国产免费久久黄色视频,成人影院在线免费观看

多特征融合及最小均方誤差優(yōu)化的陰影檢測[嵌入式技術(shù)][安防電子]

為降低陰影對運(yùn)動(dòng)目標(biāo)檢測結(jié)果的干擾，提出了一種陰影檢測方法，作為運(yùn)動(dòng)偵測方法的后處理步驟。在運(yùn)動(dòng)偵測檢測到的目標(biāo)列表的基礎(chǔ)上，該方法針對R、G、B 3個(gè)顏色通道提取相鄰幀之間像素點(diǎn)的亮度、對比度和結(jié)構(gòu)特征，融合這3類特征生成相似度度量，并依據(jù)最小均方誤差準(zhǔn)則設(shè)計(jì)目標(biāo)函數(shù)，通過最優(yōu)化方法求解最佳的像素點(diǎn)分割閾值，檢測并消除運(yùn)動(dòng)偵測目標(biāo)中的陰影像素點(diǎn)。陰影檢測實(shí)驗(yàn)在Changedetection.net數(shù)據(jù)集的shadow數(shù)據(jù)子集進(jìn)行。實(shí)驗(yàn)結(jié)果表明，該方法的陰影檢測率高，檢測耗時(shí)少。

發(fā)表于：11/6/2018

?基于GNURadio的CMA盲均衡器和鎖相環(huán)組合設(shè)計(jì)與實(shí)現(xiàn)[通信與網(wǎng)絡(luò)][其他]

在分析Bussgang類恒模算法(Constant Modulus Algorithm,CMA）盲均衡基礎(chǔ)上，使用改進(jìn)型CMA結(jié)合二階鎖相環(huán)（PLL）的盲均衡方法，實(shí)現(xiàn)對MQAM（M=4,16,64）和MPSK（M=2,4,8）信號經(jīng)過高斯噪聲信道后發(fā)生的頻率偏移和相位偏移的消除。組建了基于GNURadio和USRP軟件無線電平臺(tái)的CMA+PLL盲均衡處理模塊。通過對MQAM和MPSK信號的測試，模塊在噪聲影響下對信號頻率和相位偏移依然有良好的糾正性能，為使用軟件無線電平臺(tái)實(shí)時(shí)接收處理信號做好模塊化驗(yàn)證。

發(fā)表于：11/5/2018

一款77GHz車載長距雷達(dá)陣列的理論推導(dǎo)及仿真實(shí)現(xiàn)[通信與網(wǎng)絡(luò)][汽車電子]

本文詳細(xì)描述了一款10*10高增益77GHz微波雷達(dá)陣列天線的理論推導(dǎo)計(jì)算和仿真設(shè)計(jì)過程，首先基于純理論計(jì)算或者借助于仿真工具實(shí)現(xiàn)單陣列單元的設(shè)計(jì)仿真，然后將設(shè)計(jì)成功的單陣列單元組成1*10陣列，根據(jù)天線的副瓣抑制要求，采用契比雪夫計(jì)算公式計(jì)算出10個(gè)陣元激勵(lì)電流，調(diào)節(jié)控制陣元寬度使之符合激勵(lì)電流的要求。最后，采用指數(shù)電流分布方式將設(shè)計(jì)后的單陣列天線組成10*10陣列天線完成本設(shè)計(jì)。

發(fā)表于：11/5/2018

基于先驗(yàn)知識的草莓機(jī)器手目標(biāo)定位算法[嵌入式技術(shù)][工業(yè)自動(dòng)化]

研究開發(fā)了一種基于視覺識別的草莓機(jī)器手，重點(diǎn)是采用深度學(xué)習(xí)輔助草莓機(jī)器手進(jìn)行目標(biāo)定位。為了加快目標(biāo)定位速度，先把草莓目標(biāo)的特定顏色作為先驗(yàn)知識進(jìn)行候選目標(biāo)的分割篩選，再將得到的多個(gè)候選區(qū)輸入預(yù)先訓(xùn)練好的深度卷積網(wǎng)絡(luò)進(jìn)行目標(biāo)識別，得分最高的候選區(qū)作為最終的定位結(jié)果。實(shí)驗(yàn)證實(shí)，該算法可以實(shí)時(shí)地獲取高精度符合要求的目標(biāo)區(qū)域。

發(fā)表于：11/5/2018

空地機(jī)器人協(xié)同導(dǎo)航方法與實(shí)驗(yàn)研究[嵌入式技術(shù)][工業(yè)自動(dòng)化]

地面移動(dòng)機(jī)器人與空中飛行機(jī)器人的功能互補(bǔ)作用具有明顯的優(yōu)越性，對于提高任務(wù)的完成度具有重要的作用，因此近年來越來越受到研究人員的關(guān)注?？盏貦C(jī)器人協(xié)作的一種典型模式是通過空中機(jī)器人的大范圍環(huán)境感知能力為地面機(jī)器人提供路徑導(dǎo)航信息，為此，首先搭建了空地機(jī)器人協(xié)作平臺(tái)并利用空中視覺傳感信息對地面環(huán)境進(jìn)行感知和識別；然后，利用路徑規(guī)劃算法對路徑進(jìn)行規(guī)劃并精簡指令；最后，地面機(jī)器人結(jié)合機(jī)器視覺執(zhí)行任務(wù)。實(shí)驗(yàn)驗(yàn)證成功率在80%以上，表明該方法具有較好的可行性。

發(fā)表于：11/5/2018

基于國產(chǎn)化平臺(tái)監(jiān)控軟件的設(shè)計(jì)與實(shí)現(xiàn)[嵌入式技術(shù)][安防電子]

目前的監(jiān)控設(shè)備大部分是基于國外的基礎(chǔ)軟硬件研制開發(fā)的，存在核心技術(shù)受制于人的安全隱患。針對該問題，提出一種基于國產(chǎn)化軟硬件平臺(tái)的監(jiān)控軟件設(shè)計(jì)與實(shí)現(xiàn)。通過分?jǐn)?shù)據(jù)庫存儲(chǔ)實(shí)現(xiàn)插入、查詢算法的優(yōu)化，采用多線程設(shè)計(jì)實(shí)現(xiàn)大量并行數(shù)據(jù)的接收與處理，利用面向?qū)ο蟪绦蛟O(shè)計(jì)方法實(shí)現(xiàn)數(shù)據(jù)接收層、處理層和展示層的有效分離。設(shè)計(jì)的軟件經(jīng)實(shí)際環(huán)境應(yīng)用，表現(xiàn)出良好的數(shù)據(jù)承載能力、實(shí)時(shí)性和可靠性，同時(shí)具有較好的可擴(kuò)展性和可維護(hù)性。

發(fā)表于：11/5/2018

基于有向最短路徑的冠脈主分支全自動(dòng)提取算法[嵌入式技術(shù)][醫(yī)療電子]

在臨床應(yīng)用中，從心臟計(jì)算機(jī)斷層掃描血管造影CTA圖像中提取冠狀動(dòng)脈的中心線一直是一個(gè)具有挑戰(zhàn)性的研究課題。因此，提出了一種基于模型映射的有向最短路徑算法，全自動(dòng)地提取和識別冠脈主分支中心線。在提出的方法中重新定義了最短路徑的代價(jià)函數(shù)，并利用先驗(yàn)?zāi)Ｐ吞峁┕诿}感興趣區(qū)域和冠脈中心線的方向信息，全自動(dòng)地提取冠脈主分支的中心線。在實(shí)驗(yàn)中，基于先驗(yàn)?zāi)Ｐ偷挠邢蜃疃搪窂皆谥行木€提取過程中顯示出較強(qiáng)的魯棒性，冠脈3個(gè)主分支中心線提取結(jié)果的平均重疊率達(dá)到了81.0％。

發(fā)表于：11/2/2018

基于深度學(xué)習(xí)的煙霧識別研究[嵌入式技術(shù)][安防電子]

基于Google第二代人工智能學(xué)習(xí)系統(tǒng)TensorFlow構(gòu)建神經(jīng)網(wǎng)絡(luò)對煙霧圖像進(jìn)行識別檢測，通過改進(jìn)的運(yùn)動(dòng)檢測算法截取疑似煙霧區(qū)域圖像，并結(jié)合PCA降維算法和Inception Resnet v2網(wǎng)絡(luò)模型在TensorFlow平臺(tái)下進(jìn)行煙霧特征的訓(xùn)練識別。該算法實(shí)現(xiàn)了較大范圍的火災(zāi)實(shí)時(shí)檢測報(bào)警，經(jīng)過實(shí)驗(yàn)證明整個(gè)檢測過程準(zhǔn)確地識別了視頻流中的煙霧區(qū)域，相比于傳統(tǒng)煙霧識別方法具有更高的準(zhǔn)確率和自適應(yīng)性，為大范圍的火災(zāi)煙霧報(bào)警提供了一種有效方案。

發(fā)表于：11/2/2018

基于休眠策略的異構(gòu)網(wǎng)絡(luò)資源分配研究[通信與網(wǎng)絡(luò)][其他]

為了有效緩解異構(gòu)網(wǎng)絡(luò)中的干擾以及能耗問題，提出了基于基站休眠策略的多目標(biāo)優(yōu)化資源聯(lián)合分配方案，建立了以宏用戶受到的跨層干擾最小和低功率節(jié)點(diǎn)的能量消耗速率最小的多目標(biāo)優(yōu)化模型，進(jìn)而采用改進(jìn)非支配排序遺傳算法對該模型進(jìn)行求解且對其有效性進(jìn)行了仿真分析。仿真結(jié)果表明，所提方案與現(xiàn)有方案相比，能更好地減小宏用戶受到的跨層干擾，同時(shí)能降低低功率節(jié)點(diǎn)的能量消耗速率。

發(fā)表于：11/2/2018

?一種基于RB-HARQ安全傳輸技術(shù)的吞吐量最大化方法[通信與網(wǎng)絡(luò)][信息安全]

在基于可靠度混合自動(dòng)重傳技術(shù)（Reliability-Based Hybrid ARQ, RB-HARQ）的物理層安全編碼中，提出一種根據(jù)信道條件選擇最優(yōu)重傳比特?cái)?shù)目的方法，該方法能夠在保證安全性的條件下實(shí)現(xiàn)吞吐量最大。在RB-HARQ技術(shù)中，接收端將碼字比特按照可靠度信息大小進(jìn)行排列，將最低可靠度的比特重傳給發(fā)送端。為了最大化吞吐量，利用密度進(jìn)化算法和軟合并的方法計(jì)算出相應(yīng)節(jié)點(diǎn)的信息概率密度，通過近似得出理論誤比特率，在此基礎(chǔ)上從理論上得出最佳重傳數(shù)目方案。仿真結(jié)果表明，所提算法與傳統(tǒng)的RB-HARQ算法相比，在保證安全性和可靠性的條件下，顯著提高了吞吐量，并且驗(yàn)證了理論分析的正確性。

發(fā)表于：11/1/2018

基于流行度的P2P流媒體復(fù)制算法[通信與網(wǎng)絡(luò)][其他]

通過把赤字帶寬引入到流媒體文件流行度中，定義了一種新的流媒體文件的流行度, 以該流行度為依據(jù)，確定需要復(fù)制的流媒體文件，將節(jié)點(diǎn)按綜合性能指標(biāo)進(jìn)行排序，把副本放置在綜合性能高的節(jié)點(diǎn)上。在副本放置空間不足時(shí)需要進(jìn)行副本替換，替換掉副本實(shí)際數(shù)量與期望數(shù)量之比中比值最大的文件，以復(fù)制新的文件。實(shí)驗(yàn)表明，和比例復(fù)制算法相比，本算法的工作負(fù)載更早進(jìn)入穩(wěn)態(tài)，平均提前了總仿真時(shí)間的13%。穩(wěn)態(tài)時(shí)，工作負(fù)載更小, 工作負(fù)載是比例復(fù)制算法的33.3% ；達(dá)到流媒體文件請求速率的節(jié)點(diǎn)數(shù)量比比例復(fù)制算法的節(jié)點(diǎn)數(shù)量平均多1‰左右；同時(shí)在暫態(tài)時(shí)，本算法的波動(dòng)更加平穩(wěn)。

發(fā)表于：11/1/2018

能量獲取框架下的5G綠色通信小區(qū)選擇算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著蜂窩移動(dòng)網(wǎng)絡(luò)中用戶數(shù)的增加，蜂窩網(wǎng)從以前的單一架構(gòu)轉(zhuǎn)變?yōu)楫悩?gòu)，基站的能量消耗也呈現(xiàn)出了指數(shù)型的增長。能量獲取是一種新興的技術(shù)，可以節(jié)省傳統(tǒng)電網(wǎng)的能量并減少無線通信中的碳排放量。異構(gòu)網(wǎng)絡(luò)中的小區(qū)選擇是影響系統(tǒng)性能的關(guān)鍵因素。從能量獲取、能量協(xié)作、異構(gòu)網(wǎng)絡(luò)等方面考慮，提出了一種折中能量獲取、能量消耗、負(fù)載均衡、接收速率等性能指標(biāo)的小區(qū)選擇算法。仿真結(jié)果表明，該算法可以減少基站對電網(wǎng)能量的需求，增加用戶選擇的可能，滿足公平性和有效性，可適用于5G綠色通信。

發(fā)表于：11/1/2018

基于卷積神經(jīng)網(wǎng)絡(luò)的詩詞隱寫檢測方法[通信與網(wǎng)絡(luò)][其他]

利用詩詞作為載體實(shí)現(xiàn)文本信息隱藏是近兩年非常熱門的研究方向。這一類方法具有隱藏容量大并且隱蔽性高的優(yōu)點(diǎn)。然而現(xiàn)在還沒有針對這一類方法的非常有效的隱寫檢測算法。提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的詩詞隱寫檢測算法，該算法能自動(dòng)判斷輸入的文本是否含有隱藏信息。通過大量數(shù)據(jù)對模型進(jìn)行訓(xùn)練并測試，實(shí)驗(yàn)結(jié)果顯示所提出的模型能達(dá)到94.8%的檢測準(zhǔn)確率，表現(xiàn)出非常高的詩詞隱寫檢測性能。

發(fā)表于：11/1/2018

基于連續(xù)時(shí)隙探測的防碰撞算法研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為進(jìn)一步提高標(biāo)簽的識別速度，針對動(dòng)態(tài)幀時(shí)隙類算法對幀長調(diào)整的不靈敏性以及Q算法中Q值調(diào)整的高計(jì)算復(fù)雜度，提出了一種基于連續(xù)時(shí)隙探測的RFID防碰撞算法，詳細(xì)闡述了該算法的思想和運(yùn)算流程。該算法通過探測識別幀中連續(xù)時(shí)隙的應(yīng)答狀況，利用設(shè)定的規(guī)則調(diào)整幀長，使系統(tǒng)工作在最佳狀態(tài)。仿真結(jié)果表明，與標(biāo)準(zhǔn)QA算法相比，改進(jìn)的算法縮短了系統(tǒng)4%的識別時(shí)延，提高了系統(tǒng)6%的識別速度。

發(fā)表于：10/31/2018

一種基于RFID和WSN的分布式節(jié)點(diǎn)定位方法[測試測量][工業(yè)自動(dòng)化]

射頻識別（RFID）技術(shù)和無線傳感網(wǎng)（WSN）技術(shù)在當(dāng)今移動(dòng)定位、目標(biāo)識別與跟蹤方面具有廣泛的應(yīng)用。針對這兩種技術(shù)在定位領(lǐng)域的應(yīng)用局限，如感應(yīng)距離、識別效率、組網(wǎng)能力等方面限制，提出一種網(wǎng)絡(luò)節(jié)點(diǎn)定位方法，將具有標(biāo)識能力的射頻識別（RFID）技術(shù)與具有通信、傳感能力的無線傳感網(wǎng)（WSN）技術(shù)相結(jié)合。首先，利用射頻標(biāo)簽的感應(yīng)范圍獲取準(zhǔn)確的參考區(qū)域；然后，采用基于指紋的非測距定位方法在選定參考區(qū)域估算移動(dòng)節(jié)點(diǎn)實(shí)時(shí)位置。仿真結(jié)果表示，在分布式網(wǎng)絡(luò)定位應(yīng)用中，所提出的算法有效提升了移動(dòng)節(jié)點(diǎn)的定位精度，同時(shí)節(jié)約了網(wǎng)絡(luò)資源，提升了定位效率。

發(fā)表于：10/31/2018