稀薄大气层内轻诱饵速度识别法

随着地基相控阵雷达测速精度的大幅度提高,针对稀薄大气对轻诱饵有明显的减速作用,提出了一种新的目标识别方法——稀薄大气层内轻诱饵速度识别法,并对其识别原理、识别判决准则进行了详细阐述和分析,该方法通过雷达高精度多普勒测速及轨迹估计信息,获取轻诱饵气动减速特性进行识别,避开了质阻比参数估计中动态收敛过程。最后通过典型算例的计算机仿真计算,验证了该方法的有效性。

基于高精度径向测速的宽带雷达单诱饵速度识别法

由于宽带相控阵雷达测速精度的大幅度提高,现提出了一种新的目标识别方法———基于高精度径向测速的单诱饵速度识别法,并对其识别原理、识别性能进行了详细阐述和定量分析。通过理论推导和计算机仿真计算,验证了该识别方法在宽带相控阵雷达监视诱饵释放过程中应用的有效性。

基于磁场时频分析的舰船速度识别

首次利用短时傅立叶变换技术对舰船磁场进行了时频分析 ,讨论了舰船磁场的时频分布特性 ,在时频域提取了舰船的速度特征参数 ,通过大量数据分析表明 。

低速弹飞行速度识别的一种方法

提出了一种用于低速弹引信上的飞行速度识别方法，论述了利用这种方法，将飞行速度作为第二环境，可靠鉴别正常发射，实现解除保险和延期解除保险的可行性，同时提出了有关软、硬件设计的方案构想．

一种弹道速度识别方法

指出涡轮电机的输出特性是与弹丸的速度有关,可以作为速度传感器,用以实现弹丸的速度测量.本文提出了一种弹丸速度实时测量的方法;论述了将速度作为控制参数,实现引信弹道闭锁的可行性;并给出了基于嵌入式控制系统的有关软、硬件设计.

基于加速度识别的姿态交互研究

手势识别作为人机交互的一种重要实现技术一直是模式识别领域的研究热点之一。提出一种基于加速度的手势识别方法。首先为每个手势动作建立隐马尔可夫模型,通过采集到的手势动作的加速度值对模型进行优化,再利用优化的模型对加速度序列进行分类,根据加速度的不同对手势进行识别。该方法在手持移动设备上有良好的识别效果,对手持移动设备的交互研究具有重要意义。

基于深度神经网络的视频播放速度识别

针对目前的视频播放速度识别算法大多存在的提取精度差、模型参数量巨大的问题,提出了一种双支轻量化视频播放速度识别网络。首先,该网络是基于SlowFast双支网络架构组建的一个三维(3D)卷积网络;其次,为了弥补S3D-G网络在视频播放速度识别任务中存在的参数量大、浮点运算数多的缺陷,进行了轻量化的网络结构调整;最后,在网络结构中引入了高效通道注意力(ECA)模块,以通过通道注意力模块生成重点关注的内容对应的通道范围,这有助于提高视频特征提取的准确性。在Kinetics-400数据集上将所提网络与S3D-G、SlowFast网络进行对比实验。实验结果表明,所提网络在精确度差不多的情况下,模型大小和模型参数均比SlowFast减少了大约96%,浮点运算数减少到5.36 GFLOPs,显著提高了运行速度。

基于脚部惯性传感数据的人员运动速度识别方法

现有的基于脚部惯性传感数据的人员运动速度估计方法只能对人员低速行走时的速度进行有效的估计。为了采用脚步惯性传感数据识别人员快速行走以及跑步时的速度,该文提出了一种利用单步统计特征进行速度识别的方法。该方法利用脚部惯性传感器对人员在不同速度下运动的惯性数据进行采集,采用峰值检测的方法对数据进行单步划分,最后从单步数据中提取65维统计特征分别采用最小二乘法(LS)、支持向量机(SVM)、K近邻(KNN)、线型贝叶斯正态分类器(LDC) 4种常见的机器学习分类方法对人员运动速度进行识别。经实验验证,所建议的方法中采用SVM分类器的识别率高达96.3%,所以采用该方法可以有效的识别人员的运动速度。

一种考虑单步统计特征的运动员动作速度识别分析

为了提高运动员动态下的移动测量能力,设计了一种考虑单步统计特征的运动员动作速度识别方法。先利用脚部传感器采集处于传感器坐标系下的人员运动加速度与角速度,结合加速度信息通过峰值检测方法来完成运动过程的单步划分,得到各单步起始与终止位置,再计算各单步起始位置与终止位置间的角速度与加速度数据便可以得到单步惯性结果。在各分类算法中SVM分类器达到了最高识别准确性,对两种训练集-测试集划分结果进行识别测试都达到了91%以上的准确性。以SVM分类器对单步运动速度进行识别时,可以达到较高的人员行走状态识别准确性。在人员运动速度超过2.5m/s之后,对单步速度产生误判的情况明显多于低速运动状态。

民用飞机运营中突风速度的识别方法研究

为了能够使用试飞数据进行突风速度识别,首先构建大展弦比单机翼突风计算模型,通过对气动力影响系数矩阵进行有理化处理,并对突风激励采用傅里叶变换和傅里叶逆变换处理,完成气动弹性混合建模,然后在Simulink中实现状态空间内的时域响应分析,分别采用重心及翼梢过载,考虑质量、刚度、阻尼及非定常气动力的影响,实现突风速度的识别,并提出使用试飞气动参数进行识别方法修正的措施。分析结果显示:采用重心及翼梢过载,对单频及多频突风速度最大值的识别误差不超过1%;使用气动参数可有效修正识别方法;只采用过载、姿态角及速度的试飞数据,可实现民用飞机在运营过程中突风速度识别统计,为飞行品质评估、控制律设计及疲劳突风载荷谱编制提供数据基础。

感应电机矢量控制系统中速度的识别

本文提出了一个识别异步电动机的模型参考自适应系统(MRAS)。根据异步电动机的数学模型,经过一定的变换,利用易于检测到的电机的定子电压和定子电流,获得了电机转速的模型参考自适应识别算法。该方法算法简单,并具有较高的精度,为实现低成本的单片机提供了必要的条件。

渤海海域新近系层速度横向异常及其识别技术

传统上认为渤海海域浅层层速度横向变化不大,通常采用单井常速或多井拟合的办法进行时深转化,但随着勘探开发程度的不断提高,由于地质非均质性原因导致的层速度横向变化问题日益凸显,对地下构造形态特别是低幅度构造形态产生了较大影响。以Q油田为研究对象,借鉴压力预测中经常采用的去除压实效应的思路,通过消除构造背景对层速度的影响,定性或半定量判断层速度横向变化是否存在异常,为浅层层速度异常预测和低幅度构造时深转化提供了方法和手段。

全球速度最快的的“人脸识别系统”让罪犯无所遁形

经过多年的研究与近一年的试运行，全球查找速度最快的“人脸识别系统”全面进入应用推广阶段，这是由清华大学电子工程系苏光大教授主持研制的这项国家”十五”重点攻关项目，整个系统具有极为强大的人脸数据处理能力，其256万幅／s的识别速度，居世界同类系统的最高水平，目前，北京、山东、青海等多个省市公安部门已经相继开始正式部署。

基于轨道交通斜拉桥应力监测的荷载识别技术

通过对轨道交通桥梁健康监测系统应力监测响应中温度及列车荷载响应进行分离,获得列车荷载作用下的桥梁应力响应时程曲线,提出利用列车通过桥上不同监测断面的时间间隔及信号互相关方法对车流量及行车速度进行识别,并提出了桥上列车交会的自动化分析和判断方法。采用轨道交通桥梁空车荷载作为基准荷载,对比分析列车正常运营时应力响应,对列车荷载进行识别,实现对客流量变化估计。将提出的方法应用于实桥监测数据的分析,验证了方法的有效性和可行性。

基于ARM的红外光汽车速度管理系统研究

基于ARM的调制式红外光汽车速度管理系统是以红外光传感器、ARM为核心的新的测速系统,测速时不会被"电子狗"所发现,不仅能识别汽车速度V的大小,还能测出车辆速度超过上限速度(Vmax)的量值+△V或低于下限速度(Vmin)的量值—△V等信息,据该信息驱动取证系统(打印、照相)工作,能有效提高交通管制的力度。该系统由于采用了ARM嵌入式处理器、uclinux操作系统以及触摸屏,不但人机交互性好,而且升级和扩展能力强,工作稳定,具有较大的应用前景。

起重机制动下滑位移量的检测方法研究

针对目前起重机制动下滑位移量的检测测量方法存在的问题,本文提出一种基于加速度改进的检测测量方法。首先,对每个方向的加速度传感器进行标定;其次,将加速度与偏转角进行融合互补滤波降低风载荷对制动加速度的影响;然后,通过Kalman滤波的方法降低钢丝绳抖动干扰信号;最后,采用改进后的方法进行划分,在时域内再对加速度进行积分,避免直接在频域内进行傅里叶变换引起截断问题。对制动匀速下降过程中加速度瞬时变化量进行精准识别和双重积分,获得精确的制动下滑位移量。实验结果表明,该方法在作业环境中检测测量起重机制动下滑位移量的准确性高,抗干扰能力强。

一种模板匹配和神经网络的车牌字符识别方法

提出了一种基于模板匹配和神经网络的车牌识别方法 .该方法集成了模板匹配识别车牌字符和神经网络识别车牌字符的优势 ,可有效地提高车牌字符的识别率、识别速度和识别系统的泛化能力 .实验结果表明 :大多数情况下 ,该方法的识别率超过 90 % ,识别时间不超过 12 0 0ms ,能有效地识别各种车牌中的字符 。

孤立词语音识别算法性能研究与改进

文章针对特定人中小字表孤立词语音识别,以提高实用性为目的,对两种常用识别方法(VQ、DTW)的效果及其性能(识别速度和识别率)改善进行分析与探索,并通过对实验数据的讨论,提出了一些有效的改进方法。

基于卷积神经网络的柑橘溃疡病识别方法

柑橘溃疡病是柑橘类植物的一种重要的检疫性病害,感染性强、传播速度快。通过人工肉眼识别的方式效率低、模糊度高,使用图像识别技术检测柑橘溃疡病可以大量的节省人力物力。使用图像识别技术检测柑橘溃疡病中存在以下问题:1)样本很难获取,而且采集的数据还存在不均衡的情况; 2)使用传统的机器学习方法进行识别的时候,特征是由人工设计的,它们对光照变化、背景比较敏感,因此识别率低; 3)卷积神经网络是目前使用较多的图像识别方法,但是模型通常比较复杂,消耗内存和计算时间。为此提出先使用卷积神经网络模型Alexnet对柑橘溃疡病进行识别的方法,然后在保证准确率基本不变的情况下,优化网络模型结构,减小网络参数。实验结果表明,使用卷积神经网络后,它对正样本、负样本的识别率达到了98%以上,超过了决策树、k最近邻(k NN)、支持向量机(SVM)、Adaboost等传统的机器学习方法。同时,在使用减少全连接层和减少卷积层两种优化网络模型的方法后,识别率基本不变,网络模型的参数得到了减少,使得识别速度分别提升为原来的1. 7倍和2. 2倍。

基于计算机视觉的垃圾塑料瓶识别与定位算法研究

针对当前垃圾分拣算法对废旧塑料瓶检测效率低、环境受限和仅限于颜色识别等问题,提出了一种有效的垃圾塑料瓶识别与定位方法,以采集高像素图像为基础提取原始图片,通过YOLOv3算法的浅层增强特征将图片中目标进行一系列卷积获得不同的特征,并输入各检测分支进行检测,将不同尺度特征图经过K-means聚类算法做锚框处理,利用位置预测实现最终的识别与定位检测结果。通过模型测试,YOLOv3算法在识别速度和算法的繁琐性上都优于其他的一些算法,平均识别准确率达到90%、检测时间约0.4 s以内、定位精度约±5 cm。证明了此算法对于复杂环境下废旧塑料瓶目标检测的有效性和实用性。