算焊接坏点的空间位置,实现高精密金属焊接坏点识别.实验结果表明,利用改进算法进行高精密金属焊接坏点识别,能够提高识别的准确率,并且获取焊接坏点在高精密金属制品中的分布位置,为高精密金属制品的生产质量提供保障.     

一种面向无源RFID电子标签的电流灵敏放大器设计

提出了一种适用于无源射频识别RFID电子标签中多次可编程MTP非易失性存储器NVM的新型电流灵敏放大器结构。该电路在不增加面积的情况下具有低功耗、高速度、高可靠性和高灵敏度的优越性能。基于GSMC 0.13μm CMOS工艺下的仿真结果表明,新型灵敏放大器在-40℃~80℃的环境下具有很高的读取速度,且能够工作在低电压（0.8 V）下。在1.2 V工作电压、27℃室温下电路的读出延时是10.5 ns,平均功耗为6.1 μW@25MHz,分辨率可达到33 nA。     

决策表中基于对象的μ-约简方法研究

研究了不协调决策表中基于对象的μ-约简问题,给出了μ-约简的一些性质及等价定义,得到了μ-约简的判定定理和相应的可辨识矩阵及辨识公式,从而提供了不协调目标信息系统知识约简的新方法。并通过实例将决策表中基于对象的约简与整体约简进行了对比,结果表明前者可以得到更简洁的知识。该方法也适用于协调目标信息系统。     

基于LQR的直线一阶单倒立摆最优控制器的设计

对已有的LQR最优控制中系统的动态响应与加权矩阵Q和R之间遵循的基本规律进行分析,并根据这一基本规律对给定的直线一阶单倒立摆采用线性二次型最优控制的方法设计控制器。仿真结果表明,基于LQR的最优控制系统对直线一阶单倒立摆具有很好的控制效果。     

气液固三相并流系统流型的混沌识别

运用确定性混沌分析技术，研究了气液固三相并流系统散式鼓泡流、聚式鼓泡流、柱塞流、泡沫流及环状流压力波动信号的混沌动力学行为。结果表明，吸引子可以用来表征气液固三相并流系统的动力学行为，混沌特征参数相关维D2和K熵可以用来定量识别以上五种流型。以混沌定量识别为基础，给出了三相并流系统的流型图。     

基于卷积神经网络的指针式仪表识别

目前大部分研究指针式仪表识别的方法中提取指针是完全基于传统的图像处理技术,提取过程较为复杂且步骤繁多.为了有效解决指针式仪表读数识别中指针中轴线所在直线提取困难及识别精度不高等问题,本文提出了一种基于深度学习的指针式仪表的识别方法.首先用Faster R-CNN算法检测仪表圆盘,再采用基于深度学习的方法Faster R-CNN算法检测指针,根据得到的指针目标框的位置信息裁剪得到指针图像,在指针图像的基础上进行二值化、细化、霍夫变换检测直线、最小二乘法拟合直线等步骤识别仪表最终读数.和直接在仪表表盘目标框图像或原始图像上进行传统图像处理相比很大程度上减少了定位指针中轴线所在直线过程中的干扰.实验结果表明本文所提出的基于深度学习的指针检测的平均准确率高达96.55％.对于复杂背景下指针式仪表的指针区域的检测具有良好的准确性与稳定性.     

基于多通道分离整合的多尺度单幅图像去雨算法

由于密度不同的雨对图像造成的遮挡不同,图像去雨一直都是一项极具挑战性的任务。目前,基于深度学习的图像去雨算法已经成为主流。然而,多数深度学习的架构都是通过堆叠卷积层来设计的,执行去雨任务后图像仍存在着大小不一的雨痕,这些方法并不能很好地关注训练中雨图的局部信息和上下文信息。为了解决上述问题,本文设计一种基于多通道分离整合的卷积神经网络用于图像去雨。第一步通过通道分离,再利用卷积层间的层级连接,构成多尺度模块,最终将不同通道的输出进行整合。该模块可以增大感受野,探索特征图之间的空间信息,更好地提取特征。第二步利用渐进网络来反复计算挖掘上下文信息,能够很好关联到全局特征。整体模型易于实施,可以端对端训练。在常用的数据集以及自建的自动驾驶雨天数据集上的大量实验表明,本文方法比现有方法取得了明显的改进。