基于HSI的彩色图像二值化技术研究

当今的工业应用中存在着大量没有输出接口的数字仪表。要想自动读取仪表中的数据,只能通过识别技术。数字仪表识别的关键在于图像的二值化处理。在工业环境中实时采集的图像多为彩色图像,由于现场光线以及仪表位置等因素,应用传统的二值化技术存在处理速度慢、清晰度不高等缺点。给出一种基于HSI空间上彩色图像二值化方法。这种方法不需要对图像进行灰度处理而是直接对彩色图像进行处理,不仅能够提高处理速度,而且对较模糊的图像也能获得较好的处理效果。     

一种低序级断层识别方法及应用

低序级断层使含油断块的油水关系复杂化,尤其是对于单砂体空间分布连续性较差、砂体内部结构非均质性明显的区块,低序级断层的识别对于寻找有利井位、解决注采矛盾非常有利。在卫星油田卫21区块为单一背斜构造基础上,采用葡萄花油层组密井网资料,考察分析同一井排井资料反映的葡顶构造位置的相对变化趋势,结合地震剖面,有效地实现了该区块低序级断层的识别,为加密井方案设计提供依据。     

基于RFID ZigBee技术的井下无线跟踪系统

针对目前我国煤矿生产事故频发,工人生命安全得不到保障的严峻现实,提出了基于射频识别（RFID, Radio Frequency Identification）技术和ZigBee无线通信技术的井下定位系统,结合控制中心数据库,实现了对矿工位置的跟踪和定位,并能够查询人员在过去一段时间内的工作路线,从而加强了对整个煤矿的实时管理;在事故发生后能够在最短时间内实现对被困人员的搜救,大大加强了矿工的安全保障。     

RFID系统阅读器防碰撞技术研究

针对多阅读器情况下,阅读器对阅读器的碰撞和阅读器对标签的碰撞,分别提出了阅读器同步法和设置控制通道的解决方法,能够较好的降低碰撞率,提高阅读器读写速率和阅读器读取的准确率.     

基于ICA算法的卫星TT&C信号的一种新的盲识别算法

在现代通信对抗中,由于电磁环境特别复杂及信号调制方式的多样性,要知道所发射信号的先验知识几乎不可能,这给通信对抗带来极大的困难.为了解决在复杂多信号情况下的这个难题,提出了一种新的盲识别技术,该技术使用独立分量分析(ICA)算法来盲识别原始信号且对所得的结果进行下一步的分别处理.首先介绍了ICA的基本原理:它使用差分负平均信息量的最大化逼近.基于此,ICA的一个目标函数和一种快速的ICA算法在本文中被提出.在深入分析该快速ICA算法的基础上,将其应用于卫星TT&C信号的盲识别上.仿真结果表明:在没有任何先验知识(例如:载波频率,信号带宽和调制方式)的情况下,原始的信号可以被很好地分离出来.这为下面步骤的信号处理建立了一定的基础,比如信号分析和识别,解调信号及证明其收敛和鲁棒性等.     

小波方法识别框架结构损伤

小波包分析损伤识别方法首先将结构响应信号分解为小波包组分,然后通过各组分小波信号的变化情况识别损伤。通过3层框架结构的数值分析,模拟结构损伤,判断损伤时刻与损伤位置。分析小波组分信号突变情况,可以识别损伤时刻、损伤位置和损伤程度。     

基于粗糙集和灰关联理论多传感器融合的雷达辐射源信号识别研究

粗糙集理论的上下近似集合可以刻画传感器对未知雷达辐射源信号的识别程度。从灰关联理论对传感器测得的原始数据计算出的不肯定度出发,计算每个目标与传感器测得的悲观解和乐观解距离。从而计算出目标与悲观解和乐观解间的灰关联系数矩阵。用假定的折中系数α、β计算出各传感器的侦察权重。再由灰关联系数矩阵和传感器权重得到各雷达辐射源信号的与悲观解和乐观解在传感器Sj识别意义下的灰关联度,最后计算融合判别函数得到融合结果。仿真实验表明,由粗糙集理论和灰关联理论相结合的多传感器数据融合的方法可以有效地应用于雷达辐射源信号识别,特别在是在降低多传感器引起的不确定性取得较好的效果。     

基于路面雷达的路面结构缺陷检测方法

为了提高路面雷达适应实际检测对象的变化能力和路面结构缺陷检测效率,采用Borland C Builder 6．0开发了一个具有路面雷达数据转换和路面结构缺陷识别等功能的软件系统．与原路面雷达配套软件IRIS-L的比对结果证明,所设计的软件系统的数据变换、信号处理与识别的方法是正确的,并较原配套软件增加了路面结构缺陷的识别功能,提高了路面质量检测的准确性和结构缺陷的识别效率．     

卫星测控信号盲识别算法

针对卫星测控通信信息侦察中测控信号识别的问题,提出一种基于小波分析的测控信号副载波识别算法。算法首先基于小波多分辨率分析去噪原理,对混合信号进行去噪处理。然后,采用零点分区法确定副载波个数。最后设计了阈值自适应判别算法来确定各个副载波的频率分界点。仿真结果表明,该测控信号副载波识别算法精度达到95％,抗噪声干扰能力强。     

Logistic人口模型参数伴随同化识别

研究了Logistic人口模型,利用伴随同化方法对该模型的参数进行了识别。基于1790—1950年的美国人口数据进行了数值实验,数值实验结果显示该方法用于Logistic人口模型参数识别可行。