基于字符行特征的车牌倾斜矫正算法

针对Hough算法在识别白色反光车牌时的不足,提出了基于车牌字符行特征的倾斜矫正算法.该方法采用通过字符行倾斜度恢复车牌原貌的机理,即从多个角度来对图像倾斜的方向扫描,分别记录各扫描平行线组中具有车牌字符信息的行数,对应字符行数目最多的扫描角度就是图像倾斜的角度.实验表明,该算法能较理想地减少车牌倾斜给车牌字符分割及识别带来的负面影响,运算量小且易行可靠.     

高维流形视角下采用ISOMAP降维的配网户变关系辨识

准确的户变关系是配网线损计算、故障定位和三相平衡等高级应用的基础.低压配网的户变关系辨识算法大多基于电压相关性原理,而电压相关性随供电半径增加而减弱,电压采集频次较低无法可靠捕获电压的"共性波动",使得辨识准确率普遍不高.提出了一种基于等距特征映射(isometric mapping,ISOMAP)降维和改进K-mea...     

贝壳棱柱层和珍珠层的傅里叶变化红外光谱

运用热重分析和傅里叶变换红外光谱分析技术,对夏夷扇贝棱柱层和珍珠层粉末样品进行温度变化性质研究.研究结果表明,贝壳棱柱层和珍珠层的主要成分均为方解石型碳酸钙,并含有少量有机质和水分,棱柱层有机质含量高于珍珠层.珍珠层和棱柱层样品分别于600℃、700℃发生碳化,所含有机物分别于700℃、800℃发生完全分解,同时热处理前后红外光谱吸收峰的峰形、峰位发生了明显变化,有机质含量的高低与CO32-不对称伸缩振动ν3的峰位负相关,而与CO32-的面内弯曲振动2ν、面外弯曲振动ν4无关.变化表明,热分解前存在生物大分子与方解石型碳酸钙的配位作用,从分子结构水平上揭示了生物矿化材料中有机质对无机晶体的配位作用.     

结构损伤识别的周期小波方法

通过对结构损伤前后模态特征的变化进行分析,利用损伤结构的位移振型函数构造出曲率振型函数γi(x),然后再在曲率振型函数的基础上提出一个用于探测和评定损伤程度的新指标———损伤因子r(x)=∑i∈Idγi2(x);基于小波分析的方法,对损伤因子进行周期小波变换,通过小波系数的取值范围提出了一种结构损伤定位和损伤程度的评估方法.数值仿真表明,这是一种行之有效的损伤识别方法.     

自突触下光敏神经元网络的动力学行为

以HR神经元模型为例,模拟了环链网络及平面网络中光敏神经元的电活动行为.研究发现恰当的电压源振幅可以促进神经元放电,使整个网络处于有序态,更大的自突触耦合强度更有利于激发神经元放电.在全光照下,适当调整电压源振幅A、频率ω,可以观察到神经元网络丰富的放电行为.但在固定电压源振幅A下,使用较小的频率ω,神经元很难诱发放电,整个网络处于静息态.在非均匀光照下,网络中更容易产生靶波.     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力,使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度,提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先,对跳频信号进行短时傅里叶变换获取谱图。然后,从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明,此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

USB数据采集与信号处理技术在TCD中的应用

设计并实现一个基于USB数据接口技术的TCD诊断系统.主要讨论TCD诊断系统中的USB接口模块技术以及数据采集与信号处理模块的设计与实现,阐述TCD诊断系统的硬件体系结构及USB外围设备开发的相关技术.     

一种改进小波变换相关法去除机载雷达图像斑点噪声的应用

针对高分辨率机载雷达图像进行相干斑抑制, 首先讨论小波变换的优点, 然后以小波变换为基础, 对一种方法进行复小波改进, 最后由实验结果可以看出使用该方法处理的效果好于其他方法.     

GPS软件接收机中C/A码信号捕获的圆周相关算法

采用圆周相关算法实现全球卫星定位系统(GPS)C/A码信号的捕获. 该算法用快速傅立叶变换将输入数据和本地产生的数据变换到频率域, 在频率域进行二者的圆周相关处理, 对相关结果反变换并找到其最大绝对值, 将该值与预先设定的门限值比较, 如果大于门限值, 则信号捕获成功. 圆周相关算法可实现快速获取GPS C/A码信号, 且灵敏度较高.     

逆半群上的几类模糊子半群

利用集合上模糊同余关系, 在逆半群上定义了模糊正规子半群和模糊商子半群, 并研究了逆半群上由这几类模糊关系所定义的模糊同余关系的一些性质. 通过模糊同余关系β, 得到模糊正规商子半群R及S/ρ上的模糊同余关系μ_R.