国产打屁股在线调教97,精品处破学生在线观看

無線傳感網(wǎng)中的一種能量均衡算法的研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

如何能夠降低無線傳感網(wǎng)中的節(jié)點(diǎn)能量消耗一直都是研究的熱門。針對基本Leach路由算法存在節(jié)點(diǎn)能量消耗大、負(fù)載不均衡的缺點(diǎn),文章一方面在Leach算法的簇頭選擇中首先進(jìn)行最優(yōu)解計算,其次通過遺傳算法的染色體編碼概念對簇內(nèi)其他節(jié)點(diǎn)能量排序進(jìn)行優(yōu)化,得到最優(yōu)簇頭；另一方面在簇間路由中進(jìn)行最優(yōu)跳數(shù)的確定,引入轉(zhuǎn)發(fā)概率函數(shù)和最優(yōu)中間點(diǎn)的選擇提高路由效率。在仿真實(shí)驗中,與基本Leach算法相比，改進(jìn)算法在節(jié)點(diǎn)死亡時間、數(shù)據(jù)包接收和能量消耗方面都具有明顯的改善。

發(fā)表于：5/3/2017

基于傳輸徑修正的改進(jìn)型TD-SCDMA信道估計法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對3G移動通信中的某些特殊應(yīng)用場景，如信號偵查、定位及信號的智能干擾等需要對通信信道進(jìn)行快速準(zhǔn)確估計的要求，在B.Steiner信道估計法的基礎(chǔ)上，提出一種新型的改進(jìn)方法。該方法首先對B.Steiner信道估計結(jié)果進(jìn)行門限處理，然后對保留徑的響應(yīng)進(jìn)行最大比增益修正，從而進(jìn)一步減弱噪聲對系統(tǒng)的影響。在TD-SCDMA的協(xié)議測試模型case3條件下進(jìn)行仿真，結(jié)果表明，在不明顯增加算法復(fù)雜度的前提下，同一誤碼率時該方法所需輸入信噪比降低了1~2 dB。

發(fā)表于：5/3/2017

基于雙向ANC中繼系統(tǒng)的協(xié)作干擾策略分析[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

模擬網(wǎng)絡(luò)編碼(Analog Network Coding, ANC)和協(xié)作干擾(Cooperative Jamming, CJ)都能夠提高無線通信系統(tǒng)的物理層安全性能。文章基于物理層安全理論，針對同時面對內(nèi)部和外部竊聽者的雙向ANC中繼系統(tǒng)，提出了一種CJ策略。所提策略通過一個外部干擾節(jié)點(diǎn)來實(shí)施干擾，先優(yōu)化受限的總干擾功率在各通信時隙間的功率分配，再優(yōu)化受限的系統(tǒng)總功率在系統(tǒng)各合法節(jié)點(diǎn)間的功率分配，使雙向ANC中繼系統(tǒng)實(shí)現(xiàn)更好的物理層安全性能，并通過相應(yīng)的理論分析和對特定場景的數(shù)值仿真進(jìn)行了驗證。

發(fā)表于：5/3/2017

基于復(fù)合體制和Kalman濾波的交通測速雷達(dá)設(shè)計[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

在深入研究各雷達(dá)體制基本原理及信號處理方法的基礎(chǔ)上，根據(jù)實(shí)際交通管理需求現(xiàn)狀，指出兩種體制復(fù)合工作的必要性，分別對雷達(dá)系統(tǒng)硬件電路和DSP算法做出改進(jìn)。通過MATLAB分析數(shù)據(jù)以及實(shí)際路測，能夠準(zhǔn)確得到目標(biāo)機(jī)動車的速度和距離信息，車輛有效抓拍率高達(dá)99%以上，并有很好的抓拍一致性。該研究成果可對交通管理部門的監(jiān)管工作提供便利，有效提高執(zhí)法可靠性，具有重要的現(xiàn)實(shí)意義。

發(fā)表于：5/3/2017

服務(wù)機(jī)器人導(dǎo)航與調(diào)度系統(tǒng)技術(shù)研究[嵌入式技術(shù)][其他]

針對服務(wù)機(jī)器人導(dǎo)航和調(diào)度系統(tǒng)問題進(jìn)行了研究。首先根據(jù)事先確定的任務(wù)進(jìn)行自主全局路徑規(guī)劃，移動機(jī)器人在執(zhí)行路徑跟蹤時，還要不斷感知周圍的局部環(huán)境信息；其次，移動機(jī)器人不僅要避開附近的移動障礙物，而且要進(jìn)行局部規(guī)劃或局部路徑修正；然后，完成了地圖創(chuàng)建、機(jī)器人全局定位、規(guī)劃局部路徑并控制車體運(yùn)動；最后，介紹了服務(wù)機(jī)器人調(diào)度系統(tǒng)終端軟件。實(shí)現(xiàn)了機(jī)器人與調(diào)度系統(tǒng)的結(jié)合，完成通過調(diào)度系統(tǒng)進(jìn)行機(jī)器人運(yùn)動控制的功能。

發(fā)表于：5/3/2017

基于TMS320DM6437的車道線檢測與跟蹤[嵌入式技術(shù)][汽車電子]

在TMS320DM6437平臺上實(shí)現(xiàn)了車道線的實(shí)時檢測與跟蹤。通過兩級Hough變換實(shí)現(xiàn)了車道線實(shí)時檢測，利用視頻幀與幀之間的相關(guān)性對車道線進(jìn)行跟蹤。在算法移植到TMS320DM6437平臺過程中，利用DSP特點(diǎn)，對算法在結(jié)構(gòu)以及流程等方面再次進(jìn)行優(yōu)化進(jìn)行進(jìn)一步優(yōu)化。經(jīng)過實(shí)驗測試，該系統(tǒng)實(shí)現(xiàn)了車道線實(shí)時檢測與跟蹤。

發(fā)表于：5/3/2017

基于多特征融合的駕駛員狀態(tài)檢測的實(shí)現(xiàn)[嵌入式技術(shù)][汽車電子]

針對駕駛員狀態(tài)檢測和提取特征單一化以及檢測設(shè)備成本過高的缺陷，提出了一種多特征融合的駕駛員狀態(tài)的實(shí)現(xiàn)。該系統(tǒng)以內(nèi)置DSP芯片的STM32L4低功耗單片機(jī)為核心，首先通過SON1303、MPU6050等傳感器實(shí)時采集，分別獲取人的脈搏、加速度、角速度以及姿態(tài)角特征參數(shù)；其次，脈搏調(diào)用DSP庫實(shí)現(xiàn)快速傅里葉變換（FFT），利用切比雪夫窗口設(shè)計濾波器提取頻譜；最后，通過駕駛員狀態(tài)良好、疲勞、分心以及緊張頻譜分析，定義第一主峰B以及頻譜比K，融合B、K、姿態(tài)角、加速度、角速度等特征實(shí)現(xiàn)對駕駛員狀態(tài)的判斷。通過實(shí)驗測試，該系統(tǒng)具有抗干擾強(qiáng)、低成本等特點(diǎn)，可以廣泛應(yīng)用于駕駛員狀態(tài)檢測，便于ADAS技術(shù)推廣。

發(fā)表于：5/3/2017

海雜波背景下小目標(biāo)檢測的深度信念網(wǎng)絡(luò)方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

結(jié)合深度學(xué)習(xí)相關(guān)理論，提出了海雜波背景下小目標(biāo)檢測的深度信念網(wǎng)絡(luò)方法。該方法以無標(biāo)簽數(shù)據(jù)逐層進(jìn)行非監(jiān)督貪婪訓(xùn)練，使每層得到一個合適的初始值；構(gòu)建深度信念網(wǎng)絡(luò)初步模型，并以帶標(biāo)簽的數(shù)據(jù)對該種模型以誤差反向算法對整個網(wǎng)絡(luò)的參數(shù)進(jìn)行調(diào)優(yōu)，建立預(yù)測模型；最后利用該種預(yù)測模型檢測湮沒在海雜波背景下的小目標(biāo)信號。以加拿大McMaster實(shí)測的IPIX雷達(dá)數(shù)據(jù)進(jìn)行實(shí)驗，利用均方根誤差評價性能。實(shí)驗結(jié)果表明，針對第54#海雜波數(shù)據(jù)，文章提出的深度信念網(wǎng)絡(luò)方法所預(yù)測的均方根誤差為0.016，與已有的選擇性支持向量機(jī)集成方法均方根誤差0.026 4和K均值有效極限學(xué)習(xí)機(jī)所得的均方根誤差0.042 8相比，預(yù)測精度有所提高。

發(fā)表于：5/3/2017

基于單片機(jī)和GSM的智能家居系統(tǒng)的設(shè)計[嵌入式技術(shù)][其他]

介紹了單片機(jī)操作系統(tǒng)、C語言技術(shù)與GSM模塊結(jié)合完成智能家居系統(tǒng)的設(shè)計與實(shí)現(xiàn)。該系統(tǒng)主要實(shí)現(xiàn)三大功能：監(jiān)控室內(nèi)溫度、防盜和檢測室內(nèi)可燃?xì)庖约盁熿F。首先通過3個傳感器模塊采集室內(nèi)信息，例如溫度、人體、可燃?xì)馀c煙霧等，然后發(fā)送到以51系列單片機(jī)為核心控制器構(gòu)建的數(shù)據(jù)采集終端上進(jìn)行處理，若發(fā)生特殊情況，系統(tǒng)發(fā)出報警聲，并通過GSM模塊發(fā)送報警信息到遠(yuǎn)程接收端。仿真結(jié)果證明，該系統(tǒng)成本低，操作方便，并且達(dá)到了預(yù)期的穩(wěn)定性和可靠性。

發(fā)表于：5/2/2017

非均勻節(jié)點(diǎn)情形下的一類三角B樣條曲線[嵌入式技術(shù)][其他]

給出一類在非均勻節(jié)點(diǎn)情形下帶參數(shù)的三角B樣條基函數(shù)，討論了這類基函數(shù)的性質(zhì)以及在重節(jié)點(diǎn)情形時的變化,并利用這類基函數(shù)構(gòu)造了相應(yīng)的三角B樣條曲線，這類曲線具有與二次非均勻B樣條曲線相似的性質(zhì)。在控制頂點(diǎn)不變的情況下，可以通過改變形狀參數(shù)取值來調(diào)節(jié)曲線的形狀。此外，它還能精確表示圓、橢圓等曲線。

發(fā)表于：5/2/2017

基于主凹點(diǎn)檢測的血細(xì)胞圖像去粘連分割算法研究[嵌入式技術(shù)][醫(yī)療電子]

針對醫(yī)學(xué)中血細(xì)胞圖像研究中粘連細(xì)胞難以分割的問題，提出一種基于主凹點(diǎn)檢測的分割算法。通過濾波預(yù)處理去除圖像的噪聲以改善圖像質(zhì)量，基于改進(jìn)的活動輪廓模型初步提取細(xì)胞輪廓，通過尋找主凹點(diǎn)的方法準(zhǔn)確定位粘連細(xì)胞凹點(diǎn)位置，標(biāo)記并融合細(xì)胞圖像輪廓、粘連形狀等特性，實(shí)現(xiàn)粘連細(xì)胞分離。實(shí)驗結(jié)果表明，該方法具有很好的分割準(zhǔn)確度和完整度，且該算法具有普適性。

發(fā)表于：5/2/2017

雨天環(huán)境基于HOG-SIFT特征稀疏表示的行人檢測[嵌入式技術(shù)][其他]

針對雨天環(huán)境下監(jiān)控視頻因雨水噪聲、圖像的灰度值削弱使行人輪廓特征丟失而出現(xiàn)的目標(biāo)行人漏檢誤檢情況，建立了一種基于HOG-SIFT特征稀疏表示的行人檢測算法。通過直方圖均衡化降低雨水噪聲；提取圖像HOG-SIFT融合特征表征視頻圖像中的行人信息，減少輪廓特征的丟失；利用稀疏表示降低融合特征的維數(shù)，減小計算量并保留有效的行人特征，結(jié)合AdaBoost分類器降低漏檢率和誤檢率。實(shí)驗結(jié)果表明，該算法在雨天環(huán)境下有效地提高了行人檢測的準(zhǔn)確率。

發(fā)表于：5/2/2017

基于Kinect 2.0深度圖像的快速體積測量[嵌入式技術(shù)][其他]

為了滿足現(xiàn)實(shí)生活中對物體體積實(shí)時測量的需求，提出了一套基于Kinect 2.0深度圖像處理的快速體積測量方案。首先，使用Kinect 2.0 深度傳感器獲得深度圖像及對應(yīng)的點(diǎn)云數(shù)據(jù)矩陣，并對深度圖像進(jìn)行增強(qiáng)、二值化、目標(biāo)提取等預(yù)處理，定位出目標(biāo)物體。然后，通過像素點(diǎn)的統(tǒng)計和點(diǎn)云數(shù)據(jù)的處理得到目標(biāo)物體的面積、高度。最后由面積和高度完成目標(biāo)物體的體積計算。經(jīng)驗證這種方法的體積測量誤差控制在3%以內(nèi)，完全滿足實(shí)時性的誤差要求，又由于深度圖像較彩色圖像不易受光線、背景的干擾，使得該方法具有很強(qiáng)的魯棒性。

發(fā)表于：5/2/2017

基于STC單片機(jī)的角度控制[嵌入式技術(shù)][智能電網(wǎng)]

利用STC12系列單片機(jī)作為控制核心，減速電機(jī)作為執(zhí)行機(jī)構(gòu)，以單圈電位器作為檢測元件，在有限范圍內(nèi)實(shí)現(xiàn)了角度的精確控制。經(jīng)過實(shí)驗測試，在0°~235°的控制范圍內(nèi)，最大誤差控制在±1°，保證了控制精度和控制速率；經(jīng)過實(shí)際使用驗證了該方案安全、可靠。

發(fā)表于：5/2/2017

基于多尺度重采樣的車道線檢測[嵌入式技術(shù)][汽車電子]

提出了一種適用于輔助駕駛的高魯棒性車道線檢測算法。算法采用了根據(jù)距離的影像金字塔，有效提高了檢測效率和準(zhǔn)確率，實(shí)現(xiàn)了Android平臺的實(shí)時檢測，使用水平方向暗-亮-暗特征、二次曲線車道模型和基于卡爾曼濾波的跟蹤實(shí)時提取跟蹤路面車道線，實(shí)現(xiàn)相機(jī)俯仰角的快速標(biāo)定。實(shí)驗證明，基于簡單特征和車道線模型算法在Android系統(tǒng)的行車記錄儀上可穩(wěn)定地進(jìn)行車道跟蹤。

發(fā)表于：5/2/2017