基于事件驱动方式的高速串口通信方案的设计

针对串口通信中系统资源利用不足的问题,提出了一种基于多线程技术和事件驱动方式的串口通信方案。该方案在读取串口数据、对串口通信的错误及通信事件进行监视时,用OVERLAPPED结构体中的hEvent参数指定I/O操作完成后所触发的事件对象。然后,用等待函数检查事件对象的当前状态。最后,当事件对象为有信号状态时完成后续操作。在Win7操作系统的Visual C++开发平台下,结合Windows通信API控制串口的编程方法进行仿真测试。测试结果表明该方案能有效解决采用查询方式时因数据高速涌入造成数据丢失的问题。     

海上目标的主、被动传感器信息融合

多传感器信息融合已经被应用到许多领域，但用于海上目标的识别和融合的文章并不多，本文主要是针对海上目标进行的。利用NN算法，给出一个新的门限。通过航迹关联和决策融合（D-S证据推理)对海上目标进行判别，可以提高识别舰船的概率。最后进行信息融合，进而提高目标识别的精度。最后给出了今后的工作。     

基于MTF的多传感器融合算法

Kalman滤波是一种应用非常广泛的状态估计算法,基于信息融合的Kalman滤波包括状态向量融合和测量融合两种方法。传统的Kalman方法(TTF)具有较低的估计误差和很长的计算时间。提出的状态向量和测量向量的融合模型MTF利用局部融合信息给出一种更好的状态估计,计算时间短,性能也比TTF高。     

基于翻转课堂与项目驱动的数字图像处理课程混合教学模式

为了更好地达成课程教学目标并实现学生实践创新能力培养,提出基于翻转课堂与项目驱动的线上/线下混合教学模式,以数字图像处理课程教学为例,分别从完全翻转课堂与项目驱动相结合的教学模式以及半翻转课堂与项目驱动相结合的教学模式两个教学周期出发,介绍具体教学实践过程,最后通过对比分析说明教学效果。     

结合SML与差分图像的多聚焦图像融合算法

针对传统多聚焦图像融合算法中融合边缘出现模糊、伪影等问题，提出了一种结合改进拉普拉斯能量和（SML）与差分图像的多聚焦图像融合算法。首先，为了提取源图像的聚焦特征信息，分别通过SML和滤波差分进行聚焦度量，再采用引导滤波获得更多的细节特征；接着，利用像素最大值规则生成初始融合决策图，再对初始融合决策图进行小区域去除消除因聚焦和散焦区域相似造成的噪点，并对融合决策图进行不一致处理，获得更精确的聚焦区域；最后，由逐像素加权平均规则，得到融合图像。实验结果表明，所提出的算法在主观视觉效果和客观评价指标上均优于对比算法，互信息、特征互信息、图像梯度特征在彩色图像上分别提高了0.17%、0.38%和0.11%，在灰度图像上分别提高了0.7%、0.69%和0.33%，并且平均运行时间少于0.5 s，具有较高的计算效率。此外，该算法能够较好地保留源图像信息的完整性，融合图像边缘清晰、无伪影。     

基于简化KDE的动态背景分割系统设计

提出一种简化的核密度估计模型KDE(Kernel Density Estimation)动态背景建模算法,构建了基于ARM11的视频动态背景分割系统。不仅能大幅度降低传统KDE背景建模的所需的运算量和存储量,提高处理速度,而且还具有良好的运动前景分割效果。系统完成了视频动态背景的建模、运动前景分割、视频显示、图片压缩保存等功能,具有较好的性价比。     

基于模糊相似性测度的数据关联算法研究

运用现代数学中的综合分析法．可以得出模糊相似性测度数据关联算法。仿真结果表明,模糊数据关联算法比较适用于密集目标环境或交叉、分岔及机动目标较多的场合，其处理速度较快、存储和通信量则要求较低,并且具有较好的关联效果,是一类具有应用前景的数据关联算法。     

一种用于多目标数据有效性判决的融合算法

数据的有效性判决是判断多个传感器的数据是否代表同一个目标,这是进行信息融合的前提和关键.通过研究最小二乘算法、卡尔曼滤波和PDA算法在融合基理上的一致性,利用相同的思路,本文给出一种改进的计算方法.通过仿真和实际应用,改进算法比最小二乘算法、卡尔曼滤波效果好;与PDA算法有近似的计算结果,但是计算时间比PDA算法大大缩短.     

基于SNMPv3的网管代理在AP中的设计与实现

针对SNMPv1和SNMPv2协议在网管方面安全性低的缺点,本文采用了安全性能完善、管理效率较高的SNMPv3协议,在此基础上给出了针对AP（无线接入点）设备的网管代理的一套设计方法。实际应用表明,该网管代理具有很高安全性,较好解决了AP设备的管理和安全问题。     

一种改进图像融合算法

一、引言图像融合是将两个或两个以上的传感器获得的图像信息进行综合以便形成一幅数据更精确、更丰富的图像。图像融合由低到高分为三个层次:像素级融合,特征级融合和决策级融合。小波变换是目前图像融合中比较常用的方法,研究表明,在高维情况下,小波变换并不是最优