最大平均相关高度的归一化模板在畸变目标识别中的应用

本文基于最大平均相关高度算法设计了一种归一化模板,解决了联合变换相关器的畸变目标识别问题。该方法通过对最大平均相关高度频域滤波器的控制参数优化,映射到空域获得初始模板,归一化后得到归一化模板。相比于初始模板,归一化模板大大提高了模板与待测目标的灰度相似性。仿真实验表明,该模板能有效增强待探测目标的相关峰亮度,在联合变换相关器上可实现对畸变目标的识别,其比例畸变容差为53%,旋转畸变容差为20°。通过实验,给出了畸变飞机的相关识别结果。     

针对幅相交织变化信号的过零点检测算法*

为应对电气量在暂态过程中相位和幅值交织突变现象,提高过零点检测的准确性,提出了快速过零点检测算法.该算法在电气量通过窄带滤波器前进行归一化计算,通过检测算法和域值判断计算过零时刻并消除零点偏移和抖动现象,得到正负过零时刻及其相位信息.仿真结果表明,该算法在有较高响应速度的同时提高了跟踪准确度,且算法实现简单,满足电容器等设备投切控制的要求.     

基于多尺度随机共振变换的微弱信号检测

针对在高噪声背景下微弱信号的检测,以绝热近似小参数的随机共振理论为依据,根据随机共振的噪声选择性和频率敏感特性,提出了基于多尺度随机共振变换的微弱信号检测方法.将含噪输入信号经小波变换分解为不同尺度频率的信号成分后,通过引入归一化变换来调节各尺度信号成分的大小,再将不同尺度的分解信号作为非线性双稳系统的输入,从而实现大参数条件下微弱信号的检测.数值仿真结果表明:该方法可以从高噪声背景下提取微弱信号,并能获得较高的输出信噪比,在信号检测领域具有很好的应用前景.     

LiDAR点云支持下地物精细分类的实现方法

在遥感数据分类中,获取精细的地物类别无疑能够传递更加丰富的信息量,进一步加深对遥感数据的理解和解译。在机载LiDAR点云高程数据的支持下,提出并实现了遥感影像上地物精细分类的方法。为保证高精度地同种地物再划分,综合考虑配准、辅助数据源、首次回波、点云密度及影像空间分辨率4种因素,并重点解决了点云密度与影像空间分辨率不匹配的问题,利用决策树显著地提高了影像上建筑物、植被的分类数量,使点云与影像联合分类的优势得到体现,达到了分类精度与地物类别数量相统一的目的。     

基于竞争窗口递减因子自适应调整退避算法

包括IEEE802.11、802.15.4标准在内的许多无线网络协议都采用二进制指数退避机制管理数据的重发。在动态分布式的网络环境中,二进制指数退避算法固定的竞争窗口递减方式难以适应动态变化的网络规模。针对这一问题,提出了一种改进的回退机制,该机制通过引入竞争窗口递减因子,自适应地调整无线节点的等待时间,以实现网络吞吐量的最大化。同时,在算法实现上提出一种启发式算法以跟踪网络中竞争节点数量的改变。在IEEE 802.11DCF协议中以相同的物理层参数进行仿真,结果表明改进算法提高了网络吞吐量,降低了分组平均接入时延。     

不同气候条件下各类集热器效率分析

选取北京、长沙、深圳三个代表性区域,利用集热器瞬时效率方程,分析不同气候条件下,平板型和真空管型太阳能集热器基于采光面积和总面积的热效率,为集热器选型提供更为详实的量化依据。     

图像颜色与纹理结合实现图像检索

图像检索是在Web中常常用到的内容,在图像检索中,颜色是各种特征中最直观的视觉特征,两幅布局结构不同的图像形成的颜色直方图却有可能很相似,纹理特征能对空间信息进行一定的描述。为了避免颜色特征检索的缺陷,文中采用颜色特征与纹理相结合的检索技术进行图像检索,并通过综合实验来验证文中检索方法的优势。     

基于特征参数归一化的鲁棒语音识别方法综述

目前,自动语音识别系统往往会因为环境中复杂因素的影响,造成训练环境和测试环境存在不匹配现象,使得识别系统性能大幅度下降,极大地限制了语音识别技术的应用范围。近年来,很多鲁棒语音识别技术成功地被提出,这些技术的目标都是相同的,主要是提高系统的鲁棒性,进而提高识别率。其中,基于特征的归一化技术简单而有效,常常被作为鲁棒语音识别的首选方法,它主要是通过对特征向量的统计属性、累积密度函数或功率谱的归一化来补偿环境不匹配产生的影响。该文主要对目前主流的归一化方法进行介绍,其中包括倒谱矩归一化方法、直方图均衡化方法以及调频谱归一化方法等。     

基于神经网络的数字识别

本文介绍了神经网络、数字识别的相关内容及其概念,在此基础上重点研究了基于神经网络的数字识别系统。本文对基于神经网络的数字识别系统包含的功能,以及每个功能模块所使用的技术进行了阐述。最后对基于神经网络的数字识别系统所具有的优点进行了分析和讨论。