基于实验室的工业数据传输仿真系统的开发

本文介绍了一种应用于实验室的工业数据传输仿真系统。文章中首先阐述了系统的构成和功能。然后详细介绍了系统的组成,并对系统中应用的不同串行接口间的连接方式进行了详尽的说明。该系统的开发为学生提供了一个很好的了解工业中数据传输方式的平台。     

在工程认识课程中探索引导大学新生完成转型的方法

刚步入大学校园的新生,能否快速适应大学的生活和学习环境,快速的调整心态,确立新的目标对其能否很好的完成大学学业乃至最后进入社会都有很大的影响。本文结合工程认识课程的特点,介绍了一些在教学中应用到的方法,为引导学生完成转型起到了很好的作用。     

人工神经网络在数字识别中的应用

BP神经网络是最常用的一种人工神经网络。本文介绍了利用BP神经网络来实现离线手写体数字识别的基本方法，分析了传统BP算法的一些缺点，针对这些缺点指出了一些较新的改进算法。利用MATLAB验证了这些较新的算法。实验数据表明，改进的算法具有较高的识别率。     

结合PCNN和局部能量的NSST域声呐图像融合

针对声呐图像局部特征模糊和边缘信息丢失的问题,提出一种结合参数自适应脉冲耦合神经网络和改进的局部能量融合规则的非下采样剪切波域声呐图像融合方法。利用非下采样剪切波变换将多幅源图像分解为高频系数和低频系数,采用参数自适应脉冲耦合神经网络对高频系数进行处理,整合图像边缘信息;对传统局部能量融合规则进行改进,并应用在低频系数的处理中,保留图像的大部分原始能量。最后,将处理后的高频系数和低频系数进行重构,实现声呐图像的融合。仿真结果表明,该方法可将源图像中的边缘信息和特征信息有效传递到融合图像中,使声呐图像质量得到较大提升。     

基于密度聚类与灰度变换的NSST域声呐图像去噪

传统图像去噪方法在去除声呐图像斑点噪声的同时,难以有效保留细节特征.针对该问题,提出一种基于密度聚类与灰度变换的非下采样剪切波域图像去噪方法 .利用非下采样剪切波变换将含噪图像分解为高频系数和低频系数,根据声呐图像中斑点噪声的分布特性,采用基于密度的噪声应用空间聚类（Density-based Spatial Clus...     

基于GSM的移动定位系统原理及实现

随着GSM系统用户数量的增加和用户需求的不断扩大,移动定位技术,特别是GSM系统下的移动定位技术,已经成为目前移动通信领域中急需解决的关键技术之一．对GSM系统的移动定位原理及其实现方案进行了详尽深入的分析和研究．     

结合多特征赋权的谱聚类水下多目标分割技术

由于声呐图像受噪声污染严重，导致水下多目标分割存在精度低的问题.为此，提出一种自调整谱聚类结合熵权法进行多特征赋权的水下多目标分割技术.该技术首先通过自调整谱聚类对声呐图像的像素点进行聚类处理，使图像划分为多个独立的区域，然后根据多特征的互补性和冗余性统计每个区域的信息熵、亮度、对比度和狭长度等特征，利用熵权法对多特征进行赋权并筛选出最优的一个目标区域，再将该最优目标区域和所有区域进行多特征相似度匹配，最后根据相似度的匹配结果使用自适应阈值迭代法自动分割出所有的目标区域.实验结果表明没有对噪声干扰区域误分割，分割出的目标区域精度更高，验证了所提方法的有效性.