基于改进局部一致性约束的立体匹配算法

针对PatchMatchStereo立体匹配算法在实现倾斜平面时,因使用随机函数生成平面参数而导致算法计算量大且误匹配率高的问题,提出一种基于局部一致性约束的立体匹配算法。首先,通过对图像中的像素进行稀疏匹配获得视差置信度高的支撑点;其次,利用三角剖分为图像内各像素点确定一个三角平面,计算平面参数并分配给该平面内的点;然后,通过迭代传播为每个像素点找到更加准确的平面参数,构建出局部一致性平行窗口模型;最后,通过平面参数计算视差值并通过视差后处理优化视差。本文算法在Middlebury评估平台第三版标准测试数据集上进行实验,实验结果表明,处理后的平均误匹配率比PMS算法降低了4.39%,其中对单个图像的误匹配率最高降低15.42%。本文算法在降低误匹配率的同时提高了图像处理的效率,相较于其他算法具有显著的优越性。

改进的雾线先验透射率优化图像去雾算法

针对传统去雾算法处理图像后存在颜色不均衡、能见度较低等问题,提出一种基于雾线先验的双边滤波优化透射率算法。首先,将像素在RGB空间中聚类成雾线并引入自适应模块对大气光值进行预估。将大气散射模型和上下文正则化原理相结合,对图像透射率进行初步优化,同时基于最小通道对透射率进行更正,使得传输率图更加平滑,防止相邻景深区域透射率差距过大;再经过双边滤波对透射率进行二次优化,使其变得更加精准。然后,将大气光值和透射率输入到大气散射模型进行去雾处理得到无雾图像。最后,将去雾后的图像进行色彩增强,以提升图像的色彩真实性和亮度。实验结果表明,所提方法在主观上提升了人眼的视觉效果,在客观评价指标结构相似性(SSIM)、峰值信噪比(PSNR)、角点检测数、通用质量指数(UQI)、自然图像质量评估(NIQE)和处理时长上均有着显著的优越性。

基于压缩感知改进算法的MIMO-OFDM稀疏信道估计

结合压缩感知理论(CS),针对压缩采样匹配追踪算法在多输入多输出正交频分复用(MIMO_OFDM)系统信道估计应用中需要利用信号稀疏度的先验条件,而实际中稀疏度又难获得的情况,提出一种信号稀疏度自适应的压缩采样改进匹配追踪算法(Co MSa MP)。该算法采用具有理论支撑的原子弱选择标准作为预选方案,并设置首次裁剪阈值来减少算法多余的迭代,降低算法在信道估计中的复杂度,裁剪方式的改进保证了重构精度的提高,最终实现MIMO-OFDM稀疏信道估计中信号的稀疏度自适应。仿真结果表明:与原算法相比,该算法在同等信噪比条件下具有更优的信道估计性能,从而提高了频谱利用率,同时降低了复杂度,在稀疏度较高时,提出的算法具有更好的对噪声的抗干扰能力。

基于模糊粗糙集与支持向量机的瓦斯涌出量预测研究

支持向量机(Support Vector Machine)具备很强的非线性建模能力,而且具有全局最优、结构简单等优点,近年来被广泛的应用于煤矿瓦斯预测方面,但其在处理样本时,不能确定数据中哪些知识是冗余的、不能将输入的信息空间维数简化,因此,会降低系统预测的精确性;将模糊粗糙集理论引入瓦斯涌出量的预测中,建立基于模糊粗糙集与支持向量机的瓦斯涌出量预测模型,用模糊粗糙集作为前端预处理器对数据进行约简,剔除冗余信息,以实现两种算法的优势互补。实验结果显示,该方法预测准确,具有较高的应用价值。

基于多分类器的无分割手写数字字符串识别算法

手写体数字字符串识别常用于邮件自动分拣、银行票据和财务报表的录入中,针对其分割识别算法复杂度较高、准确率较低的问题,提出一种多分类器下无分割手写数字字符串识别算法。该算法的核心是采用四个分类器实现粘连字符串的无分割识别;将残差结构应用于Le Net-5网络,以增加网络深度,提高识别准确率,加快收敛速度;使用动态选择策略,以避免长度分类器误分类对识别结果的影响。实验结果表明,在NIST SD19一位数字和Synthetic数据集训练网络下,使用NIST SD19上长度为2、3、4、5、6的字符串验证网络,其识别准确率分别为99.3%、98.5%、98.1%、96.6%和97.2%。

基于粒子群的加权朴素贝叶斯入侵检测模型

针对传统朴素贝叶斯算法对高维复杂的入侵行为检测效率低下的状况,提出一种基于粒子群的加权朴素贝叶斯入侵检测模型。模型首先用粗糙集理论对样本属性特征集进行约简,再利用改进的粒子群算法优化加权朴素贝叶斯算法的属性权值,获得属性权值的最优解,用获得的最优解构造贝叶斯分类器完成检测。其中,改进的粒子群是采用权衡因子方法更新其速度和位置公式,避免产生局部最优。两种算法的结合,既能解决传统朴素贝叶斯算法的特征项冗余问题,同时也可以优化特征项间的强独立性问题。通过实验证实了该模型的实效性,提高了检测率。

RFID系统防碰撞算法分析与改进

防碰撞算法是RFID系统中的一项必须要解决好的关键技术。当多个电子标签同时进入读写器的射频范围内时,它们将同时响应读写器的命令并返回自身的ID信息,这样就产生了信道挣用,也就是信息冲突。在对二进制防碰撞搜索算法进行详细的定量分析的基础上提出了一种改进算法。该算法能有效地降低命令发送的总次数和减少每次命令所附带的参数长度。

基于超声波和GPS技术的车辆防碰预警系统

针对露天矿重载卡车体型庞大、存在盲区,司机很难在盲区范围内看到周围其它车辆,造成了车辆之间碰撞时有发生的问题;提出了基于超声波测距和GPS无线测量模块共同实现对露天矿重载卡车防撞预警的方案;将超声波测距模块安装在车的前部,当两车之间距离小于定义范围时就会发出预警信号;利用装在不同车辆上的GPS模块搜索卫星信号,根据二者的经纬度便可算出两车之间的距离;针对系统的设计进行了测试,如主要试验参数:测距、经纬度、频率等;并将所测数据与实际数据作对比,结果表明,该系统具有较好的测量精度,从而实现预警功能。

车辆防碰预警系统的设计

介绍了一种以ATmega16单片机为控制核心的车辆防碰预警系统,提出了解决收发一体式超声波测距电路难题的新方法;由于温度对超声波波速的影响,增加了温度补偿电路来消除误差;设计的自动增益控制(AGC)电路,有效地解决了回波信号过于微弱而导致系统测量误差加大的难题;在此基础上,设计了相应的超声波测距系统的软件;对系统进行了测试,如主要试验参数:灵敏度、测距、频率等;并将所测数据与实际数据进行了对比;结果表明,该预警系统具有较高的测量精度。

CoSaMP改进算法在信道估计中的应用

压缩采样匹配追踪CoSaMP(Compressive Sampling Matching Pursuit)算法作为压缩感知中信道估计比较具有代表性的算法之一,一直无法解决如何获取信道的稀疏度问题。为了解决该问题,提出一种利用峰值信噪比PSNR同迭代次数之间的关系而构造的一种改进算法。该算法可以自适应确定迭代次数,从而有效地提高CoSaMP算法的效率,增加了CoSaMP算法在实际信道估计中的可行性。

基于IACPSO算法的摄像机镜头畸变校正

针对摄像机镜头畸变的非线性问题,提出一种基于改进的混沌变异自适应双粒子群优化(IACPSO)算法的畸变校正方法。IACPSO算法用两个独立的粒子群进行协同优化:种群一采用固定的惯性权重,同时利用立方映射混沌因子对进化过程中出现的停滞粒子进行扰动;种群二采用自适应的惯性权重,以适应度值为依据来动态调整惯性权重的大小,取两个种群进化过程中发现的最优粒子作为全局最优解。为了验证IACPSO算法在镜头畸变校正问题上的性能,将其与多种粒子群优化算法进行对比。仿真实验结果表明,IACPSO算法在求解过程中具有较强的鲁棒性,在低噪声下,其校正性能优于其他粒子群算法。最后,运用两组校正实例进一步验证所提出方法的有效性。

振弦式传感器在矿山边坡应力监控系统的应用

为了实现对边坡应力的监控,确保露天煤矿生产的安全,通过对振弦式传感器的理论研究和分析,研制了一款以其为核心的边坡无线远程监控系统。首先叙述了振弦式传感器的工作原理,然后对分节点应力采集与数据传输部分的硬件、测频的关键技术以及软件部分进行设计,最后提出测周法计频实验。实际应用表明:振弦式传感器在边坡无线远程监控系统应用中具有感应灵敏、硬件电路可靠、激振高效、价格低廉、连续快速检测等特点,对矿用相关产品的研发具有重要价值,拥有广阔的应用前景。

基于动态损耗因子和权重的改进质心定位算法

针对无线传感器网络(WSN)节点的定位精度受环境和误差权重因子的影响问题,提出一种对路径损耗因子和误差权重因子动态修正的质心定位算法。前期根据实测和路径损耗模型,加权修正得出动态损耗因子;后期通过划分矩形区域,构造权重因子矩阵。首先,使用动态损耗因子,代入传统加权质心定位算法估算出未知节点的位置;然后,查询误差权重因子矩阵,确定最优权重因子,重新计算出未知节点坐标。实验结果表明,改进的算法降低了平均误差和最小误差,定位精度比普通质心算法提高了58%,比动态修正质心算法提高了21%,比动态加权质心算法提高了11%,定位精度有所提高。

三维彩色图像加密的改进与实现

针对三维空间上的彩色图像进行加密处理具有运算量和空间需求较大、加密效率较低的问题,将彩色图像转换为三个层面上的二维灰度图像进行加工处理,加快了加密速度.为了提高算法的鲁棒性,将混沌序列改进为一种均匀分布的序列,得到了更理想的伪随机特性.针对单一混沌加密算法安全性较差的问题,将Logistic映射与Chebyshev映射相结合,获得了复杂性较高的双混沌系统.利用双混沌系统生成的混沌序列有效实现了像素混淆与扩散,对图像加密方法进行了改进.

嵌入常识的混合注意力LSTM用于主题情感分析

传统神经网络模型在捕捉上下文信息时,缺乏对于某一主题重要线索的准确分析能力。对此提出嵌入常识知识库的混合注意力长短时记忆网络(LSTM)主题情感分析模型。通过引入全局注意力和位置注意力机制来改进长短时记忆网络LSTM;将常识知识库嵌入到LSTM的情感分类训练中。该模型在推断特定主题的情感极性时明确地抓住了每个上下文词的重要性,使分类更加准确。实验结果表明,混合注意力模型与常识知识库的引入,提高了主题情感分析的分类效果。

基于稀疏度自适应算法的MIMO-OFDM稀疏信道估计研究

无线信道在时域上具有稀疏性,为压缩感知理论提供了应用前提。多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计问题就转变为稀疏信号的重建。压缩感知重构算法中的压缩采样匹配追踪(Co Sa MP)算法在MIMO-OFDM的信道估计中表现出较好的抗噪性能和较高的重构精度,但其需要稀疏度作为已知信息,而在实际中很难获得信道的稀疏度。为此提出一种基于稀疏度自适应算法(Co Sa SAMP)的MIMO-OFDM系统信道估计,同时在原算法的基础上使用了矩阵分块的方法,提高了其重构精度。仿真结果表明,与传统算法相比,该算法具有更好的估计性能和更高的频谱利用率,并将矩阵分块前后的估计性能进行了对比,结果表明分块后的估计精度更高。

一种基于正交定向天线的节点定位算法

为了解决定向天线定位方法的定位范围较小的问题,提出了一种基于正交定向天线的室内无线定位方法。将一个带有4个定向天线且相邻之间相互垂直的节点作为锚节点,并将被测范围分成4个象限;利用未知节点信号强度确定所在象限;根据目标节点所获得的对应象限两垂直天线信号强度值确定信号强差;根据距离不变时方位角与信号强差近似满足线性关系和子集筛选方法以及最大密度方法,确定最终的匹配集合,最后通过曼哈顿匹配出未知节点的实际位置。实验结果表明,该方法在保证定位速度的情况下,将定位范围扩大了3倍左右,定位误差降至0.7886 m。

GOMP改进算法在信道估计中的应用

广义正交匹配追踪GOMP(Generalized Orthogonal Matching Pursuit)算法作为压缩感知理论中的重要组成部分,在信道估计领域早有应用。但由于无法解决信道稀疏度的获取问题,限制了这一算法的发展。针对这一问题,提出一种通过变步长实现稀疏自适应匹配的改进算法,并利用傅里叶变换的共轭对称性在选择原子方面加以完善,从而提高了算法的精度和效率,增强了该算法在实际信道估计中的可行性。

IC卡数据循环存储及文件管理

一种I2C总线型EEPROM存储器,在数据记录系统中,用来保存当前时刻以前一段时间内的多组数据。使用时设计成首尾地址相接的环型存储结构,实现数据文件的循环存储。文章介绍循环存储器的结构、循环存储的实现方法以及文件管理的过程;指出该方法的优越性。

参考点对WiFi位置指纹算法的影响

随着室内定位技术的发展,WiFi位置指纹定位算法得到了人们的广泛关注,主要探讨了参考点数量与参考点间隔对于算法精度的影响。采用Matlab软件对位置指纹算法分别在实验环境和模拟环境中进行了仿真,通过实验数据得出随着参考点数量的增加,KNN与WKNN算法定位精度差不断减小,参考点数量越多,后改进的WKNN算法相比于KNN算法的定位精度提高的也越来越小,基本无明显差别。参考点数量越多计算越复杂,采用白化的K-Means聚类算法提高计算效率和定位精度,对参考点间隔对于定位精度的影响进行了实验,得出定位精度并不是参考点间隔越小越精确,而是在1.5 m左右的间隔为佳。