基于2D-Unitary ESPRIT算法的DOA估计新方法

提出了一种基于2D-Unitary ESPRIT算法的六角星形阵列波达方向(DOA)估计方案。利用星形阵列子阵列的多种平移不变性,将子阵列两两组合,采用2D-Unitary ESPRIT算法分别对每种组合进行估计,获取了DOA估计的候选集,然后运用2D-MUSIC算法的功率谱函数在候选集中对DOA进行最优估计,得出DOA的最优估值,并进行了仿真实验。该方案避免了由2D-MUSIC算法因谱峰搜索而带来的庞大计算成本,且多种平移不变子阵列组合的运用减小了DOA估计误差。仿真表明,此方案与传统2D-Unitary ESPRIT算法相比,减小了估计值的均方根误差,提高了空间分辨率。

一种改进的自适应灰度图像分割方法

针对灰度不均匀图像分割提出了一种自适应灰度值的图像分割方法,该方法基于水平集理论,结合目标图像和背景的灰度值信息,将全局与局部信息进行自适应线性拟合,然后进行图像分割,避免分割陷入局部最优,对噪声具有很好的鲁棒性。实验表明,该方法能够有效地抵抗噪声干扰,可以自适应图像不均匀灰度信息,对图像进行分割,可得到全局最优分割。

基于实数多项式的根值最小范数算法

在根值最小范数算法中需对复数多项式求根,计算量较大。针对此问题,提出了一种基于实数多项式的根值最小范数算法,该算法适用于均匀线性阵列。首先通过保角变换将分布在复平面单位圆的变量映射到实数轴[-1,1],其能够将算法中的复数多项式转换为实数多项式;其次对该实数多项式求根,并从中选出[-1,1]的根值;最后将筛选出的根值代入信号频谱函数中,根据频谱函数的值选择出最优的波达方向估值。理论分析说明该算法比根值最小范数算法的时间复杂度低;仿真实验表明,与根值最小范数相比,在信号和噪声不相关时,该算法的均方根误差略小,在信号和噪声相关时,随着信噪比的增加,该算法的均方根误差逐渐变小。

基于ZigBee和GPRS的温室群监测系统设计

针对传统温室检测系统传输速率低、成本高、稳定性差等问题,设计了一种基于ZigBee和GPRS的温室群监测系统。该系统利用ZigBee无线传感器技术采集环境参数,通过移动通信网络发送到用户手机,用户使用应用软件APP查看相关数据,采取相应操作。实地验证表明,该系统显示数据稳定准确,使用简单方便,满足系统需求。