基于空地协同的山地冰川连续探测系统

针对无人机、无人车在复杂环境下运行不稳定、协作性差的问题,提出一种可以在冰雪表面、地形起伏等山地冰川环境下运行的空地机器人冰川探测系统。首先,该系统中无人机可适应高原山地低压、大风环境,无人车可在低温环境、冰雪表面长时间行驶,相应的轻量级地形建模和预测框架可将冰川表面环境点云模型转换成数据量更小的模型,且不造成大幅精度损失。其次,所提系统不仅可通过对驾驶数据、车辆状态数据与地形数据之间的相关分析建立驾驶技能模型,并利用增量式学习方法使驾驶技能模型快速适应冰川环境和复杂地表结构,其基于无人机机动性、无人机能耗、水平距离约束和视距约束的空地协同策略还可以保证系统的通信稳定和平稳运行。验证实验表明,提出的驾驶技能学习方案可以保证无人车在驾驶建议下平稳通过冰川危险地带,提出的空地协同策略可以保持较低水平的跟踪误差与通讯延迟。

基于电容的手势识别系统

传统手势识别装置一般依赖于复杂计算设备,在简单场合配置手势识别装置成本过高。针对这一问题,提出了基于电容数字转换器的手势识别系统。具体实施过程中,电容数字转换器采集静态手势特征,滑动窗口滤波加工特征数值,再结合K邻近分类算法判别静态手势。该系统具有对硬件要求低、功耗小、对环境光强不敏感等优点。经过50次试验,系统对于常用的数字零到五手势识别正确率为98%,判别时间小于0.6 s。

联合多频带非线性方法的病理嗓音识别研究

文章采用多频带非线性技术,提出了一种病理嗓音识别特征的提取方法。首先采用符合人耳听觉特性的Bark子波滤波器组对语音信号进行滤波,并进行离散余弦变换提取特征,随后再提取各通道内的最大李雅普诺夫指数特征。将特征参数融合成多频带非线性参数后,采用美国MEEI病理嗓音数据库进行识别实验,并选用逻辑回归、多层感知器、支持向量机、随机森林及K最邻近分类器5种典型机器学习方法进行识别。实验结果表明,文中所提出的特征平均识别率达97%,相比梅尔频率倒谱系数、Bark频率倒谱系数、最大李雅普诺夫指数,分别有4%、4%、18%的提高,最高识别率达到99%。

Android平台下电阻式触摸屏校准实现方法

针对在工控领域具有广泛应用前景的Android平台,提出了一种电阻式触摸屏校准方法。解决了在具有强电磁干扰、环境恶劣等特点的工业现场下应用的电阻式触摸屏触摸精度随时间变化的问题。给出并证明了电阻式触摸屏校准的原理,并将三点校准法推广至兼顾校准精度及运算效率的五点校准法。在Android系统应用层实现了五点校准算法和用户界面并生成校准参数,通过Linux系统服务及proc文件系统实现了应用层与驱动层的数据交互及实时更新,最终通过修改触摸屏驱动实现了触摸坐标的实时校准及上报。该方法原理清晰、易于实现,具有较高的推广价值。