MIMO-RFID系统反向识别距离研究

超高频(UHF)射频识别系统(RFID)读取可靠性受多径信道制约,而多天线分集技术(MIMO)被认为能有效提高其链路可靠性。不同于一般的无线通信系统,UHF RFID反向链路是两个多径信道的级联,本文基于最大比合并(MRC)准则,分阅读器单站和双站天线情形,导出了Nakagami-m多径信道下单天线(SISO)与多天线(MIMO)RFID系统反向识别距离(RIR)均值的解析表达式,并通过数值仿真和实际测试研究了相关因素对RIR均值的影响。实验结果表明:MIMO技术能有效提高多径信道下UHF RFID系统的反向识别距离,并且阵列天线数越多、信道相关系数越小、信道衰落参数m越大,RIR均值将越高。

基于热源参数反向识别的定向能量沉积热力仿真

定向能量沉积(directed energy deposition,DED)热力仿真是有效预测沉积件残余应力和变形、优化工艺参数的重要方法,其仿真精度取决于输入参数的准确性.针对传统方法难以直接、准确获取输入参数的问题,文中以热源参数为例,提出基于支持向量机和遗传算法的参数反向识别方法,并用于精确构建实际DED工件热力仿真模型.首先基于参数化仿真建模正向获取不同热源参数下单道单层沉积件仿真误差;其次借助支持向量机构建热源参数与仿真误差的定量映射关系,并利用遗传算法反向识别热源参数,在正向-反向实施过程中,通过闭环迭代优化热源参数识别区间,达到参数精确识别目的;最后以实际DED工件涡轮叶片为案例,构建基于最优参数的热力仿真模型,进一步验证该最优参数反向识别法.结果表明,由单道单层简单件反向提取的最优热源参数,可用于准确预测实际DED工件制造过程中温度和变形场变化规律,为后续变形补偿等工艺优化提供理论基础.

基于状态量测的电网拓扑结构反向识别方法研究

针对大电网状态变化轨迹,反向识别电网拓扑结构,对实现数据驱动的大电网运行态势感知与智能控制具有重要意义。该文直接根据电网节点支路潮流信息,提出一种基于状态量测的电网拓扑结构反向识别方法。首先从状态量到节点关联的全新角度,将电网拓扑结构反向识别归结为节点进线与出线间全局最优组合问题。然后根据全网支路功率、电流流通特性,建立电网拓扑结构反向识别数学模型;根据电网潮流特性,生成接近电网真实拓扑的初始解,为加快求解速度对解空间进行了优化。其次基于电网量测单时间断面数据,采用遗传智能算法对该模型进行求解,引入支路电流、电压差值率克服电网拓扑结构反向识别不唯一问题。理论上,当全网有功损耗等于量测损耗、有功电流差值等于量测差值,且电压差值率为零时,即得到电网唯一拓扑。最后利用IEEE39、IEEE 118节点系统进行测试,验证了所提方法的有效性。

基于图像分析的蔬菜食叶害虫识别技术

为实现蔬菜食叶害虫计算机识别和虫害程度的科学评价,提出通过虫食菜叶确定害虫的反向识别方法。对虫食菜叶图像预处理后,自动提取虫食菜叶图像圆度、复杂度、球形度等7个形状特征值,并构建BP神经网络模型进行识别。实验结果表明,该方法能很好地通过虫食菜叶的几何特征识别害虫种类,为科学防治和害虫危害程度评价提供科学依据。

自动识别技术在农业中的应用研究

基于计算机图像技术,采用形态特征的提取方法,对蔬菜中存在的虫洞信息进行分析,提取相应的图像特征值,结合计算机自动识别技术,在BP神经网络中输入其特征值,帮助科技人员和农户准确高效的识别害虫种类,提高害虫防治。

卷积神经网络的人脸识别

本文深入研究了卷积神经网络和逻辑回归分类器,利用两者的优点提出了一种混合系统,将卷积神经网络和Logistic回归分类器进行串联,该模型进行了两步学习,首先训练卷积神经网络识别面部图像,接着用逻辑回归分类器对上一步训练的特征进行二次分类,同时将使用卷积神经网络的特征提取应用于规范化数据。最后人脸数据库中进行训练和测试,通过实验证明本文算法可以在更短的时间内提高分类率,在不同的光照下也能准确识别人脸表情,具有较好的稳定性和鲁棒性。

基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用

针对Gabor小波进行特征提取时易造成维数灾难和识别效率不高的问题,提出一种基于Gabor小波滤波和局部保持投影(LPP)降维算法相结合的泡沫纹理特征提取方法.首先,利用Gabor滤波器获得原始泡沫图像5个尺度和8个方向的高维特征描述向量;然后,利用LPP算法得到降维特征向量;最后,利用此降维特征向量通过反向传播(BP)神经网络进行不同工况下泡沫类别的识别,进而指导实际矿物浮选生产.实验结果表明,相对于传统的GLCM方法和Gabor小波纹理特征提取方法,该方法可有效降低泡沫纹理特征向量维数并具有更高的识别效率.