飛機特征點圖像的識別是航空試飛領域中計算機視覺研究的重要課題，在基于圖像的視頻安全監控、自動識別與智能人機交互方面有著重要的研究價值。其檢測算法經過長時間的發展，已經取得了顯著的成績。本文中對Paul Viola提出的基于積分圖像和AdaBoost的檢測方法進行了深入研究、改進，并針對實際問題成功應用到飛機特征點圖像的快速檢測中。
上傳時間： 2013-11-04
上傳用戶：日光微瀾
用于定量表示ADC動態性能的常用指標有六個，分別是：SINAD(信納比)、ENOB(有效位 數)、SNR(信噪比)、THD(總諧波失真)、THD + N(總諧波失真加噪聲)和SFDR(無雜散動態 范圍)
上傳時間： 2014-01-22
上傳用戶：魚哥哥你好
對脈搏波的完全分析是建立在含有少量噪聲且較為清晰的脈搏波信號中，然而在采集脈搏波信號時容易受到多種干擾的影響，使其提取出來的脈搏波含有大量的噪聲，因此降噪處理顯得尤為必要。同時，脈搏波中含有人體生理病理信息，不同的人將表現為不同的特征，可以看出確定脈搏波特征點對于分析人體生理健康很有意義。針對信號去噪問題采用小波變換和多分辨率分析的方法，該方法在時域和頻域都能表征信號局部信息的能力，且具有對信號具有自適應性。運用極值法確定出脈搏波的峰值點，然后再根據峰值點確定出其他特征點的位置，實驗證明該方法能夠增加特征點的檢出率。
上傳時間： 2013-10-12
上傳用戶：shirleyYim
針對齒輪故障特征信號具有強噪聲背景、非線性、非平穩性特點，提出采用形態梯度小波對齒輪振動信號進行降噪。首先使用形態梯度小波把齒輪振動信號分解到多個尺度上，然后對各層的細節系數進行軟閾值方法降噪處理，對經過處理后的小波系數進行重構。對降噪后的齒輪振動信號采用S變換多分辨率時頻分析，能夠從具有良好的時頻分辨率的S變換譜圖提取齒輪故障特征。通過仿真試驗和故障軸承的信號分析證明，該方法具有短時傅里葉變換和小波變換的優點，不存在Wigner-Ville分布的交叉干擾和負頻率，能有效地提取隱含在噪聲中的齒輪故障特征，適合齒輪故障的在線監測和診斷。
上傳時間： 2013-11-01
上傳用戶：AISINI005
基于N溝道MOS管H橋驅動電路設計與制作
上傳時間： 2014-08-01
上傳用戶：1109003457
總體平均經驗模式分解（EEMD）方法是一種先進的時頻分析方法，非常適合于對非平穩故障微弱信號的分析處理。文中介紹了EEMD方法的原理與算法實現步驟，重點分析了EEMD方法避免模式混淆的機理。利用EEMD方法對齒輪箱振動信號進行分析，成功提取了小齒輪磨損故障特征，驗證了EEMD方法在故障微弱信號特征提取的有效性。
上傳時間： 2014-11-30
上傳用戶：wbwyl
探地雷達回波信號是一種非平穩非線性信號，其中不僅包含地下埋藏物的目標信號，還包含有可能掩藏目標信號的直達波信號，給目標的識別帶來困難。文中采用HHT方法對探地雷達回波信號進行特征分析，提取回波信號的IMF分量的瞬時頻率作為特征向量。實驗結果表明，用HHT方法提取特征可較好的避免直達波影響，該方法是可行而有效的，為進一步鑒別地下埋藏物提供了新的思想和方法。
上傳時間： 2013-10-22
上傳用戶：hjkhjk
為了模擬圖像分類任務中待分類目標的可能分布，使特征采樣點盡可能集中于目標區域，基于Yang的有偏采樣算法提出了一種改進的有偏采樣算法。原算法將目標基于區域特征出現的概率和顯著圖結合起來，計算用于特征采樣的概率分布圖，使用硬編碼方式對區域特征進行編碼，導致量化誤差較大。改進的算法使用局部約束性編碼代替硬編碼，并且使用更為精確的后驗概率計算方式以及空間金字塔框架，改善了算法性能。在PASCAL VOC 2007和2010兩個數據集上進行實驗，平均精度比隨機選取的特征采樣方法能夠提高約0.5%，驗證了算法的有效性。
上傳時間： 2013-10-24
上傳用戶：wawjj
計數器是一種重要的時序邏輯電路，廣泛應用于各類數字系統中。介紹以集成計數器74LS161和74LS160為基礎，用歸零法設計N進制計數器的原理與步驟。用此方法設計了3種36進制計數器，并用Multisim10軟件進行仿真。計算機仿真結果表明設計的計數器實現了36進制計數的功能。基于集成計數器的N進制計數器設計方法簡單、可行，運用Multisim 10進行電子電路設計和仿真具有省時、低成本、高效率的優越性。
上傳時間： 2013-10-11
上傳用戶：gtzj
為了使計算機能更好的識別人臉表情，對基于Gabor小波變換的人臉表情識別方法進行了研究。首先對包含表情區域的靜態灰度圖像進行預處理，包括對確定的人臉表情區域進行尺寸和灰度歸一化，然后利用二維Gabor小波變換提取臉部表情特征，使用快速PCA方法對提取的Gabor小波特征初步降維。再在低維的空間中，利用Fisher準則提取那些有利于分類的特征，最后用SVM分類器進行分類。實驗結果表明，上述提出的方法比傳統的方法識別速度更快，能達到實時性的要求，并且具有很好的魯棒性，識別率高。
上傳時間： 2013-11-08
上傳用戶：小眼睛LSL
