一种适用于物联网设备的自适应跳频方法

由于2.4 GHz频段的免授权性和开放性,新的无线系统在该频段内的自由接入必定会受到同频系统的干扰。针对上述问题,采用自适应跳频技术保证通信双方在通信中自动适应信道变化,实时避开频率集中被干扰的频点,提高通信的可靠性和抗干扰能力。首先介绍自适应跳频技术的2种相关算法,时间同步及信道评估算法,接着介绍基于CC2500的物联网设备的具体实现流程,并采用公共信道实现跳频信令的传输,在基于CC2500的物联网设备上做了具体实践,最后通过实验分析表明,该跳频算法具有一定的实用性和先进性。     

DWDM Filter的测量与自动化

以提高DWDM介质薄膜滤光片测量精度为出发点,对中心波长、插入损失等重要测量指标进行了误差分析,给出了提高测量精度的解决方案以及相应的测量统计数据.并对在手动法测量实验基础上,开发的OR350A型自动测试系统做了介绍,实测结果表明该测试系统比手动法测量明显地改善了测量精度.     

贯彻MIL-STD-883C标准的集成电路老化测试系统

本文在介绍ＭＩＬ－ＳＴＤ－８８３Ｃ标准集成电路老化筛选试验方法的基础上，详细介绍了“ＰＩＣ－４集成电路高温动态老化实时测试系统”的设计过程，包括系统的总体结构、软硬件设计及其关键技术。     

一种基于多属性单值中智集相关度量测的视频运动目标检测方法

视频运动目标检测是视觉传感器数据分析的主要任务之一,其主要用于视频监控.鉴于效率,一些基本的背景模型经常被用于该项任务.然而,当视频图像中存在由于天气、背景扰动等因素带来的噪声时,基于该类模型的动目标检测效果往往会受到严重影响.基于中智集理论提出了一种改进的运动目标检测方法.首先,利用基础背景模型计算得到背景差图像序列;接着提出面向中智集理论的真(Truth)、不确定(Indeterminacy)、假(Falsity)量测,将各背景差图像转换到中智集范畴;最后,综合利用多周期单值中智集相关度量测和一般单值中智集相关度量测强化图像中的运动目标区域,并利用Otsu方法确定最优分割阈值.通过对现实视频序列测试,实验结果表明本文方法能够克服恶劣天气、背景扰动等不良因素,鲁棒完成运动目标提取.     

DWDM Filter的测量与自动化

以提高DWDM介质薄膜滤光片测量精度为出发点,对中心波长、插入损失等重要测量指标进行了误差分析,给出了提高测量精度的解决方案以及相应的测量统计数据.并对在手动法测量实验基础上,开发的OR350A型自动测试系统做了介绍,实测结果表明该测试系统比手动法测量明显地改善了测量精度.     

基于ZigBee协议OTA技术的改进方法研究

选择TI的Zstack作为研究基础,在ZigBee的OTA技术基础上做了一定的改进,设计出一种多点并发、可靠、高效、低能耗的无线下载解决方案。采用数据压缩技术实现对固件代码数据的压缩处理,提高了该方案的性能,并在基于CC2530传感节点上做了具体的实现。该方案成功地应用于一个具有200多个传感节点的ZigBee网络中,方案的可靠性及稳定性得到了验证。     

基于DiMP模型迁移重组的RGBD目标跟踪

深度图可以提供运动目标所处的三维空间结构信息,因此可以用来提升跟踪性能。但目前缺少基于RGBD的目标跟踪数据集,无法直接训练RGBD输入下的深度学习跟踪器。对此,提出了一种基于知识对齐的模型迁移重组算法,可以方便地将在其他RGBD任务上训练得到的模型迁移到基于DiMP的跟踪算法上来,并且对于不同的跟踪对象不需要重新计算迁移参数。另外,针对深度图信息不稳定的问题,提出了一种高效的平滑稳定算法。在VOTRGBD数据集上的实验结果表明,迁移融合后的特征可以显著提升目标和背景之间的判别性,有效提升跟踪器的性能。     

DWDM Filter的测量与自动化

以提高 DWDM介质薄膜滤光片测量精度为出发点 ,对中心波长、插入损失等重要测量指标进行了误差分析 ,给出了提高测量精度的解决方案以及相应的测量统计数据。并对在手动法测量实验基础上 ,开发的 OR35 0 A型自动测试系统做了介绍 ,实测结果表明该测试系统比手动法测量明显地改善了测量精度     

结合改进CamShift算法的人脸识别门禁系统

人脸识别门禁系统已经得到了广泛的应用,但是要求被识别人员靠近图像采集设备,使用起来极不方便.解决此问题的关键是在被识别人员的正常行走过程中完成人脸识别的任务,然而在人的正常行走过程中,因为角度、表情等变化,可能会导致人脸识别产生错误的结果.针对此问题,设计了一种结合CamShift跟踪算法的人脸识别门禁系统,采用人脸检测的结果来改进CamShift跟踪算法,然后再利用这条CamShift跟踪轨迹上人脸识别结果序列来修正错误识别.实验结果表明该系统能够完成正常行走过程中的人脸识别任务,并且有更高的识别率.     

基于双分支孪生网络的目标跟踪

基于孪生网络的目标跟踪算法将跟踪问题建模为目标特征和搜索区特征之间的匹配问题。匹配程度通常是根据二者特征之间的相关响应来衡量。目前该衡量方式仍存在以下局限：一方面,对目标的不同区域使用的是相同的特征提取器,没有考虑到目标内部和轮廓处的区别;另一方面,在特征之间相关性的求解过程中,模板空间结构是固定的,无法很好地应对目标形变时的情况,鲁棒性较差。为解决上述问题,提出了一种双分支孪生网络目标跟踪算法SiamDAH（Double Adjust Head Siamese Network for Object Tracking）,其中双分支结构旨在考虑目标内部区域和轮廓处的表征需求差异。此外,提出了一种改进的逐像素相关模块,有效降低了传统相关操作时模板结构固定带来的问题。在GOT-10k数据集上的实验结果表明,提出的算法在AO、SR0.5、SR0.75指标上较基准算法分别实现了3.4%、7.0%、2.3%的提升。在NVIDIA RTX 2080Ti上速度可达90 frame/s。