引入加权系数的多声道超声波水表计量算法

针对供水管道内复杂多变的流场,多声道超声波水表可以实际跟踪流量变化,尽可能地还原封闭管道内水流状态。通过引入权重系数,建立滑动窗口滤波函数,提出了一种用于多声道超声波水表计量的算法。实验证明,该算法可解决多声道计量问题,能有效提高水表的计量稳定性及计量精度。     

基于改进巴特沃斯滤波的红外图像增强算法

一般的红外图像存在着对比度低、噪声相对较高、部分细节模糊等特点,在进行后续的工作之前,对其缺陷进行处理是十分重要的。而传统的巴特沃斯滤波去噪在处理红外图像时,存在着细节失真、去噪效果不佳等缺点。针对上述问题,提出了巴特沃斯滤波的改进红外图像增强算法,通过在频域上对图像进行分层,之后再使用改进巴特沃斯滤波分别对其进行处理,并且在MATLAB平台上验证了该算法的有效性。该改进算法在原有的处理效果的基础上,对图像的细节信息进行了突出,与传统算法相比较,该算法具有边缘突出、细节连贯等优点,去噪效果有显著提高。     

汽轮发电机组甩负荷测试及仿真分析

以某电厂350 MW机组甩负荷试验为例,就参数测量、数据处理、建模及仿真计算进行分析。对采集到的转速数据通过移动平均滤波,对滤波数据利用S型函数及LM优化算法进行最小二乘拟合,对拟合数据一阶微分求解,得到转子最大加速度,该方法可提高转子转动惯量计算精度,消除人工选取时间间隔的误差。结合现场实测数据,考虑OPC信号,给出了适用于汽轮机甩负荷动态计算的数学模型,定量分析了相关参数对动态特性的影响。     

融合多特征的时空正则化相关滤波无人机跟踪

针对无人机跟踪目标易受视角变化、遮挡、背景杂乱等因素影响的问题,提出一种融合多特征的时空正则化相关滤波无人机跟踪方法。首先,将显著性特征引入时空正则化相关滤波跟踪框架,与颜色、灰度和梯度方向直方图特征结合,提高目标外观表示的多样性;其次,利用峰值旁瓣比作为权重衡量不同特征相关响应图的峰值强度,并将加权后特征进行组合降噪,在响应层实现最终加权融合,提升目标定位精度;最后,在公开无人机视频数据集UAV123@10FPS上与12种经典跟踪器进行对比。实验结果与分析表明,所提方法在跟踪精确度和成功率上均取得较好的结果。     

基于噪声检测和自适应方差的双边滤波算法

双边滤波是一种在滤除噪声的同时具有保持图像边缘能力的滤波算法,但是由于传统滤波的参数是提前设定的,并且具有保边性,因此对于含有与边缘像素近似的复杂噪声的图像处理无法达到良好效果。为了解决以上问题,提出一种改进的双边滤波算法,通过判断图像边缘的像素点是否为噪点,采取参数自适应设置的方法,从而实现有效的自适应双边滤波。通过实验仿真验证,提出的算法无论在主观观察还是客观评价标准上都取得了良好的效果,可知文中改进算法对图像边缘的处理更准确。     

关于10kW中波发射机风接点的几种改造方案

中小功率发射机风接点采用的水银开关(或行程开关)往往会因为自身原因导致接触不良、触点磨损、触点疲劳甚至失效,从而误触发控制电路,导致机器工作异常.本文针对上述情况,提出改变物理特性、滤波、延时、干簧管替代、接近传感器替代、电流间接检测等多种行之有效的方案,可有效规避传统机械开关引起的误触发,为发射机安全稳定运行起到积极...     

基于系统误差补偿的改进迭代滤波电力谐波分析方法

快速准确估计谐波参数可为谐波治理提供可靠依据。迭代滤波方法仅通过简单的时域操作,时域移频和迭代滤波,即可实现电力谐波参数的快速估计。然而,受限于滤波器性能,迭代滤波方法不能完全滤除运算过程中的干扰成分而出现系统误差,影响谐波分析准确度。为降低系统误差对谐波测量结果的影响,分析了基于迭代滤波方法的谐波分析过程的系统误差,并根据系统误差特性提出一种基于系统误差补偿的改进迭代滤波方法。所提方法通过对一个周期内的系统误差的降采样求和补偿,提高迭代滤波方法的谐波分析准确度。基于Matlab的仿真结果表明：在相同滤波次数条件下,所提改进方法的谐波分析准确度高于原始方法 2～3个数量级。     

基于CMOS图像采集的车道偏移识别系统设计与实现

在目标体运动过程中对其运行轨迹信息采集是光电图像处理的一大难点,尤其是行驶速度较快的车辆。该系统基于CMOS图像采集传感器,以智能小车为运动目标模型,设计用于车道偏移识别的一套汽车辅助驾驶系统,选用CMOS型摄像头作为路面信息的采集提取,通过内部编写的图像二值化处理程序、中值滤波算法和图像锐化处理程序,实现车道线图像特征的提取,得到的车道线图像轮廓清晰。通过程序识别车道信息从而转动舵机角度,实现车道识别并偏移的目的,与电磁导航对车道偏移识别相比,识别率超过95%,远大于一般识别系统,且系统性能良好。     

基于扩展卡尔曼滤波的球形机器人姿态解算

针对球形机器人在姿态解算的过程中,惯性测量元件精度不高、稳定性差和易受噪声干扰从而导致无法精确控制其运动姿态的问题,提出一种通过扩展卡尔曼滤波融合IMU(Inertial Measurement Unit)惯性测量元件数据来进行姿态解算的方法,利用多传感器测量数据进行融合,并使用扩展卡尔曼滤波得到精确的姿态信息。通过相关实验充分验证了基于扩展卡尔曼滤波的姿态解算方法的精度和鲁棒性明显提高,抗噪声干扰能力更强。实验表明,该姿态解算方法相比于互补滤波的姿态解算,全姿态角均方根误差和平均误差分别下降了0.0601和0.1984,可见其对于球形机器人的运动控制具有良好的适用性。     

基于粒子滤波的多区域辨识性建模跟踪算法

为使跟踪算法中的目标模型不被相同特征的背景像素所干扰,在粒子滤波的框架下引入多区域辨识性建模机制,提出1种新的鲁棒的目标跟踪算法。提出的算法侧重能够辨识前景与背景的最有效信息,把目标物体划分为多个子区域。通过统计子区域与背景类别的类内/类间特性选择出最具信息量的子区域。在选出的目标区域基础上,提出的算法以贝叶斯的方式同时考虑图像信息及空间信息,建立具有辨识性的目标表观模型,并在粒子滤波的更新阶段用以估量目标的所在区域。在一系列具有挑战性的视频序列上的实验结果证明了,在许多复杂场景下,提出的方法与传统的粒子滤波跟踪器相比的鲁棒性以及有效性。