基于DSP的嵌入式指纹识别系统概述

指纹是当今应用最广泛的生物特征,指纹识别在人的身份鉴定中有重要的意义.基于DSP的嵌入式指纹识别系统具有极高的安全性和易用性.高性能价格比的DSP已逐渐应用于指纹识别技术中,并且发挥着越来越重要的作用.人们习惯上将这种在以DSP为核心的平台上运行固化指纹处理程序的指纹识别系统称为基于DSP的嵌入式指纹识别系统.     

基于势函数聚类的改进RBF网络算法研究

为优化径向基函数(RBF)网络结构并改善网络泛化性能,提出了一种基于势函数聚类的改进RBF网络算法.首先使用势函数统计每个模式类别中的样本势值,以此实现样本空间中不同样本的势值度量; 其次以增量学习的方式逐次完成对样本空间的有效覆盖,以此实现网络隐节点个数及参数的自动有效估计.最后将本文算法与KMRBF、FCRBF、MRAN以及 GAP -RBF 学习算法进行了实验对比,结果表明本文算法的网络分类精度更高,克服了KMRBF和FCRBF算法需人工调整网络隐节点来提高分类精度的问题,且比 GAP -RBF和MRAN算法的网络结构更加简单.     

基于循环缓冲区FIR滤波器的设计

数字滤波技术主要包括滤波器设计及滤波过程的实现两方面内容。文中阐述了FIR滤波器基本结构,结合实例用Matlab来确定FIR滤波器系数,分析了循环缓冲区算法原理。在该算法的基础上,结合设计的滤波器实现对输入混合信号的FIR数字滤波,最后给出了滤波前后输入输出信号波形仿真。     

基于RBF -BP神经网络融合的医学数据分类研究

为改善传统的反向传播(BP)神经网络和径向基函数(RBF)神经网络的学习能力和分类性能的不足,提出一种融合RBF网络与BP网络的混合神经网络算法(HRBF -BP),并将其应用到医学数据分类问题中.在网络结构的实现上,将RBF隐藏层与BP隐藏层进行级联融合,即在连接BP网络输入层与隐藏层之间加入RBF核映射层; 在学习算法的实现上,先采用k-均值聚类算法来实现RBF核参数的估计,然后再使用基于随机梯度下降的BP算法实现级联BP网络的权值优化.将该算法与SGBP、KMRB、PFRBF等算法在不同的医学数据集上进行分类实验对比表明,该方法的网络训练精度以及测试精度均优于SGBP、KMRB、PFRBF算法; 因此,该方法对提高BP网络和RBF网络的学习能力和分类性能具有良好的参考价值.     

基于DSP实时相关叠加器系统的的设计

在可控震源地震勘探中,实时相关叠加器是必不可少的重要仪器.它的主要功用是将记录的地震信号与震源的扫描信号在采集现场进行实时相关叠加处理,从而得到可用的地震勘探资料.实时相关叠加器作为一种实时现场数据处理机有两个最重要的指标.一个是数据吞吐率,其二是使用硬件的多少,如何使用最少的硬件而获得最大的吞吐率一直是设计者追求的目标.     

势函数聚类的优化下采样SVM分类方法

为了改善大样本集下支持向量机(SVM)的训练效率和泛化性能,提出一种新算法。该算法运用采样优化和学习器优化相结合的策略,通过构建势函数对原始样本空间进行密度度量,建立了不同参数的高斯核,以实现对样本空间不同区域的逐次覆盖,并以增量学习的方式生成下采样集。然后,在所获取的下采样集上进行SVM初始训练,通过寻找原始训练集中的边界样本,进行SVM二次优化。最后,将新算法应用于人工数据集及基准数据集,结果表明,该算法在有效改善训练效率的同时,保证了分类器的泛化性能。     

装有软钢阻尼器钢框架地震作用下的仿真分析

通过对软钢阻尼器进行等价线性化处理,引入现代控制理论,运用状态向量和状态空间的概念,并借助于MATLAB的Simulink工具箱,对安装软钢阻尼器的结构进行了地震作用下的仿真分析,指出该分析方法简便实用,值得推广。     

基于DSPI／O口的扩展技术应用

在一个以DSP为主控芯片的频谱分析仪系统中，需要用到键盘、显示器作为系统的输入输出设备。这就要与DSP的I／O口打交道。介绍了TMS320VC5410的通用I／O口资源配置情况，以EPSON的液晶显示器和软件控制键盘输入为例，给出了相应的接口电路和软件驱动程序的设计。     

《直廓环面蜗杆减速器》国家标准审查会召开

国家机械委重型机械局于1987年11月28日至30日在富拉尔基召开了《直廓球面蜗杆减速器》国家标准审查会。会议充分肯定了第一重型机器厂和郑州机械研究所在起草标准工作中所进行的大量理论分析计算和扎实的试验验证工作。会议认为该标准在主要参数,结构性能等指标达到了国际同类减速器的先进技术水平。该标准的制订填补了国内空白,为国内组织系列生产,稳定生产质量创造了良好条件。与会代表详细认真的讨论     

一种基于中心点的指纹匹配算法的研究

本文提出了一种指纹识别的特征点匹配算法,该算法是在Xiping Luo的算法的基础上经过改进而得到的.该算法首先通过指纹的中心点来确定指纹匹配时的参考点,指纹的中心方向为初始方向,在此基础上将所有的特征点用极坐标表示,对指纹模板特征点和输入指纹特征点实行归一化.其次,在匹配过程中,采用了一个可变限制框,以适应指纹的非线性变化.此外,本算法采用只对有效区内的指纹特征点进行比对来提高指纹识别的鲁棒性,对指纹中心偏移的输入图象有较好的识别效果.通过对指纹库中的指纹图像做实验,结果表明该算法速度快,精度高,更适用于实时指纹识别系统.