格上高效的完全动态群签名方案

为降低完全动态群签名加入和撤销机制的复杂性,将动态群签名思想引入NGUYEN等人提出的格上群签名方案,提出一种改进的完全动态群签名方案.在改进方案中,用户产生自己的签名密钥而不是由群管理员产生,当用户加入群时,群管理员验证用户身份并为其颁发证书,用户成为群成员后用自己的签名密钥和证书进行签名.若群成员有不合法行为或想退...     

一种超声波测距仪的设计与实现

针对液体、固体物体表面过于光滑,不易测量的状况,采用ATMEL公司生产的单片机AT89S52最小系统设计并实现了一种结构简单检测迅速的超声波测距仪。根据超声波在空气中的传播特性,重点讨论了超声波测距的数据处理方法、装置的硬件实现以及为提高测量精度采用的温度补偿方法。系统由单片机最小系统、温度测量电路、数码管显示电路、超声波发射接收电路、LED显示电路、报警电路组成。通过实验,表明系统测量工作可靠,有良好的测量精度和灵敏度。     

仪器化冲击在评测断口剪切面积比例中的应用

根据示波曲线定量给出的特征载荷点分布关系，结合ESIS给出的评测夏比V型冲击断口剪切面积比例(PSF)经验公式，介绍了仪器化冲击试验在估算PSF数值中的具体应用。估算值与实际测量值所进行的误差离散性与置信区间的分析结果表明，选用合适的经验算法可以在试验过程中实时获得高度可靠的PSF结果。与常规光学手工评测技术相比，该方法不依赖于试验者的主观评测经验、不受特定客观试验条件的限制，具有广阔的应用前景，同时也为材料PSF评测以及动态断裂机理的研究提供了一套方便而有效的试验手段。     

基于模型的立体视觉的优化方法

针对3D视觉检测中最典型的误差源图像中像素的量化误差,在已知模型的条件下,对双目立体视觉提出一种模型,利用该优化模型及改进的约束最小二乘法对未知模型的立体视觉解法做一些改进,可以明显减少系统的误差,仿真结果表明,与未知模型的立体视觉方法相比,在同样的量化误差条件下,该方法可将系统误差减少50％以上。     

适用于非平衡数据的多关系多分类模型

针对多关系多分类的非平衡数据,提出一种分类模型。在预处理阶段,建立目标类纠错输出编码(ECOC)、目标关系与背景关系间的虚拟连接并完成属性聚集处理,进而划分训练集和验证集。在训练阶段,依据一对多划分思想,结合CrossMine算法构造多个子分类器,采用AUC法评估验证各子分类器。在验证阶段,比较目标类ECOC与各子分类器分类结果连接字的海明距离,选择最小海明距离的目标类为最终分类。经合成和真实数据的实验,验证了模型有效性及分类效果。     

一种对IMM真实误差二阶距的估计方法

交互式多模型IMM被认为是对混合系统估计的一种性价比最好的算法之一。考虑到各个模型之间的相关性,在假设已知真实模式序列的情况下,本文提出了一种对IMM真实误差均值、协方差以及二阶距的估计方法。在Monte-Carlo仿真实验下用真实误差二阶距的均值平方根来评估IMM的性能,并与RMSE进行了比较。另外对该方法在跟踪门设计中的应用前景进行了展望。     

热超声倒装键合机的视觉系统定位精度实验研究

简要说明了视觉定位原理及定位实验数据的采集过程,并对倒装键合实验台的视觉定位系统的误差进行了理论分析。以热超声倒装键合实验台为平台,应用HexSight图像处理软件,对实验用1mm×1mm的表面有8个凸点的芯片进行定位实验。根据测得的实验结果,分别对定位系统的平移误差和旋转误差进行了分析。采用对5次识别结果取平均值的优化方法,使角度误差减小到0.023766°,单项误差减小到0.183μm,综合误差减小到0.554μm。试验结果表明,该视觉定位系统达到了热超声倒装键合过程中芯片与基板之间的定位精度的要求。     

初等函数可验证赋值及误差分析

研究了GNU标准下初等函数的赋值原理及算法实现.基于IEEE 754-2008浮点标准,利用误差分析基本结论,对GNU下C语言标准数学函数库中的初等函数赋值程序进行理论误差分析.利用Boost库中提供的区间类,将以浮点数作为基本数据类型的程序重写成以区间作为基本类型的程序,使用区间算术对初等函数进行可验证赋值,从而得到一个包含真实值的区间包络,并由此给出GNU下初等函数的数值误差界.     

车辆检测中的自适应背景更新算法研究

针对采用传统背景差法检测运动车辆时很难实现背景自动更新的问题,采用了快速自适应背景生成算法,并考虑到背景有缓变和突变两种情况,引入最小均方误差（MMSE）估计理论进行判断,针对不同的情况采取相应的算法实现背景更新。实验数据表明：采用该方法较以往准确性大大提高,同时达到了自适应背景更新的目的,并且算法实现简单,实时性较高。     

反重力铸造装备的模糊建模与预测控制

工业中的反重力装备在铸造过程中具有时滞性、强非线性和时变性的特点,传统的控制算法难以达到满意的效果,由此提出了一种基于T-S模型的模糊预测控制方法.该方法根据T-S模型的描述来设计神经网络结构,利用误差反传算法离线辨识前件参数和后件参数,使用加权最小二乘递推方法进一步在线修正模型的后件参数,并将T-S模型转化为状态空间模型,使用丢番图方程推导出预测控制律.仿真结果表明此方法具有良好的动态特性.