亚洲av色吊丝无码,久久久亚洲欧洲日产国码a

基于Bag-of-Features算法的車輛檢測研究[模擬設(shè)計][智能交通]

車輛檢測已成為交通運輸工程（ACC）和先進輔助駕駛系統(tǒng)（ADAS）中的核心技術(shù)之一。該算法利用車輛的邊緣特征與BagofFeatures（BoF）模型的融合對前方運動車輛進行實時檢測，主要包含車輛假設(shè)存在區(qū)域生成和假設(shè)區(qū)域驗證兩部分。首先，對圖像進行預(yù)處理后利用Sobel邊緣檢測處理得到車輛假設(shè)存在的區(qū)域；然后，利用BagofFeatures的K最近鄰域算法對假設(shè)存在區(qū)域進行驗證。該算法與其他算法最大的區(qū)別在于將邊緣和BagofFeatures相結(jié)合來提高檢測率。通過對實際道路視頻進行測試，結(jié)果表明，該方法能夠?qū)崟r準(zhǔn)確地檢測出道路上前方運動車輛。

發(fā)表于：3/3/2016

基于STM32的輸液監(jiān)控系統(tǒng)設(shè)計與實現(xiàn)[嵌入式技術(shù)][醫(yī)療電子]

為實現(xiàn)靜脈輸液的智能化與網(wǎng)絡(luò)化，研制了一套以STM32為核心的輸液監(jiān)控系統(tǒng)。該系統(tǒng)具有液滴檢測、液滴速度顯示與控制、余液顯示、無線通信和聲光報警等功能。系統(tǒng)采用紅外對管檢測莫菲氏滴管內(nèi)的液滴滴落情況，用步進電機及配套傳動裝置控制液滴流速，用OLED顯示屏顯示液滴速度及剩余液量，用WIFI232模塊實現(xiàn)無線通信。若發(fā)生異常情況，利用蜂鳴器和LED燈進行聲光報警，相關(guān)人員可根據(jù)提醒及時處理。該系統(tǒng)具有很好的應(yīng)用前景。

發(fā)表于：3/3/2016

基于PID控制LLC微波電源的仿真研究[電源技術(shù)][其他]

研制了一款基于PID控制輸出電壓的高頻軟開關(guān)電源。主電路采用了倍壓整流輸出LLC諧振變換器，利用PID控制閉環(huán)電壓反饋，并通過對諧振變換器的特性分析繪制了直流增益曲線。根據(jù)理論分析與計算并結(jié)合實際調(diào)試情況，對LLC微波電源的主要參數(shù)進行設(shè)計，得到的仿真實驗結(jié)果驗證了分析計算的正確性。

發(fā)表于：3/3/2016

基于主成分分析的熒光磁粉檢測缺陷識別技術(shù)[嵌入式技術(shù)][其他]

主成分分析法（PCA）在圖像識別中有廣泛應(yīng)用，有著較好的特征提取性能。熒光磁粉檢測是一種無損檢測技術(shù)。目前在裂紋缺陷的識別上依然使用的是人眼觀察，而其他步驟都已經(jīng)實現(xiàn)了自動化。本文使用基于加權(quán)平均的中值濾波算法對圖像去噪，使用大津法對圖像進行了閾值分割，再利用PCA算法對熒光磁粉檢測中的圖像進行識別，建立了一個自動識別系統(tǒng)。實驗結(jié)果證明，該系統(tǒng)可以準(zhǔn)確識別裂紋有無，還可以對簡單的缺陷種類（直線裂紋，氣泡）進行分類。

發(fā)表于：3/3/2016

一種新型電荷泵電路設(shè)計[電源技術(shù)][汽車電子]

Dickson電荷泵在多級級聯(lián)時，體效應(yīng)會顯著降低電荷泵的效率。提出了一種新型電荷泵電路，該電荷泵采用交叉耦合的NMOS開關(guān)管傳輸電荷，利用每一級的輸出電壓控制開關(guān)管的柵極，有效抑制了體效應(yīng)的影響，提高了電壓增益。Spectre結(jié)果顯示，在3.3 V的工作電壓下，四級新型電荷泵輕松實現(xiàn)了15 V的高輸出電壓。該電荷泵電路性能優(yōu)異，具有很強的實用性。

發(fā)表于：3/3/2016

基于SiGe HBT的38 GHz功率放大器設(shè)計[微波|射頻][汽車電子]

功率放大器（Power Amplifier，PA）是射頻前端關(guān)鍵的模塊，基于0.13 μm SiGe HBT 工藝，設(shè)計了一款38 GHz功率放大器。提出了HBT集電極寄生電容和傳輸線諧振的方法減小芯片面積，針對毫米波頻段下，晶體管可獲得最大增益較低，采用堆疊晶體管提高了功率放大器的增益，同時通過優(yōu)化有源器件參數(shù)，提高了功率放大器的輸出功率和效率。仿真結(jié)果顯示，在4 V的供電電壓下，工作在38 GHz的功率放大器1 dB壓縮點輸出功率為17.8 dBm，功率增益為19.0 dB，功率附加效率為32.3%，功耗為252 mW。

發(fā)表于：3/3/2016

基于里程計/地磁/GPS的導(dǎo)航系統(tǒng)設(shè)計[測試測量][工業(yè)自動化]

導(dǎo)航是機器人技術(shù)中的核心問題。針對單一導(dǎo)航系統(tǒng)的不足，設(shè)計了一種基于里程計/地磁/GPS的移動機器人的組合導(dǎo)航系統(tǒng)。通過建立各導(dǎo)航系統(tǒng)的誤差模型，并對誤差進行分析，利用卡爾曼濾波器對導(dǎo)航系統(tǒng)的誤差進行估計，得到系統(tǒng)誤差的最優(yōu)估計。最后利用間接法濾波輸出對導(dǎo)航系統(tǒng)進行校正。通過MATLAB進行仿真實驗，證明該導(dǎo)航系統(tǒng)能夠有效地降低導(dǎo)航誤差，提高了移動機器人的導(dǎo)航定位精度，而且當(dāng)某一導(dǎo)航系統(tǒng)接收不到信號或者壞掉時，系統(tǒng)仍然可以保持高精度的導(dǎo)航。

發(fā)表于：3/2/2016

YUV圖像實時去霧算法的優(yōu)化與改進[嵌入式技術(shù)][其他]

針對已有的基于DSP的實時去霧算法出現(xiàn)的問題進行優(yōu)化和改進。在降采樣倍數(shù)過大時，去霧效果會出現(xiàn)一些副作用，包括紋理細(xì)節(jié)丟失、塊效應(yīng)和亮度偏暗。針對這三個問題，本文采用均值降采樣、雙線性插值升采樣、透射率補償?shù)确绞竭M行優(yōu)化。最終針對實際YUV圖像進行了優(yōu)化方法的實驗，表明可以達到較好的去霧效果。

發(fā)表于：3/2/2016

基于隱馬爾科夫模型的時空序列預(yù)測方法[嵌入式技術(shù)][其他]

提出了一種基于時空密度聚類的隱馬爾科夫模型對時空序列進行預(yù)測的方法。時空序列與一般的時間序列相比，最主要的特征是其時空依賴性以及時空非平穩(wěn)性。針對如何有效地預(yù)測不同尺度分布的時空序列的問題，本文采用基于時空密度聚類的隱馬爾科夫模型，該模型不僅能分析時空序列在時間和空間上的相關(guān)性，而且可以通過時空序列的分段有效地去除噪聲，提高模型預(yù)測的精度。本文采用該模型對藥品冷藏庫中的時空序列溫度數(shù)據(jù)進行分析預(yù)測，并與其他預(yù)測模型比較，結(jié)果顯示本文提出的方法更準(zhǔn)確有效。

發(fā)表于：3/2/2016

基于FPGA的北斗導(dǎo)航電文譯碼器的研究與設(shè)計[測試測量][航空航天]

通過對北斗導(dǎo)航電文BCH糾錯編譯碼方式的深入理解和研究，提出了一種基于并行數(shù)據(jù)處理的BCH譯碼器的設(shè)計方案。該方案利用FPGA對BCH電文進行并行處理，在一個時鐘周期內(nèi)實現(xiàn)電文譯碼，提高了BCH解碼模塊的譯碼效率；同時給出了系統(tǒng)各個模塊的Modelsim仿真結(jié)果與分析，驗證了設(shè)計的可行性。本設(shè)計對提高接收機的基帶數(shù)據(jù)處理性能有一定的參考和指導(dǎo)意義。

發(fā)表于：3/2/2016

基于FPGA的微型化低頻通信系統(tǒng)的設(shè)計與實現(xiàn)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對現(xiàn)有低頻通信系統(tǒng)功耗過高、天線尺寸太大、調(diào)整不靈活等問題，設(shè)計了一種基于FPGA的低頻通信系統(tǒng)。研究了基于軟件無線電的微弱信號處理方案，設(shè)計出高效的低頻天線，實現(xiàn)了遠距離、大穿透深度的可移動通信。在較強的電磁干擾情況下進行了透地和透水模擬實驗，結(jié)果表明該系統(tǒng)可以在地面和地下以及地面和水下建立起有效的無線電通信，證明了低頻無線通信的發(fā)展?jié)摿Γ梢詾閷嶋H應(yīng)用提供參考。

發(fā)表于：3/2/2016

基于支持向量機的多因素話務(wù)量預(yù)測研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

提高移動通信話務(wù)量的預(yù)測精度對提高網(wǎng)絡(luò)性能、增進用戶體驗具有重要意義。由于多種因素會影響到移動通信話務(wù)量的準(zhǔn)確預(yù)測，故選擇多因素灰色話務(wù)量預(yù)測模型來預(yù)測話務(wù)量。先對數(shù)據(jù)進行預(yù)處理，用關(guān)聯(lián)分析法找到影響話務(wù)量預(yù)測的主要因素。但此模型對波動較大的數(shù)據(jù)預(yù)測精度較低，用支持向量機的模型來改善預(yù)測結(jié)果，選取擁有較強的斂散性和全局尋優(yōu)能力的復(fù)高斯小波核函數(shù)優(yōu)化向量機。從仿真結(jié)果可以看出該模型有更好的收斂作用和較為理想的預(yù)測效果。

發(fā)表于：3/2/2016

基于XMPP協(xié)議的XML數(shù)據(jù)流壓縮模型研究[嵌入式技術(shù)][數(shù)據(jù)中心]

XMPP協(xié)議作為基于XML數(shù)據(jù)流的即時通信協(xié)議，可用于構(gòu)建統(tǒng)一、高效的智能家居監(jiān)控消息推送方案。針對XMPP協(xié)議存在的流量冗余較大的不足，提出了一種基于容器模型和BWT變換思想的XMPP數(shù)據(jù)流壓縮模型。該模型通過對XML數(shù)據(jù)流的容器劃分、前綴編碼和預(yù)處理，在單次掃描數(shù)據(jù)流的基礎(chǔ)上達到壓縮率的最大化。實驗證明，該模型方案能有效節(jié)約XMPP協(xié)議通信過程產(chǎn)生的網(wǎng)絡(luò)流量，并具有可行性。

發(fā)表于：3/2/2016

基于背景加權(quán)的聯(lián)合顏色紋理直方圖跟蹤算法[顯示光電][其他]

針對在背景與目標(biāo)顏色相近以及復(fù)雜場景中跟蹤不準(zhǔn)確的問題，提出一種改進的背景加權(quán)Mean Shift (均值漂移) 跟蹤算法，在目標(biāo)顏色直方圖中加入紋理特征，并將局部背景信息引入目標(biāo)特征直方圖中，以排除復(fù)雜背景的影響。實驗證明，本文提出的算法在應(yīng)對復(fù)雜背景及遮擋時比經(jīng)典的Mean Shift算法以及背景加權(quán)Mean Shift算法更有效，且擁有不錯的運行效率。

發(fā)表于：3/1/2016

基于深度學(xué)習(xí)的領(lǐng)域?qū)嶓w屬性詞聚類抽取研究[嵌入式技術(shù)][其他]

屬性詞的聚類是領(lǐng)域?qū)嶓w屬性抽取中的一個重要步驟。在未知領(lǐng)域和大量文本中，人工標(biāo)注尋找十分困難。本文將一種基于深度學(xué)習(xí)框架的詞語嵌入表示方法（Word Embedding）引入到領(lǐng)域?qū)嶓w屬性詞聚類研究中，在無監(jiān)督條件下解決大規(guī)模語料、領(lǐng)域?qū)嶓w屬性詞表人工參與構(gòu)建代價較高的問題，并進行了適當(dāng)?shù)臄U展，取得了較好的效果，可以為信息抽取等后續(xù)高級任務(wù)提供較好服務(wù)。

發(fā)表于：3/1/2016