為了在LabVIEW平臺下更方便的處理非均勻采樣的心電信號，文中研究了心電信號的時域和頻域插值算法。首先采用了拉格朗日插值法、牛頓插值法、埃爾米特插值法和三次樣條插值法等四種時域插值方法，從算法精度、內存消耗和時間消耗三個方面做比較，得出埃爾米特插值法最為合適。最后又提出一種頻域插值法：補零傅里葉頻域插值法，來彌補原始心電信號頻域分辨率不足的缺點。
上傳時間： 2013-11-05
上傳用戶：qitiand
針對幀差分法易產生空洞以及背景減法不能檢測出與背景灰度接近的目標的問題，提出了一種將背景減和幀差法相結合的運動目標檢測算法。首先利用連續兩幀圖像進行背景減法得到兩種差分圖像，并用最大類間與類內方差比法得到合適的閾值將這兩種差分圖像二值化，然后將得到的兩種二值化圖像進行或運算，最后利用圖像形態學濾波得到準確的運動目標。實驗結果表明，該算法簡單、易實現、實時性強
上傳時間： 2013-10-08
上傳用戶：yqs138168
文中首先介紹了雷達測距的兩種常用方法，通過分析，調頻連續波（FMCW）雷達更具有優勢，然后闡述了調頻連續波（FMCW）雷達測距系統的基本組成原理，再后本文論述了測頻中最常用的FFT算法。接著分析研究了由此衍生出的距離譜，根據距離譜本文重點論述了其估計算法，說明了距離譜最大采樣點法的問題，提出距離譜最大值二分估值法，又經過進一步改進得到距離譜最大值的擬合法。通過計算機仿真的結果確定距離譜最大值的擬合法提高了測距的精度。
上傳時間： 2013-11-20
上傳用戶：zhangzhenyu
針對人臉識別中的特征提取問題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區分能力和LDA所具有的判別性優勢來進行特征提取。首先利用Gabor小波變換來提取人臉特征。然后對得到的高維特征采用PCA進行初次降維，再利用LDA實現再次降維，得到最終的特征向量。在ORL和YALE人臉庫上的實驗驗證了該算法的有效性。
上傳時間： 2013-12-14
上傳用戶：alex wang
為了解決自適應大數表決算法無法容忍表決周期發生瞬時錯誤的問題，提出了基于自檢測的自適應一致表決算法。該算法通過插入檢測代碼實時搜集瞬時錯誤信息，進而屏蔽發生瞬時錯誤的軟件冗余模塊參與表決，并將各軟件冗余模塊歷史記錄信息有效地應用到表決系統。在此算法的基礎上，設計了能實現上述功能的表決系統結構圖。最后通過仿真實驗證明了所提算法的有效性。
上傳時間： 2013-10-13
上傳用戶：miaochun888
檢測運動物體需要無運動物體的背景圖像，所以，首先應用多幀像素平均值法提取了運動視頻序列的背景圖，從背景圖像中分離目標像素，獲取目標的質心坐標，并應用質心跟蹤法以灰色圖像序列為基礎，對運動的目標進行實時檢測和跟蹤。質心跟蹤法的目標位置通過質點的中心來確定，該算法計算簡單，計算量小，其穩定性與精度主要取決于序列圖像的分割及其閥值的確定情況。文中給出了用Opencv實現算法的具體過程和關鍵代碼，并且設計了跟蹤運動車輛的控制界面，方便了實時監控。實驗結果表明，該方法可以實現視頻序列中運動目標的識別，具有實時性、并能給出較好的識別效果。
上傳時間： 2013-11-12
上傳用戶：蟲蟲蟲蟲蟲蟲
基于合成孔徑雷達（SAR）圖像的海面風場估計已經得到廣泛認可。多數風速反演算法是以估計的風向、校正的δvv為先驗條件，應用海風模型計算而得的。在相同風向的情況下，應用不同的海風模型會得到不同的風速反演值，因此選擇合適的模型是風場估計的關鍵。同時，風向數據的精確度也很重要，即使不大的誤差也會給風速的反演結果帶來明顯偏差。為解決上述問題這里提出一種不需要預先已知風向數據的風場估計算法。該算法將基于海洋SAR圖像中風浪的條紋信息，以及風浪條紋生成的自相關函數的周期性估計風速數據，同時由風浪條紋的最短周期方向估計風向數據，從而估計出完整的風場矢量。仿真結果顯示，該算法對風速和風向數據有較高的估計精度。
上傳時間： 2013-10-17
上傳用戶：520
闡述了目前三維成像在其常見應用領域中的研究，主要致力于研究高分辨率三維成像系統。三維激光成像是一項可以應用于探測隱藏目標、地形測繪、構建虛擬環境、城市建模、目標識別等領域中的技術。在區域成像技術中，除了如立體視覺和結構化燈光等更常規的技術，實時三維傳感也具有現實可操作性。當前三維激光成像技術已經發展到有能力提供厘米級波長的高分辨率三維成像，這將給許多領域提供方便，包括法律的實施和法醫調查。與CCD和紅外技術等傳統的被動成像系統相比，激光成像技術不僅能提供強度和范圍信息，還能穿透植被和窗戶等特定情景元素。這意味著激光三維成像系統在目標識別與辨認等方面具備新的潛力。結果表明，激光三維成像系統可以在許多情況下得到應用。
上傳時間： 2013-10-31
上傳用戶：wushengwu
提出一種基于自適應混沌粒子群優化和支持向量機結合的非線性預測建模算法（ACPSO-SVR），引入ACPSO啟發式尋優機制對SVR模型的超參數進行自動選取，在超參數取值范圍變化較大的情況下，效果明顯優于網格式搜索算法。選取UCI機器學習數據庫中的Forest fires標準數據集進行測試，實驗結果表明該方法具有較高的精度和良好的泛化能力，對于解決多變量的回歸預測問題是一種有效的方法。最后給出了混合算法在碳一多相催化領域的兩種典型應用，在反應動力學模型未知的情況下建立催化劑組份模型和操作條件模型，以及基于混合算法的最優催化劑設計框架。
上傳時間： 2013-10-23
上傳用戶：alibabamama
針對目標和背景具有空間連續性的特點，提出一種基于核密度估計和馬爾科夫隨機場的運動目標檢測方法。首先利用核密度估計計算像素點屬于背景的概率密度，在特征向量中加入顏色空間運動矢量分量來提高對背景擾動和光照變化的魯棒性；然后構造馬爾科夫隨機場，提出一種馬爾科夫隨機場能量函數代價項的構造方法，通過最小化其能量函數得到目標分割結果。實驗結果證明，該運動目標檢測算法對背景擾動和光照變化具有更好的魯棒性，錯誤檢測率更低。
上傳時間： 2014-01-20
上傳用戶：solmonfu
