基于Android平台的智能家居系统设计

针对传统智能家居系统中存在的灵活性差、不易推广、功能单一、维护成本高等缺点,本文采用基于Android平台的智能家居系统设计方案,以Android智能终端作为客户端,以搭建Linux操作系统的ARM9微处理器作为服务器,以Zigbee技术构建内部网络,最终实现远程控制智能家居,并实时显示内部环境信息。

基于ZigBee智能家居控制系统的设计

为了实现家居生活智能、方便、舒适等目的,提出了一种基于ZigBee智能家居控制系统解决方案,并完成了系统的软硬件设计。该系统的以ARM处理器为控制中心,内部搭建服务器,结合ZigBee无线通信技术,实现了对室内灯光、窗帘,常用家电的协调控制。经测试,该系统稳定、操作简便、易于扩展,适用于对实时性要求不高的家居场合,达到了设计要求。

基于ZigBee的室内定位方法分析和验证

采用ZigBee无线通信网络为核心并选择位置指纹与三角质心算法相结合的定位方案,分析了实验场景下信号强度的统计特征;从统计结果入手,进行ZigBee信号测距的可行性分析,优化了基于接收的信号强度指示(RSSI)的测距方程。进而使用改进的位置指纹法和优化的参考节点布局方案完成定位。实验结果表明,相比传统方法,位置指纹与三角质心算法相结合的定位方案大幅度提高了定位精度。

基于神经网络的运动目标检测算法研究

当前主流的运动目标检测方法存在计算量大、计算速度慢和无法实时检测等问题。本文以室外场景下的视频作为研究对象,在特征提取方面利用HOG特征和颜色特征相结合的特征融合方法,使用主成分分析法对特征维度进行降维,克服了单特征描述能力不全面的问题和多个特征数据量大的问题;在分类器设计方面,本文使用经过调优结构后的BP神经网络,克服了模式识别检测时间长的问题。实验结果表明,该算法相对于当前主流的HOG+SVM算法,在INRIA运动目标数据库上对运动目标的检测率达到92%,且速度较快。