一种由电流传输器实现的二阶电流滤波器

提出一种由电流传输器实现的二阶ＲＣ低通、高通、带通电流滤波器并分析电路的无源灵敏度和有源灵敏度．该电路容易级联而不需附加匹配装置     

基于反馈趋势算法神经网络的火灾监测算法研究

本文采用温度、烟雾、一氧化碳浓度进行火灾检测。在数据处理方法上,采用反馈趋势算法的神经网络对火灾的有无进行判断,较单个传感器及传统的神经网络相比,基于反馈趋势算法神经网络数据融合的结果具有较高的准确度和可信度。     

结合最陡下降算法的室内 NLOS场景下TDOA/AOA融合算法

在利用传统Chan算法进行目标节点位置估算的基础上,提出了一种结合最陡下降算法SDA(Steepest Descent Algorithm)的TDOA(Time Difference of Arrival)/AOA(Angle of Arrival)融合算法,通过迭代消除由NLOS(Non Line of Sight)误差引起的误差因子,达到有效提高定位精度的目的.实验结果表明:本文提出的结合SDA的TDOA/AOA融合算法在复杂的室内环境下可以有效提高定位精度和定位稳定性,相对于传统的基于Chan算法的TDOA/AOA定位算法,定位精度提高28%.     

基于模糊熵评价和最优搜索的自动对焦算法

针对传统自动对焦算法不能实现最优对焦,以及易受清晰度评价函数局部峰值影响,从而导致重复性和稳定较差的问题,提出一种基于模糊熵的清晰度评价算法和全局最优拟合算法,应用于工业影像测量的自动对焦.该算法用模糊熵对图像清晰度进行评价,可降低噪声以及放大倍率和光照强度变化对自动对焦性能的影响,结合多尺度全局搜索和微尺寸曲线拟合搜索算法,避免局部峰值的干扰以实现最优对焦.该算法在环境变化的条件下,尤其是针对光照不稳定和变倍精度不够高的环境下,具有很高的聚焦精度,重复性和稳定性有显著提升,能够满足工业影像测量对自动对焦的要求.通过实际工业影像测量系统中的应用对比试验,该算法的有效性和优越性得到了验证.     

基于GA-WNN和时空特性的交通数据融合

由于时间序列的交通数据重点关注断面交通流量变化,而空间序列的交通数据主要关注路网交通流分布;本文在综合考虑二者特性的前提下利用遗传算法的群体搜索技术及小波神经网络的较强学习能力,提出了基于遗传-小波神经网络（GA-WNN）的交通数据融合模型,使用MAE、MRE和MSE三个指标对交通数据序列进行优劣对比分析。经实例验证,考虑时空特性的交通数据其数据质量优于单一的时间序列和空间序列。     

序列图像运动自适应V1-MT光流估计算法

针对传统算法在抗光照变化影响、大位移光流和异质点滤除等方面的不足,从人类视觉认知机理出发,提出了一种基于机器学习和生物模型的运动自适应V1-MT(motion-adaptive V1-MT,MAV1MT)序列图像光流估计算法.首先,引入基于ROF模型的结构纹理分解(structure-texture decomposition,STD)技术,有效解决了光照和色彩变化的影响.其次,利用多V1细胞加权组合及非线性正则化模拟MT细胞模型,并结合岭回归训练学习得到运动自适应的权重,解决对目标的运动速度感知问题.最后,引入由粗到精的增强方法和图像金字塔局部运动估计采样,将V1-MT运动估计模型应用于实际大位移视频序列.理论分析和实验结果表明,新方法能更加拟合人眼视觉信息处理特性,对视频序列具有普适、有效、鲁棒的运动感知性能.     

用于超高频射频识别读写器Mixer-First接收机的新型直流分量消除技术

由于收发隔离度有限,超高频射频识别读写器的接收机面临着发射机载波泄漏的问题,基于MixerFirst结构的接收机,提出了一种新型的直流分量消除技术.在无源混频器的中频输出端设计一个由电感、电容等器件组成的带通滤波器,滤除泄漏载波经过下变频产生的直流分量.同时相比于传统的交流耦合方式,该技术可以缩短直流分量的稳定时间.仿真结果表明,当标签返回信号数据率为400kb/s时,该结构的带通滤波器的直流衰减约为-50dB,同时直流分量的稳定时间约为6μs,只有传统交流耦合方式的一半左右.该技术可以扩展接收机的动态范围.     

基于特征层融合和随机投影的行为识别算法

提出一种基于特征层融合和随机投影的行为识别算法;该方法提取视频序列的时空梯度特征和Gabor特征;然后进行特征层融合,得到分类能力更强的特征,有效地表征人体行为;同时,使用随机投影对融合后的特征进行降维;最后,为了解决主题模型参数估计迭代复杂的问题,将贝叶斯参数估计法应用于LDA(latent dirichlet allocation)主题模型中,对视频中的行为进行分类。在公开的KTH和Weizmann数据集上进行了实验,结果表明方法不仅比单一局部时空特征描述符识别性能好,而且在相同实验设置下,也优于其他基本分类器。     

一种改进的噪声抵消器LMS自适应算法

指出常规噪声抵消器LMS自适应算法采用恒定的步长，具有收敛速度慢，失调量大的缺点，提出了一种改进的LMS自适应算法，该算法根据对输入信号信噪比的估计，采用变步长，其步长随输入信号信噪比的变化而改变，从而提高了收敛速度，降低了回响，提高了输出信号信噪比，计算和实验结果表明改进的算法在收敛速度，降低回响，消噪性能等方面均优于常规算法。     

关于(S-1,S)订货策略的随机库存最优解

本文运用G/M/1排队论方法，对(S-1，S)订货策略中当需求是一般分布，到货(生产时间)是指数分布的随机库存问题进行了研究，给出了在考虑库存费，缺货损失费，订货附加费等因素下的库存模型的最优存储量S^*的求解公式。