WSN中面向非均匀形状事件的动态检测方案

高效且准确地事件检测与跟踪是无线传感器网络研究的热点问题之一,现有的事件检测方案无法实现对形状不定的区域事件的检测与跟踪,为了解决这一问题,提出了一种改进的动态事件检测和跟踪方案.首先,该方案利用事件质心确定事件的具体位置,然后,考虑了节点的读数强度及该读数与事件质心的距离,提出节点动量概念以引导事件融合和分割检测.仿真实验结果表明,该方案可在各传感器结点中分布式运行,延迟低,能效高,在各种条件下均有很高的准确度.不论事件大小和事件数量如何,它始终可以确定正确的事件数量,给出正确的事件形状.     

基于边缘敏感的SLIC和二次密度聚类的GGO分割

针对磨玻璃肺结节(Ground Glass Opacity,GGO)边界对比度低、大小各异和灰度不均匀等造成分割准确率低的问题,提出一种基于边缘敏感的SLIC和二次密度聚类相结合的分割算法。将图像边缘检测结果与SLIC超像素算法相结合,并将其中含有边缘的超像素块用区域质心代替其原始聚类中心,改善SLIC边界黏连性较差的问题;针对密度聚类不能完整分割GGO的问题,提出二次密度聚类的方法,对密度聚类定位到的簇及其邻域簇进行二次密度聚类。实验结果表明,该算法分割GGO的平均准确率达90.17%,灵敏度达84%。     

基于质心法的车联网目标跟踪方法与应用

车辆目标跟踪是实现车联网不可或缺的一环,旨在获取车辆的动态信息,以提高交通运行效率.其核心是对大量监控探头采集的视频图像进行分析处理,实现车辆的实时检测与跟踪.为了进一步提高目标检测效率,降低硬件成本,文中提出了基于二帧差分法的前景检测方法,以及基于质心法的车辆轮廓检测与跟踪方法.基于OpenCV3.4.1和VS2017进行验证实验和仿真测试,结果表明,该算法对车辆跟踪的精确率达到89.1％,平均处理耗时42.63 ms,具有较好的实时性和鲁棒性,可在车联网嵌入式设备上进行部署和应用.     

基于衍生多边形的混合坐标

将多边形三角化,利用三角网格将三角形衍生为点多边形、边多边形和面多边形,再根据已有 的重心坐标提出基于衍生多边形的混合坐标。首先在三角网格内根据初始多边形内部一点所在的三角形得到衍 生多边形,然后使用调和坐标、局部重心坐标、迭代坐标中任意一种计算衍生多边形的顶点关于初始多边形顶 点的重心坐标,再使用迭代坐标计算初始多边形内部一点关于衍生多边形顶点的重心坐标,最后使用合适的混 合函数计算该点关于初始多边形顶点的重心坐标。通过实例证明,这种新的重心坐标具有良好的局部性、非负 性和光滑性。     

水上飞机模型转动惯量测量试验的蒙特卡洛仿真

为了评判试验数据可信程度和提高试验质量,本文基于蒙特卡洛法,对水上飞机模型转动惯量测量试验进行不确定度分析.结果表明:质转动惯量Ixx、Iyy、Izz的标准不确定度分别为0.25kg?m2、0.26 kg?m2、0.02 kg?m2.转动惯量Ixx、Iyy、Izz和惯性积Ixy、Iyz、Ixz的仿真结果的分布符合正态分布.     

北京市停车场影响范围研究

为了解决北京市的停车位紧缺、停车拥堵问题,对停车场的影响范围进行了定量研究. 首先,基于驾驶员停车行为的调查,通过非参数检验,分析驾驶员性别、出行目的、停车引导类型、停车收费因素与步行距离的关系,确定停车场影响范围的影响因素及实际影响范围;然后,运用停车场分布密度和泰森多边形,确定了停车场的最小影响范围;最后,综合考虑实际影响范围和最小影响范围,结合北京市棋盘形路网的特性,进行影响范围的修正,得出停车场的合理影响范围.     

几何距优化质心结合隶属度约束RFCM的脑MRI图像分割算法

针对现有图像分割算法聚类复杂以及分割精度不够高的问题,提出了基于几何距优化质心和粗糙模糊C-均值（RFCM）相结合的医学图像聚类分割算法。首先建立软集表示的像素集,并计算每个像素与质心之间的距离,然后基于像素和质心之间的最小距离,将像素分组到聚类中。为了将软集应用到粗糙模糊C-均值中,定义了一个模糊软集,进一步将输入图像转换为二值图像,通过计算连通区域的几何距选择适当的质心。最后利用这些新的质心计算更新像素的隶属度值,从而完成模糊聚类划分。在Allen Brain Atlas等三个医学数据库上评估了所提出混合算法的性能,获得的Jaccards系数和分割精度（SA）都优于几种对比算法。实验证明,提出的聚类分割算法具有良好的性能。     

广州空域优化的一些建议

空域扇区优化划分问题是空域管理领域的一项重的研究课题,对于提高空域容量和保障飞行安全均具有重要作用.本文通过对空域结构及扇区容量的分析,结合珠三角空域特点对广州空域优化提出一些建议性措施.     

基于改进加权质心和UKF的移动目标定位算法

为了解决传统算法对于移动目标定位误差较大的问题,提出了一种基于接受信号强度指示(RSSI)的改进加权质心定位算法,并结合一种改进的UKF算法对RSSI进行有效滤波。针对传统质心定位算法只能静态设置权重的缺陷,提出利用定位误差对距离进行修正,有效提高了算法的定位精度。对于标准UKF算法,在采样过程中采用改进最小偏度策略,引入调节因子,保证了预测方差矩阵的半正定性,并且在滤波更新过程中采用衰减记忆滤波方法,有效抑制了滤波发散,提高了滤波精度。仿真实验结果证明了本文算法的正确性和有效性。     

基于煤矿井下WSN的RSSI加权质心定位算法研究

针对井下传统无线网络RSSI加权质心定位算法精度不高的问题,首先提出了一种基于接收信号强度值作为加权因子的加权质心定位算法。算法以动态获取未知节点当前区域的路径衰减系数为基础,通过挑选出未知节点当前活动区域最优参考节点,计算出彼此之间的距离,确定当前未知节点的最优通信半径范围。算法中还选取参考节点和未知节点之间的信号强度RSSI值作为加权因子,一定程度上又减少了传统上通过计算得到节点间距离作为加权因子算法带来的误差。仿真结果表明,改进的定位算法更加适合煤矿井下未知节点具有移动性的特点,在相同测试条件下,比传统加权质心算法精度有了很大的提升。