基于网格指纹匹配的光伏阵列电弧故障定位方法

考虑到传统的基于电磁辐射(electromagneticradiation,EMR)信号的光伏阵列电弧故障定位方法存在采样条件严苛、定位精度低等问题,提出一种基于网格指纹匹配的电弧故障定位新方法。首先,使用低采样率获取电弧EMR信号,并提取其均方根值作为代表EMR强度的特征指标。然后,利用BP神经网络(backpropagationneural network,BPNN)挖掘辐照度、信号接收距离与电弧EMR信号强度的内在联系,建立预测模型。接着,根据BPNN输出的双天线阵列与电弧间的预测距离,利用三角定位法初步求得电弧所在区域。最后,网格化划分电弧所在区域的光伏组件,生成网格指纹信息,并将预测距离与指纹信息最匹配的网格的中心坐标作为电弧发生位置的最终预测坐标。实验结果表明,所提算法具备良好的定位能力与适应性,对电弧故障定位的平均绝对误差为0.306m,在定位精度与经济性上均优于EMR衰减模型定位法。

基于点模式特征提取的指纹匹配技术

为了准确识别指纹,采用基于点模式特征提取的指纹匹配技术。选取FVC2002指纹库中的指纹,对指纹图像进行归一化、灰度阈值分割、二值化、细化等预处理后,提取出端点、分叉点等特征点,并将其包含的指纹边缘点、断点等伪特征点去除,然后将提取的指纹特征信息同指纹库中的指纹进行匹配,测试指纹匹配率为94.12%。仿真试验结果表明,该方法具有较好的识别精度,根据试验结果可知匹配率为99.41%。

一种基于细节点生成角度的指纹匹配算法

指纹匹配算法的研究是自动指纹识别系统研究中的重要内容之一.本文首先讨论了有效细节点的提取,然后介绍了通过这些细节点生成的角度进行指纹匹配的算法.实验结果表明,该算法简单有效,满足实用要求.

基于多模指纹匹配的室内定位系统设计与实现

通过分析近年来基于WiFi信号强度检测的室内定位技术研究成果,提出了一种基于WiFi和运营商基站信号(GSM、CDMA2000、WCDMA)等多模信号指纹匹配的室内定位系统。该系统采集WiFi和基站等无线多模信号,经过归一化、平滑化过滤生成与室内定位点相匹配的多模指纹数据库,通过移动终端实时获取的多模指纹信号与多模指纹数据库匹配,从而实现精确的室内定位。实验结果表明,系统能够实现室内精准定位,并对于WiFi信号的变化有较强的适应性。

基于Delaunay三角化的指纹匹配方法

将计算几何的三角划分方法引入指纹匹配,研究了一种基于DT(Delaunaytriangulation)网的指纹匹配方法.通过对细节点的拓扑结构进行DT划分,把空间上位置相近的细节点按照一定规则相连,得到三角形网格.然后基于该网格寻找若干参考点对,并根据获得的参考点对将两幅指纹图像进行姿势调整.最后使用获得的参考点对实现基于点模式的指纹匹配.算法在第1届中国生物特征识别竞赛指纹组的测试结果证明了有效性.

基于局部特征的点模式指纹匹配算法

近年来以指纹匹配为代表的身份识别技术受到越来越广泛的运用.因为其具有的学术和社会价值,指纹识别技术成为一个研究的热点.为了克服指纹的旋转和平移在指纹匹配中的影响,提出了一种新的指纹特征描述方法.因为指纹中心点附近的方向场存在某种特定的规律,运用这种规律本文根据指纹图像的方向场提取指纹图像的参考点和参考方向,并以参考点为原点,参考方向为极轴建立极坐标系.根据指纹参考点和参考方向的唯一性,本文建立的极坐标系与指纹图像的旋转和平移无关.由特征点的类型,极坐标以及特征点的方向构成的指纹特征信息同样具有这样的特性.最后对存在平移和旋转关系的两幅指纹的特征信息运用可变大小的限界盒方法进行全局匹配实现指纹匹配算法.实验结果表明该算法能够有效地避免图像的平移和旋转对指纹匹配带来的影响,可以很好的满足实际应用的要求.

基于复合梯度向量的指纹匹配算法

针对接触式指纹识别中存在的非线性形变问题,提出了一种基于复合梯度向量(Composite Gradient Vector,CGV)的指纹匹配算法.该算法首先在经过预处理的指纹图像上建立直角坐标系和第一个基向量,并对指纹图像进行旋转;然后在旋转后的指纹图像上采样基向量,组建向量簇,提取极大梯度向量,并以极大梯度向量为元素组建复合梯度向量;最后以分层标记规则对复合梯度向量进行分层标记,通过对指纹库进行指纹检索、复合梯度向量匹配、维度和梯度匹配,识别出指纹图像.实验结果表明,该方法克服了接触式指纹识别中旋转、偏移、拉伸等问题,有较强的抗非线性形变能力,同时具有较快的识别速度和较高的识别准确率.

基于动态时间规整距离指纹匹配的Wi-Fi网络室内定位算法

Wi-Fi网络中常规的基于指纹匹配室内定位算法面临信号时变现象或人为干扰的影响,导致定位精度不高。为此,提出基于动态时间规整(DTW)距离相似性指纹匹配的Wi-Fi网络室内定位算法。首先,该算法将定位区域的Wi-Fi信号特征按照采样的先后顺序转化为时间序列类型指纹,通过计算Wi-Fi信号指纹动态时间规整距离的大小来获取定位点与样本点的相似性;然后,根据采样区域结构特征,将Wi-Fi信号指纹采集问题划分为三类基本的动态路径采样方式;最后,结合多种动态路径采样方式增加指纹特征信息的准确性和完整性,从而提高指纹匹配的准确性和定位精度。大量实验结果表明,较瞬时指纹匹配定位算法,所提算法误差范围在3m以内定位的累积错误率:路径区域匀速运动提高了10%,变速运动提高了13%;开放区域交叉曲线运动提高了9%,S型曲线运动提高了3%。所提算法在实际室内定位应用中能有效提高指纹匹配的准确性和定位精度。

基于相似度直方图的混合指纹匹配方法

指纹的匹配问题是指纹识别算法中的核心问题.文中介绍了一种基于相似度直方图的指纹混合匹配算法,该算法同时使用了指纹的细节特征和纹理特征.指纹的细节匹配部分通过相似度直方图函数来计算最优校准参数,并且将校准结果应用到纹理匹配中.在FVC2002数据库上的实验结果表明该混合识别算法比使用细节匹配的算法具有更高的识别率.

基于多参考节点的指纹匹配方法

提出了基于多参考节点整体对齐的指纹节点匹配方法,该方法先用多对参考节点将两个指纹对齐,然后再评估两组节点的匹配程度·由于多参考节点分布在指纹的各个区域,多对参考节点对齐后,两个指纹各区域的对齐程度会相对均衡·实验表明,该方法能有效地提高系统的识别性能·

基于能量指纹匹配的无线认知网络仿冒主用户攻击检测

频谱感知是无线认知网络有效工作的基础,现有研究主要集中在提高频谱检测的效率,对于如何保证在不可信的网络环境中实现安全可靠的频谱感知还没有理想的解决方案。针对频谱感知过程中存在的一种典型攻击行为—仿冒主用户攻击,提出了一种基于能量指纹匹配的检测方案。认知用户利用自身的位置分布特征,使用能量检测生成主用户的能量指纹,以此作为节点的身份标识,分析不同用户对频谱资源的使用方式,最终实现对仿冒行为的检测。理论分析以及模拟测试表明,该方案在误检概率较低的前提下,可以有效地检测仿冒攻击行为,提高频谱感知的准确率。

一种基于基准点的指纹匹配算法

在图像中心区域为若干细节点分别构造局部结构,根据这些结构的匹配结果实现了基准点的精确定位。在指纹匹配阶段引入一个新的属性,即细节点到基准点之间的纹线切割数目,该属性对指纹的平移和旋转以及非线性形变具有不变性。指纹匹配时对该属性进行比较,排除明显不匹配的细节点,根据可变大小界限盒的方法对细节点进一步匹配。实验结果表明,该算法效率比原有算法提高了10%～20%,且实现了较高的匹配精度。

一种新的指纹匹配方法

针对基于点模式匹配的指纹匹配算法速度较慢的现状 ,设计了一种新的指纹匹配方法 ,即利用纹线匹配技术来寻找基准点对的指纹匹配算法 .该算法首先基于指纹纹线的相似程度寻找一对基准特征点 ;然后根据基准点对的坐标 ,计算两幅指纹图象 (模板图象、待识图象 )的相对平移和旋转参数 ,并将待识图象相对于模板图象进行图象姿势纠正 ;最后使用坐标匹配的方法统计两幅图象能够匹配的特征点数目 ,以实现两枚指纹的匹配 .实验证明 ,该算法匹配速度很快 ,误识率低 ,准确性高 ,并具有图象旋转平移不变性 .对面积适中的指纹图象 ,匹配结果可以满足在线应用的需要 .该算法有望发展成为一种实用。

一种改进的点模式指纹匹配方法

自动指纹识别因其在身份认证方面所具有的方便、快速、准确等特点而得到了广泛的关注,而指纹匹配算法的研究又是其中一个非常重要的研究内容。针对基准点定位困难的问题,提出了一种根据特征点集合中3个近邻点所组成的子集之间的相互关系来确定基准点以及变换参数的算法。实验结果证明,该算法可以快速、准确的定位基准点,精确求取变换参数,指纹匹配的速度和准确率可以满足实际应用的需要。

基于k近邻法和脊线追踪的指纹匹配算法

首先,综合运用k近邻法和脊线追踪法,分别为叉点和端点设计了新的拓扑结构,提取脊线特征、邻域特征、细节点特征。其次,利用特征加权和坐标转换,以及半可变限界盒技术提出快速的二次匹配过程。试验结果表明:该算法运行速度快、拒识率和误识率低。

一种新的形变指纹匹配方法

提出了一种基于细节点局部配准的形变指纹匹配方法。首先,结合细节点的纹理信息以及结构信息获取多个参照点;然后依据选取的多参照点实现模板指纹图像与输入指纹图像的全局配准从而获得指纹之间的公共区域;将公共区域内的细节点与它们最近的参照点聚类组合,形成多个分组,并将各分组内的细节点以对应的参照点为极点转化到极坐标系下建立指纹的局部对应性;最后,采用界限盒约束条件实现指纹匹配。实验结果表明,基于局部配准的指纹匹配方法对形变指纹匹配具有较好的鲁棒性,能较大提升指纹的识别性能。

检验配准模式的指纹匹配算法

两幅指纹之间的“配准模式”是由所有局部最优配准决定的.由假匹配产生的配准模式与真匹配的配准模式是不同的,尽管假匹配的两幅指纹图像从细节点的角度来看有很高的相似度.提出一种用细节点、联系脊线和方向场特征信息确定配准模式并进行指纹匹配的算法.算法由两部分组成:离线学习部分从一组真匹配数据中获得一个真配准模式集;在线部分对待匹配的指纹作配准并确定其配准模式,仅当该模式构成一个真模式时,才做进一步的精细匹配.真配准模式集是由对NIST24连续指纹影像数据集的计算获取的.在FVC2002DB2数据库上的测试显示,算法有很高的准确率.

基于合成模板的指纹匹配

提出了一种新型的 ,利用同一指纹多幅图像 ,复合细节特征与纹理特征进行指纹识别的方法 ,主要包括利用多枚指纹产生指纹匹配综合模板 ,以及利用指纹细节的位置、方向、类型和局部纹理特征与指纹综合模板比对。经实验证明 ,该方法对于小面积固态采集器件获取的指纹图像 ,相比其他单纯利用细节或纹理特征识别的方法 ,显示了很好的鲁棒性。

一个新的基于细节特征的指纹匹配方法

自动指纹识别系统(automaticfingerprintidentificationsystems,AFIS)的精度和效率主要依赖于指纹的匹配算法.指纹匹配涉及的两个关键问题是指纹的对齐和匹配方式.根据同一个指纹的不同采样,其脊线形状保持高度的相似性的特点,利用两条脊线对应点的距离构造了一个判据,用来评价两条脊线形状的相似性,以实现指纹的最优对齐;针对传统指纹匹配算法中伪细节点的混入和真实细节点的遗漏影响指纹匹配精度的问题,提出了一种基于编辑距离原理的指纹细节特征匹配方法,对指纹库Fingdb和FingerDUT进行了测试,等错误率分别为0.62%和2.75%,证明该方法具有较高的可靠性和有效性.

一种基于Core点及特征点的指纹匹配算法

提出了一种基于Core点和特征点的指纹匹配算法,建立了用Core点确定参考点的数学模型,根据该模型确定了指纹的匹配范围,通过引入特征点到参考点的脊线条数因子n以提高匹配的精度.并以Visual C++6.0建立了该指纹识别算法的实验平台,对提出的指纹匹配算法进行了实验研究,实验结果表明该算法复杂度较低,匹配精度较高.