基于红外技术的物联网异常节点智能定位系统设计

为了解决传统方法定位精准度低、耗时长和准确率不高的问题,在红外技术基础上设计出一种物联网异常节点智能定位系统。提出测量角度信息得出双站测角定位原理,实现三角交叉定位,根据"几何稀释"原理同时融合红外平台本身具有的特点,构建正交多站测角红外被动定位模型。根据该模型获取出对应节点距离灵敏度曲线结论以及异常节点大概范围区域,为解决传统DV-HOP算法容易受环境因素影响导致定位结果出现偏差问题,通过获取节点跳数、计算平均跳距以及节点定位三个主要点位阶段进行改进,实现对物联网中异常节点定位,完成物联网异常节点智能定位系统设计。仿真实验结果,验证所提系统计算过程简便,定位精度高,定位耗时较短,且误差值小准确率较高。     

基于ARM920T嵌入式低频数字扫描仪设计

系统采用ARM920T作为核心处理嚣,以低频信号作为信号源,采用DDS技术,从而实现相频、幅度、频率特性的分析仪器,能够简单地实现信号源的时域和具体参数的波形。系统主要由ARM920T控制处理器、DDS扫频模块、ADC采样模块、DAC输出模块、检波滤波器模块、扫频信号源幅度模块组成。其中处理器采样ARM920T,扫频信号源采样DDS芯片AD9851,检波模块以AD637JQ芯片构成,相位检测模块由AD8302芯片构成,DAC芯片TLV5618控制扫频信号的幅度。实验结果表明,仪器可以检测20Hz～1 MHz左右的频率信号源,可以显示在LCD屏幕上,直观地读出频率、幅度和相位。     

基于YOLOv5的CCTSDB小目标检测算法研究

为了提高全新中国交通标志检测数据集2021(CCTSDB 2021)的小目标检测精度。在YOLOv5网络模型上,融入归一化的注意力模块（NAM）和协调注意力模块（CA）,同时新增加160×160的检测特征图,增加小目标检测层,用于检测4×4以上的目标。在YOLOv5中采用改进的SIou目标回归损失函数,使得整个网络模型对图像特征的学习能力和目标检测精度得到一定的提升。实验表明,CCTSDB2021在改进的YOLOv5算法中,小目标检测精度mAP@.5和mAP@.5:.95达到85.87%、57.21%,相比原YOLOv5网络mAP@.5、mAP@.5:.95分别提升了5.72%、5.85%,检测精度和精确率-召回率得到了明显提升,减少了推理时间,提高了整体网络的鲁棒性,具有更好的检测性能和目标分辨能力。     

浅谈物联网技术发展现状及其应用

0引言物联网是一种新兴的产业,也是信息化时代重要发展的产物。其英文名叫"Internet of things"。从这个英文就可以知道物联网就是物与物相连的互联网。这里有两层意思:其一,物联网的核心技术还是互联网,是互联网的延伸和扩展。其二,用户端延伸和扩展到了物与物之间,从而进行信息交换和通信。物联网通过智能感知,识别技术和普适计算等通信感知技术,广泛的融合