基于差分阈值与模板匹配的心电R波提取算法

心电信号(electrocardiogram,ECG)是人体最重要的体征信号之一,R波是心电信号中最明显的特征参数.R波的正确提取是计算心率、分析心率变异性等其他参数的基础.以一阶差分为基础,结合模板匹配算法,在匹配的过程中采用阈值比较和匹配系数的心电R波检测方法,提高了R波检测的准确率.实验表明,该算法能够快速准确地检测心电信号数据中R波特征值.     

塔康脉冲峰值滑动窗检测与方位包络拟合方法

针对在低信噪比情况下塔康(tactical air navigation,TACAN)峰值检测误差大、脉冲形变和易丢失等问题,提出了滑动窗方法检测塔康钟形脉冲峰值.设计了与塔康钟形脉冲匹配的滑动窗,通过多次滑动比较窗中离散点与首尾点幅值来判断脉冲到达时刻,累加离散点做归一化估计峰值,采用最小二乘算法拟合周期内各峰值点估计包络,剔除偏差包络分布较大值并重新拟合提高角度测量精度.仿真结果表明,所提方法在低信噪比情况下,能有效检测峰值和估计方位信息,估计误差小于0.5.,满足塔康系统方位误差小于2°的要求.     

基于LE-Trie的SDN访问控制策略研究

为解决SDN(software defined networks)网络面临的网络安全问题,提出了基于集中控制思想的访问控制策略,将访问控制规则下发到源交换机,由此可以在源头上抑制无效的数据流.通过采用区间值起止点的最大公共前缀作为构建LE-Trie的基本元素,解决了IP地址和端口的区间无法在树中进行构造的问题.在此基础上,提出了基于多区域LE-Trie(multi-area-domain LE-Trie MADLT)的规则检测和匹配方法.该算法将对规则的顺序匹配转化为对多域的匹配,减少了匹配次数,从而提高了访问控制服务器的工作效率.对比实验结果表明,在进行冲突检测时,MADLT在时间性能上较顺序算法平均提高2.97倍,较传统Tiie算法平均提高30.4％;在进行规则匹配时,MADLT在时间性能上较顺序算法平均提高2.3倍,较传统Trie算法平均提高16.3％.由此证明,本文提出的集中访问控制策略可以有效地实现SDN网络中的数据访问控制.     

最大匹配问题Tile自组装模型

Tile自组装模型凭借其自组装、可编程等特性在解决NP问题方面具有巨大优势.文中提出了一种求解最大匹配问题的Tile自组装新模型,该模型主要由初始配置子系统、选择子系统及检测子系统3大部分构成.新模型中首先设计Tile分子存储问题信息,其次通过Tile分子自组装操作生成最大匹配问题解空间,最后通过Tile检测分子筛选得到最大匹配问题的解.对模型从所需Tile分子种类、计算时间和计算空间3个方面进行性能分析,并通过实验模拟论证了模型的有效性和正确性.     

一种截断Cole-Cole色散媒质CPML的FDTD方案

近年来,基于帕德(Padé)近似法,一种面向一般Cole-Cole色散媒质的时域有限差分(FDTD)方案被提出.为了应用该方案处理实际的电磁问题,发展了一种对应的卷积完全匹配层(CPML)吸收边界.该吸收边界具有复杂度低的优势,便于问题空间和吸收边界的统一处理.通过一维、三维2个算例,初步证实了该边界的良好吸收效果.     

电子稳像技术研究与实现简

针对电子稳像技术在现实中的应用,提出了一种基于角点检测与块匹配的电子稳像改进算法.接着根据块匹配方法找到相应的特征块,并从中找到对应的角点对,运用6参数摄像机运动模型求解运动参数,完成运动估计.采用基于FPGA+DSP通用架构的图像处理硬件平台,用CCS编写程序,将改进的稳像算法移植到TMS320C6416DSP中,达到实时实现视频稳像的目的.算法仿真结果与试验表明,改进的算法具有稳像精度高、速度快等特点,同时经过电子稳像系统处理后的视频图像更加清晰稳定且实时性好.?更多还原     

图的极大匹配能(英文)

Gutman和Wagner(The matching energy of a graph,Discrete Appl.Math.2012(160):2177-2187)首次提出了匹配能的定义,即:图的匹配多项式的所有特征根的绝对值之和称为图的匹配能.他们证明了在n个顶点的图中,完全图Kn有最大匹配能.本文完全刻画了具有第二大至第十六大匹配能的图.     

考虑偏好序且权重未知的群双边匹配决策

考虑匹配主体是群且成员权重未知,提出一种基于偏好序信息的群双边匹配决策方法.先给出群双边匹配、综合满意度等概念.使用极大极小离差法求出主体群的成员权重,并通过OWA算子进行集结、生成一方主体群对另一方主体群的综合满意度.以最大化双方主体群的综合满意度之和为目标,建立0~1单目标优化模型并对模型解法进行拓展,求解模型获得最优匹配方案.最后通过实例说明该方法的简单、有效性.     

基于模板匹配与线性预测的目标跟踪算法

为解决复杂场景中目标遮挡、算法鲁棒性差的问题, 提出基于模板匹配与线性预测的算法。该算法分为模板匹配和线性预测两部分。场景中无遮挡物时, 执行模板匹配算法, 获取目标跟踪信息; 否则, 通过预测算法估计目标的状态, 进而实现目标跟踪。实验结果表明, 在目标有遮挡干扰的情况下, 采用该算法能稳定、准确地实现目标跟踪, 与传统的模板匹配算法相比具有较强的鲁棒性。