排序方式: 共有38条查询结果,搜索用时 15 毫秒
1.
在利用微波干涉进行高速运动目标参数测试过程中,噪声是影响测试数据处理精度的关键因素,文章通过分析微波干涉信号的基本特点,利用小波变换与精确时域处理相结合的方法,对运动目标干涉信号进行了处理,得到了平滑的测试曲线,提高了数据处理结果的精度.同时该方法也可用于其他高噪变频数据的频率提取,具有通用性. 相似文献
2.
采用120°角度尺等简单自制工辅具,实现了对曲拐空间相位角度和偏心量的控制,减少三拐曲轴工艺重量、降低材料成本,成功整体锻造了隔膜泵三拐曲轴,实现了自由锻无错移大偏心曲拐成形,降低了加工周期,外形尺寸及内部质量均符合技术要求。 相似文献
3.
4.
5.
由于使用图像法获得工件的单一纹理无法精确描述工件表面粗糙度,所以给出了通过改进GLCM(灰度共生矩阵)特征和Tamura特征的纹理提取算法,并通过建立纹理特征与表面粗糙度之间的模型关系定性评价工件表面粗糙度。首先对传统的GLCM加以修改,提出了增强的GLCM(ET-GLCM)算子,提升了GLCM的尺度不变性和旋转不变性,并经过对比实验证明ET-GLCM有较强的鲁棒特性;然后创建了支持向量机检测模型,测量不同粗糙度等级的工件表面图像。以工件表面图像的纹理特征参数为输入,对应的工件表面粗糙度Ra为期望输出,从而完成工件表面粗糙度的检测。通过实验验证支持向量机检测模型的有效性,其检测结果相对误差不超过5%,绝对误差小于0.06。根据仿真对比实验结果表明,提出的方法具有较高的检测精度,可用于工件表面的粗糙度检测。 相似文献
6.
7.
8.
视频异常行为的检测对保障公共安全至关重要,对基于深度学习的异常行为检测算法进行了分类与总结.首先,介绍了异常行为检测的整体流程.然后,根据神经网络训练的方式,从有监督学习、弱监督学习和无监督学习三个方面论述了深度学习在异常行为检测领域的发展与应用,同时分析了不同训练方式的优缺点.最后,介绍了常用数据集以及性能评估准则,... 相似文献
9.
10.
高速运动目标测试数据处理精度的方法研究 总被引:1,自引:0,他引:1
在利用微波干涉进行高速运动目标参数测试过程中,噪声是影响测试数据处理精度的关键因素,文章通过分析微波干涉信号的基本特点,利用小波变换与精确时域处理相结合的方法,对运动目标干涉信号进行了处理,得到了平滑的测试曲线,提高了数据处理结果的精度.同时该方法也可用于其他高噪变频数据的频率提取,具有通用性. 相似文献