浅析Dreamweaver图层的应用

简要介绍了Dreamweaver图层实现元素定位的机制,图层与时间线结合制作动画移动效果,与行为结合制作对象辅助说明,以及图层、时间线与行为结合的高级应用．     

无线传感器网络节点自适应惯性权重定位算法

在无线传感器网络定位算法中,为了降低定位误差,提高定位精度,提出一种结合DV-Hop算法和改进粒子群算法的,基于自适应惯性权重的优化定位算法。首先根据DV-Hop算法估算未知节点与信标节点的距离。然后采用改进的粒子群算法做后期优化。根据每次迭代后粒子位置与全局最优位置的距离,对粒子的惯性权重进行动态调整,使其具有动态自适应性。并且利用进化度作为搜索中止条件,加快算法的收敛速度。通过仿真说明,相较于DV-Hop算法和基于已有改进粒子群优化的DV-Hop算法,自适应惯性权重定位算法可以降低平均定位误差,有效地提高了无线传感器网络中节点的定位精度。     

灰度矩边缘精确定位法的测量应用探讨

针对运用图像处理法进行二维尺寸精密测量的一个关键问题—图像目标边缘精确定位,提出了运用一维灰度矩亚像素边缘定位原理,分别计算若干条扫描线边缘,通过统计计算确定直线边缘的方法。在分析图像目标边缘像素灰度分布的基础上,确定了计算用像素点的选取原则。试验证明这种方法可以进行精确边缘定位,定位精度可以达到小于0.01个像素的水平。     

基于图像处理的管道泄漏检测与定位

压力曲线上的负压波是管道泄漏的征兆.为快速检测和准确定位压力曲线上的负压波,提出了一种基于图像处理的方法.该方法将压力数值转化为图像灰度值,将压力曲线上的负压波起始点定位等价为图像处理中的边缘检测.利用灰度统计直方图计算一段压力曲线前半段的主流数值,如果压力曲线的后半段偏离主流数值,则表明检测到负压波.对此压力曲线进行灰度拉伸变换,使负压波更为凸显.试验研究表明,该方法可减少系统的误报和漏报,提高定位的精度.     

基于边缘的字符串定位算法

为了对强干扰噪声图像中的字符串进行实时的检测定位,该文提出了一种基于边缘的字符串定位算法,它引入了边缘密度图和边缘连接强度两个新的概念。该算法首先通过对边缘密度图进行投影分析进行自顶向下的粗定位,然后在此基础上利用垂直边缘的连接强度进行自底向上的精确定位。新算法有效地克服了噪声的影响,运算复杂度低,因而能够实现对强干扰噪声图像中的字符串的实时定位。采用该算法对集成电路芯片图像中的编号字符串进行定位,实验结果证明其在处理强干扰噪声图像时是有效的。     

基于无线传感器网络的定位系统研究及设计

研究并设计了一种基于TDOA定位技术的短距离精确定位系统,该系统采用超声波和无线电相结合的 定位技术组建无线传感器网络来实现定位,系统结构简单,实现容易,无需时钟同步#针对该定位系统,设计了一 种快速、高精度的多步长定位算法,理论及实验结果表明,该算法是高效的。     

基于时延估计的非视域隐藏目标深度定位研究

非视域成像技术是对直接视线范围内看不到的物体（如拐角处的隐藏目标）进行探测并成像的技术,基于飞行时间的成像技术主要是探测深度图,首先需要完成对隐藏目标的深度定位,再对其进行图像重建。提出使用时间延迟估计算法对隐藏目标进行深度定位,并分别进行两组实验,针对不同隐藏目标个数和隐藏目标之间的距离,在不同噪声比下（0、5 dB、10 dB和20 dB）,对隐藏目标的深度定位进行研究。实验结果表明：当隐藏目标之间的距离不断变小时,深度定位误差也在不断增大,隐藏目标之间的最小距离约100 cm（激光脉冲为1 ns）;噪声对深度定位的影响较小,去噪后的误差减少为1～2 cm,表明提出的时延估计算法具有一定的抗噪能力。     

基于超宽带技术的强制戒毒人员实时定位系统

在戒毒所智能化管理的驱动下,基于超宽带技术,设计了一种应用于戒毒所的高精度测距定位系统,改进了原有紫蜂(ZigBee)和无线局域网(Wi-Fi)方法检测精度低的问题.分析测距的误差来源,做出相应的优化校正,并提出一种延迟参数的校准方法,进一步提升测距的精度和稳定性.该系统具有测距与定位两种功能,测距功能可以设置地理围栏以限制人员活动区域,定位功能可以实时监测人员位置.实验研究表明:修正后系统测距精度达到7 cm,测距更新频率达到10 Hz,定位精度提高至20 cm,定位频率达到5 Hz以上,可以更好地满足戒毒所定位系统的实时性和精确性的要求.     

基于散射区模型与参数聚类的室外NLOS单站定位算法

室外非视距(non line of sight, NLOS)环境中障碍物会阻碍终端电磁波信号直接传播到基站,而且该条件下单基站收集的定位信息不足,导致定位精度不高。针对上述问题,提出一种基于空间布局的散射区模型和基于参数聚类的定位算法。根据固定基站附近的空间布局确定散射区并构建散射区模型,该算法基于该模型收集多径信号的测量参数,将k-means聚类(k-means clustering)和均值漂移聚类(means shift clustering)算法有效结合对参数聚类处理,再根据聚类结果和单站定位系统的几何结构建立方程组,将方程组的求解问题转化为非线性优化问题并利用列文伯格-马夸尔特(Levenberg-Marquardt, LM)算法求解优化问题估计目标位置。仿真结果表明,在室外NLOS环境中,且仅提供单个基站的条件下,该算法可以有效提高定位结果的精度。     

一种改进的DV-Hop定位算法在配电线路故障定位中的应用

基于WSN技术提出一种改进的DV-Hop算法解决配电线路故障定位不准确的问题.阐述了配电线路WSN故障定位原理,针对配电线路的实际特性,建立无线传感器节点拓扑模型.分析了传统DV-Hop算法应用到配电网中的缺陷,同时对其进行改进.MATLAB仿真结果表明,改进的DV-Hop算法应用于配电线路故障定位的误差率明显低于传统定位算法,此外,误差曲线也更加稳定,能够达到更高的定位精度,更加适合配电线路上的故障位置节点定位.