飛機(jī)特征點(diǎn)圖像的識(shí)別是航空試飛領(lǐng)域中計(jì)算機(jī)視覺研究的重要課題，在基于圖像的視頻安全監(jiān)控、自動(dòng)識(shí)別與智能人機(jī)交互方面有著重要的研究價(jià)值。其檢測算法經(jīng)過長時(shí)間的發(fā)展，已經(jīng)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(jìn)行了深入研究、改進(jìn)，并針對實(shí)際問題成功應(yīng)用到飛機(jī)特征點(diǎn)圖像的快速檢測中。
標(biāo)簽： AdaBoost 算法 特征 圖像識(shí)別
上傳時(shí)間： 2013-11-04
上傳用戶：日光微瀾
用于定量表示ADC動(dòng)態(tài)性能的常用指標(biāo)有六個(gè)，分別是：SINAD(信納比)、ENOB(有效位 數(shù))、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(dòng)態(tài) 范圍)
上傳時(shí)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(hào)中，然而在采集脈搏波信號(hào)時(shí)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(shí)，脈搏波中含有人體生理病理信息，不同的人將表現(xiàn)為不同的特征，可以看出確定脈搏波特征點(diǎn)對于分析人體生理健康很有意義。針對信號(hào)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(shí)域和頻域都能表征信號(hào)局部信息的能力，且具有對信號(hào)具有自適應(yīng)性。運(yùn)用極值法確定出脈搏波的峰值點(diǎn)，然后再根據(jù)峰值點(diǎn)確定出其他特征點(diǎn)的位置，實(shí)驗(yàn)證明該方法能夠增加特征點(diǎn)的檢出率。
標(biāo)簽： 脈搏波 信號(hào)降噪 特征點(diǎn)識(shí)別
上傳時(shí)間： 2013-10-12
上傳用戶：shirleyYim
針對齒輪故障特征信號(hào)具有強(qiáng)噪聲背景、非線性、非平穩(wěn)性特點(diǎn)，提出采用形態(tài)梯度小波對齒輪振動(dòng)信號(hào)進(jìn)行降噪。首先使用形態(tài)梯度小波把齒輪振動(dòng)信號(hào)分解到多個(gè)尺度上，然后對各層的細(xì)節(jié)系數(shù)進(jìn)行軟閾值方法降噪處理，對經(jīng)過處理后的小波系數(shù)進(jìn)行重構(gòu)。對降噪后的齒輪振動(dòng)信號(hào)采用S變換多分辨率時(shí)頻分析，能夠從具有良好的時(shí)頻分辨率的S變換譜圖提取齒輪故障特征。通過仿真試驗(yàn)和故障軸承的信號(hào)分析證明，該方法具有短時(shí)傅里葉變換和小波變換的優(yōu)點(diǎn)，不存在Wigner-Ville分布的交叉干擾和負(fù)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(jiān)測和診斷。
上傳時(shí)間： 2013-11-01
上傳用戶：AISINI005
基于N溝道MOS管H橋驅(qū)動(dòng)電路設(shè)計(jì)與制作
標(biāo)簽： MOS N溝道 H橋驅(qū)動(dòng) 電路設(shè)計(jì)
上傳時(shí)間： 2014-08-01
上傳用戶：1109003457
總體平均經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥EMD）方法是一種先進(jìn)的時(shí)頻分析方法，非常適合于對非平穩(wěn)故障微弱信號(hào)的分析處理。文中介紹了EEMD方法的原理與算法實(shí)現(xiàn)步驟，重點(diǎn)分析了EEMD方法避免模式混淆的機(jī)理。利用EEMD方法對齒輪箱振動(dòng)信號(hào)進(jìn)行分析，成功提取了小齒輪磨損故障特征，驗(yàn)證了EEMD方法在故障微弱信號(hào)特征提取的有效性。
上傳時(shí)間： 2014-11-30
上傳用戶：wbwyl
探地雷達(dá)回波信號(hào)是一種非平穩(wěn)非線性信號(hào)，其中不僅包含地下埋藏物的目標(biāo)信號(hào)，還包含有可能掩藏目標(biāo)信號(hào)的直達(dá)波信號(hào)，給目標(biāo)的識(shí)別帶來困難。文中采用HHT方法對探地雷達(dá)回波信號(hào)進(jìn)行特征分析，提取回波信號(hào)的IMF分量的瞬時(shí)頻率作為特征向量。實(shí)驗(yàn)結(jié)果表明，用HHT方法提取特征可較好的避免直達(dá)波影響，該方法是可行而有效的，為進(jìn)一步鑒別地下埋藏物提供了新的思想和方法。
標(biāo)簽： HHT 探地雷達(dá) 回波信號(hào) 特征提取
上傳時(shí)間： 2013-10-22
上傳用戶：hjkhjk
為了模擬圖像分類任務(wù)中待分類目標(biāo)的可能分布，使特征采樣點(diǎn)盡可能集中于目標(biāo)區(qū)域，基于Yang的有偏采樣算法提出了一種改進(jìn)的有偏采樣算法。原算法將目標(biāo)基于區(qū)域特征出現(xiàn)的概率和顯著圖結(jié)合起來，計(jì)算用于特征采樣的概率分布圖，使用硬編碼方式對區(qū)域特征進(jìn)行編碼，導(dǎo)致量化誤差較大。改進(jìn)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(yàn)概率計(jì)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(gè)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，平均精度比隨機(jī)選取的特征采樣方法能夠提高約0.5%，驗(yàn)證了算法的有效性。
上傳時(shí)間： 2013-10-24
上傳用戶：wawjj
計(jì)數(shù)器是一種重要的時(shí)序邏輯電路，廣泛應(yīng)用于各類數(shù)字系統(tǒng)中。介紹以集成計(jì)數(shù)器74LS161和74LS160為基礎(chǔ)，用歸零法設(shè)計(jì)N進(jìn)制計(jì)數(shù)器的原理與步驟。用此方法設(shè)計(jì)了3種36進(jìn)制計(jì)數(shù)器，并用Multisim10軟件進(jìn)行仿真。計(jì)算機(jī)仿真結(jié)果表明設(shè)計(jì)的計(jì)數(shù)器實(shí)現(xiàn)了36進(jìn)制計(jì)數(shù)的功能。基于集成計(jì)數(shù)器的N進(jìn)制計(jì)數(shù)器設(shè)計(jì)方法簡單、可行，運(yùn)用Multisim 10進(jìn)行電子電路設(shè)計(jì)和仿真具有省時(shí)、低成本、高效率的優(yōu)越性。
標(biāo)簽： 歸零法 N進(jìn)制計(jì)數(shù)器原
上傳時(shí)間： 2013-10-11
上傳用戶：gtzj
為了使計(jì)算機(jī)能更好的識(shí)別人臉表情，對基于Gabor小波變換的人臉表情識(shí)別方法進(jìn)行了研究。首先對包含表情區(qū)域的靜態(tài)灰度圖像進(jìn)行預(yù)處理，包括對確定的人臉表情區(qū)域進(jìn)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(zhǔn)則提取那些有利于分類的特征，最后用SVM分類器進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，上述提出的方法比傳統(tǒng)的方法識(shí)別速度更快，能達(dá)到實(shí)時(shí)性的要求，并且具有很好的魯棒性，識(shí)別率高。
上傳時(shí)間： 2013-11-08
上傳用戶：小眼睛LSL
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
