基于EWS的DVS在无线传感器网络中的应用

动态电压调度(DVS)通过使用EW S算法对任务量预测,并根据预测结果判断处理器该进入何种操作频率等级,使较小任务量使用较小的操作频率,从而减少了节点的能量消耗。仿真实验结果表明:该方法是有效的。

WSN软实时系统的DVS控制优化算法

为降低无线传感器网络(WSN)软实时系统中的能量消耗,建立能量消耗数学模型,引入离散事件系统框架中的优化控制问题使目标函数最小化,采用线性规划方法求解,得到一种可扩展的低复杂度算法,并对该算法进行优化。数值结果表明,应用优化算法对WSN节点进行动态电压调节,能在满足时限要求的基础上更大程度地节省节点能量。

基于多维投影时空事件帧的动态视觉传感手势识别

基于视觉的手势识别是虚拟现实、游戏仿真等领域常用的人机交互手段。在实际应用中,手势动作快速变化将导致传统RGB相机或深度相机成像模糊,给手势识别带来巨大挑战。针对上述问题,利用动态视觉传感器捕捉高速手势运动信息,提出一种基于多维投影时空事件帧(spatiotemporal event frame,STEF)的动态视觉数据手势识别方法。将时空信息嵌入到数据投影面融合形成多维投影时空事件帧,克服现有动态视觉信息事件帧表达方法时域信息丢失的局限性,提升动态视觉传感数据的特征表达能力。在此基础上,采用先进的脉冲神经网络对时空事件帧进行分类实现手势识别。在公开数据集上的识别精度达到96.67%,性能优于同类方法,表明该方法可显著提升动态视觉传感数据手势识别准确率。

基于机器视觉的低频振动台动态性能参数测试方法

振动台为低频振动传感器校准提供必要的输入激励,其动态性能参数对校准能力与精度具有重大影响。目前,振动台动态性能参数的测量方法存在系统复杂或精度有限的问题,难以满足日益增长的高性能振动台动态性能参数测量需求。因此,提出一种基于机器视觉的低频振动台动态性能参数测试方法,通过结合高精度的摄像机标定与序列图像亚像素级动态特征提取准确地复现振动台不同频率的位移,实现振动台幅频特性、重复性、失真度的可靠解算。通过与基于传感器方法在0.01~10 Hz范围内进行对比试验,所测量的幅频特性平均误差为0.611%,重复性最大误差为0.174%,而其失真度最大误差不超过1%,表明机器视觉法在低频振动台动态性能参数测试中具有出色的表现。

基于传感器内计算的动态视觉预测分析

阐述一种创新的基于多维信息的传感器内计算方法,实现图像的高效识别与预测。该方法融合储层计算(RC)网络的理论框架,并以此为基础,开发出一种基于二硫化钼(MoS_(2))的探测器阵列。充分利用探测器本身固有的光电导率(PPC)效应。通过这种方式,成功地将当前与过去的多帧信息整合至单一帧内,从而改变传统的逐帧计算模式。此外,在器件层面进行深入的预处理,细致比较不同衰减曲线对任务性能的影响。最终实现多帧字母变换预测任务,为机器视觉领域带来新的突破。

传感器网络的任务双效节能调度研究

能源供应有限性是局限传感器网络的性能和存活寿命的重要因素,本文从传感器网络节点的任务调度出发,提出动态能量管理DPM和动态电压/频率调节DV/FS的双效处理器节能调度算法,即DV/FS-RM和DV/FS-EDF调度算法;在DPM动态控制空闲任务进入休眠的同时,在保证节点的实时性的前提下,通过DV/FS-RM或DV/FS-EDF算法降低处理器频率,达到更好的节能效果.实验显示,该节能任务调度算法使以电池为能源的传感器网络节点的生存期成倍地延长.

无线传感器网络动态加权DV-Distance算法

无线传感器网络DV-Distance定位算法,采用未知节点与锚节点间的累计跳段距离代替欧式距离计算节点位置,存在较大的定位误差。针对这一问题,提出一种动态加权DV-Distance改进定位算法,基于未知节点的修正模式,保证定位网络中每个未知节点具有不同的修正系数;通过动态加权修正模型,用锚节点间距离、跳数等信息计算修正系数,采用动态加权的方法将不同方向上的修正系数进行整合,修正未知节点与锚节点间累计跳段距离,提高算法的定位精度。通过仿真验证了算法具有更高的定位精度;并进一步通过实验验证了算法的有效性和可行性。

人眼波前像差的动态特性研究

人眼波前像差随时间涨落会引起人眼光学性能和视觉功能的改变.采用改进的HartmannShack波前传感器人眼像差仪对10只屈光度为0D^-5.0D、直径为3mm和6mm的人眼瞳孔的波前像差进行测量,其中每只人眼在5s内连续测量125次,测量频率为25Hz.为确定测量过程中是否引入人为像差,对人造眼3mm和6mm瞳孔的动态波前像差进行测量比对.结果表明:所测量的10只人眼3mm和6mm瞳孔总的Zernike波前像差均方根涨落幅度的平均值分别为0.087μm和0.105μm,均大于Marechal衍射极限;Zernike第3阶到第7阶波前像差均方根涨落幅度随像差阶数的递增而下降,涨落幅度为0.06~0.02μm;人眼波前像差的涨落频率达6Hz.

一种新的动态视觉传感器网络目标覆盖率算法

动态视觉传感器网络目标覆盖研究中把目标点看成一个质心,而实际中存在物体直径可能大于视频节点半径、质心模型不适用的情况,针对此提出了一种新的动态视觉传感器目标物体覆盖率问题。基于此问题同时结合有向感知模型,提出有向线性感知模型,并基于该模型使用改进的粒子群优化算法对物体覆盖率进行仿真优化。仿真结果表明了该模型的有效性。

无线传感器网络动态电压调度算法

针对无线传感器网络的节点在运行状态提出了动态电压调度(DVS)算法。DVS是通过改变处理器的工作电压和工作频率来减少处理器的消耗能量。该方法首先必须对节点各部分发出的信号进行分析和预测,并根据预测后的信号对处理器设定处理速率,最后,设定合适的工作电压和工作频率。

基于动态图像理解的节能空调控制器设计

探讨了全方位视觉传感器、动态图像理解、占空比(PWM)控制技术在空调节能上的应用;介绍了如何通过对室内全方位视频图像进行识别与理解,获得空调室内人数等信息,并根据室内人数对空调室外机进行占空比控制,实现"按需供气",从而达到空调节能的目的;此外提出了平均错开削峰控制方法来保证空调用电季节的电网安全;基于动态图像理解的节能空调控制器是解决空调节能问题的一种新尝试,它不仅能节约能源,同时也减轻了环境的污染。

基于视觉暂留的动态扫描LED旋转屏

为了研究并控制基于视觉暂留的发光二极管旋转显示屏,在系统仿真研究的基础上,设计并改善了红外驱动电路、磁电传感器电路以及单片机控制系统,在Keil-汇编语言环境下编写了单片机控制程序,制作出PCB电路板并进行了软硬件调试。实验结果表明,设计的基于视觉暂留的发光二极管旋转显示屏具有良好的可控制性和实用性,实现了非矩形及高速旋转场合下的应用。

无线传感器网络中的动态电压调节算法

无线传感器节点一般由电池供电,且电池不易更换,所以传感器网络最关注的问题是如何高效地利用有限的能量。动态电压调节技术允许软件在运行时动态的改变处理器的频率和电压,以减少它的能量消耗。分析了现有的一些动态电压调节算法,根据无线传感器网络多跳路由和拓扑易变化的特点,提出了一种针对中继节点的动态电压调节算法,并在NS2平台上对算法进行了仿真。通过对仿真结果的分析,表明改进的算法能够很好地减少系统能量消耗,延长无线传感器网络的使用寿命。

动态视觉传感器网络多节点协作覆盖算法

视觉传感器网络中的目标覆盖通常将目标简化为一个点,从而研究如何最大化覆盖目标点。但在多数情况下,目标无法被简化为一个点,单个视觉节点不但无法覆盖多个目标,对单个目标也无法完全覆盖。针对该问题,提出一种多节点协作覆盖算法。利用虚拟势场力使视觉传感器节点均匀地分布在目标周围,通过粒子群优化算法调度节点的工作方向,实现对单个目标覆盖的最大化。仿真实验结果表明,该算法有效。

基于规则的物体识别定位方法

提出了用于物体识别定位的传感器规划方法，并利用该方法对物体进行了识别定位仿真实验。该方法利用规则在识别定位过程中动态地规划传感器的方位，较好地显示了主动视觉的作用。实验表明，该方法简明有效且具有较高的可靠性。

视觉与惯性传感器融合的室内导航算法研究

目前大多数室内移动机器人使用的是视觉传感器的导航算法,其精度低,鲁棒性差,对于快速移动和环境纹理特征不明显的情况,机器人位姿估计的精度会骤然下降。于是该文提出了在ORB-SLAM2算法的基础上,使用双目相机与IMU传感器紧耦合的方式进行状态估计。IMU响应速度快、采集数据不受外界影响、在快速运动和低纹理环境中可以提供较好的估计。此外,在特征点匹配后进行了动态特征点滤除,使其在动态环境中也有较好的表现。在数据集下进行实验测试,结果表明,改进后的算法在上述情况下明显提高了系统的定位精度。

动态视觉传感器网络中的节点目标覆盖机制

动态视觉传感器网络是一个新的研究课题,节点目标覆盖是其中的一个基本问题,它反映了网络的监测性能。对于动态视觉传感器网络的有向感知模型,节点目标覆盖问题需要考虑如何调整节点的位置和方向实现利用最少节点最大化网络覆盖能力。针对这一问题,提出一种改进的遗传算法寻找最优位置和方向,通过对传统遗传算法的交叉过程进行改进,加强了算法局部搜索能力。仿真结果表明:算法能有效地收敛到最优解,利用最少的节点数实现网络覆盖最大化,提高了网络性能。

基于动态图像理解的生物式水质检测传感器

采用能综合反映水域水质状况的鱼类作为水质生物指示器,通过计算机视觉实时检测生物式水质传感器内的鱼体,采用动态图像理解技术分析鱼类的生态状况指标,如存活量、活动量以及投放药物后鱼类所产生的异常行为等,以判断水质的安全程度;通过传感器的特殊结构设计,自动区分存活的、濒临死亡的、已死亡的鱼,以方便获得鱼类生态状况的视频图像。最后,给出了一种集生物水质检测、机械设计、计算机视觉、动态图像理解及无线网络通信等技术于一体的生物式水质检测传感器的设计方法,并给出实验结果。

一种基于帧图像的动态视觉传感器样本集建模方法

动态视觉传感器(Dynamic Vision Sensor,DVS)利用事件驱动原理实现运动目标的快速提取,具有低延迟、低存储空间和高动态范围等优势.目前研究表明,基于DVS的神经网络在目标检测等领域具有明显的速度优势.但是,这类神经网络在训练时所需要的样本集主要依赖DVS相机产生,缺少高效的样本集生成方法,这制约了这类神经网络的应用与发展.本文根据DVS原理,提出了一种基于帧图像的DVS建模以及样本集建模方法.该方法设定每个像素单元独立工作,经过动态差分和逻辑判断后输出触发的地址-事件数据,这些数据通过编码和归一化生成神经网络训练时所需要的样本集.通过对MNIST和CIFAR-10样本集建模的实验结果表明,该建模方法效果与DVS相机基本一致;与基于帧图像的存储方式相比,该样本集可以明显减少存储空间.该方法所生成样本集已经通过卷积神经网络训练和测试验证.

时域感兴趣区域精确定位与膜电位多核调整的动态视觉传感器数据分类

动态视觉传感器(DVS)因其在获取视觉信息时具有低功耗,低延迟等特性,本质上十分适用于便携式设备上的实时动作识别.在对DVS事件流时域感兴趣区域(ROI)进行定位与分割时,现有方法往往不能根据不同物体运动自适应地设定最佳检测阈值、无法对静态场景中少量背景噪声进行过滤,为此,提出基于LIF神经元模型和脉冲最大值监测单元的运动符号检测(MSD),以实现在多种不同物体运动下事件流时域ROI关键时间点的自适应精确定位;在对分类器进行训练时,对不同的脉冲输入模式,使用不同的核函数调整突触后神经元膜电位,使训练得到的突触权重朝着正确发放的方向改变,提出一种具有抗噪性的脉冲神经网络学习算法MK-Tempotron.实验结果表明,与同类方法相比,本文方法在DVS数据集上的识别精度能获得高达14.61%的提升.