安防系统光纤信号特征提取与分类算法研究

 在宽域全光纤安防系统中,在不影响灵敏度的情况下区分入侵和正常事件是一个关键性的系统性能指标.由于入侵和正常事件以及各个入侵事件的光纤信号在某些情况下极为相似,因此需要对这些信号的特征进行仔细的筛选和识别.本文由此出发,提出了一套光纤信号特征提取方案,即使用小波降噪手段对光纤信号进行去噪;根据信号与噪声的能量在时域分布的不同,提出了一种实用的光纤信号的预分割方法;提取信号在小波空间的能量分布特征,形成特征向量;使用向量机分类器对光纤信号分类.     

基于LabVIEW与MATLAB混合编程的虚拟仪器设计及实现

针对LabVIEW在数值分析和处理方面的不足,提出了实现LabVIEW与MATLAB混合编程的几种方法.阐述了MATLAB Script节点方法通信的实质,并通过具体虚拟仪器设计对此方法进行了验证.     

基于PSO-SVM的Φ-OTDR系统模式识别研究

针对相位敏感光时域反射仪（phase sensitive optical time domain reflectometer, Φ-OTDR）系统中误报率高的问题,提出一种多域特征提取与粒子群算法优化支持向量机（particle swarm optimization-support vector machine, PSO-SVM）相结合的模式识别算法。首先,对原始信号进行差分处理后提取时域特征,并利用小波包分解方法,通过验证不同分解层数下的事件分类准确率,设定最优分解层数为6层,提取差分信号的能量特征。然后以SVM分类器为基础,利用PSO算法优化SVM分类器参数,提高光纤振动信号识别准确率。最后利用Φ-OTDR事件数据集进行验证,实验结果表明,该模式识别算法达到了95.6%的振动事件分类准确率。     

不同开发工具中混合编程的研究与实现

研究了不同开发工具中混合编程的方法，解决了不同开发语言间代码重用的问题，充分发挥了各种开发工具在软件设计中的优势，提高了开发效率，缩短了开发周期。通过具体示例演示了如何在不同开发环境中进行混合编程，同时给出了不同开发语言中进行混合编程的注意事项。     

高级语言与汇编语言混合编程的实现方法

高级语言与汇编语言各有优点,在DSP芯片的开发中采用混合编程可以取长补短达到最佳效果,本文介绍了在C程序中加入汇编语言混合编程优化主程序的几种实现方法。     

浅谈C语言与汇编语言混合编程的实现

C语言是一种高级的面向过程的开发语言,汇编语言是一种低级的面向机器的编程语言,两者在程序设计开发方面各有优劣。本文讨论了将二者结合实现混合编程的方法以及在混合编程过程中需注意的一些问题,并给出了应用实例。     

基于LabVIEW和MATLAB混合编程的信号与系统实验教学

将基于LabVIEW和MATLAB混合编程的虚拟实验技术引入信号与系统课程实验教学,提供了一种有效的实验手段。以调制与解调实验为例,阐述了实验的过程与实现方法,并给出实验结果。     

浅议图像处理中混合编程的实现方法

对VC++和Matlab两种编程语言的特点作以概述,讨论了实现VC++与Matlab混合编程的几种方法,并提供VC++与Matlab混合编程的实现步骤.     

计算微波中VC + +与Fortran混合编程实现方法

利用计算机辅助计算微波问题是解决微波问题的一个重要方法。分析了计算微波中Visual C 与Fortran混合编程所要解决的问题,利用动态链接库调用方法结合实例给出了Visual C 与Fortran混合编程解决方法,有效利用了已积累的Fortran计算程序,实现了代码重用。     

Visual C#与Matlab混合编程方法及其实现

针对Matlab用户界面操作比较简单、执行效率较低、难以实现底层的I/O操作等缺点,提出了利用Matlab生成DLL格式的共享库,由Visual C#进行调用的混合编程墨想,并详细给出了混合编程的方法.蔡氏混沌电路的设计实例表明,所提出的编程思想能够弥补Matlab的不足,拓展其应用范围,提高其运行的效率和灵活性.     

模式识别在RoboCup中的应用

在RoboCup仿真比赛中,球员的个体技术是比赛成功的重要因素,在充分分析RoboCup比赛个人技术中的两类技术,即判别函数、动作函数的确定方法的基础上,将模式识别的理论应用于RoboCup仿真比赛的个体技术中,分别使用判别域代数界面方程法确定判别函数,神经网络法确定动作函数,以射门和截球为例,详细叙述了设计过程,最后,使用传统方法和使用模式识别方法的球队在RoboCup仿真比赛中进行比赛,试验证明使用模式识别方法的球队,在比赛中个体技术显著提高。     

Star pattern recognition method based on neural network

Star sensor is a sensitive instrument for determina-tion of a spacecraft attitude with high accuracy. The in-strument can determine the spacecraft 3-axis attitude through the recognition of observed stars. It measures star magnitude and star coordinates in the spacecraft coordi-nate frame. The measures are then compared with a refer-ence star catalog to obtain the attitude information of the spacecraft[1,2]. The purpose of star pattern recognition is to identify the corresponding relations bet…     

用于控制图模式识别的广义神经网络系统

面向过程控制图的模式识别,提出了一个广义神经网络系统.该系统基于广义过程对象模型发生数据,离线训练后能够在线识别各类工业过程常见的控制图模式,模块化的设计使得神经网络系统的结构相对简单,有效地提高了网络的训练速度和模式识别的准确率.首先研究了广义过程对象模型参数对神经网络控制图模式识别率的影响,并基于此影响规律设计了包含模式识别分类模块与模式参数估计模块的集成化神经网络系统结构;其次使用基于广义对象模型产生的数据对神经网络系统进行了训练和验证,讨论了学习训练方法,并进行了控制图模式识别性能的仿真测试,获得了满意的结果.在TE过程仿真平台上进行了实验,给出了对上升阶跃模式和下降阶跃模式的识别结果,表明了具有较高的识别率.     

船用汽轮机转子轴心轨迹模式识别方法研究

为了能充分利用汽轮机轴心轨迹的形状和动态特性信息，使其能够更好地为故障诊断服务．本文介绍了轴心轨迹自动识别系统的结构、功能及识别方法，该系统充分运用了神经网络的结构和功能，运用BP网络构建识别系统，该系统在一定的识别率下实现了对汽轮机转子轴心轨迹的自动识别．     

SOM神经网络应用于声目标识别系统的可行性分析

利用小波分析技术提取的特征,设计了SOM神经网络识别器,并用常规的BP神经网络识别器来比对分析,考察SOM神经网络识别器应用在声目标识别上的可行性。试验结果证实,SOM神经网络应用在声目标识别系统是可行的。     

小波神经网络在人脸识别中的应用

人脸识别是一个涉及生理学、心理学、图像处理、计算机视觉、模式识别和数学等多个学科的前沿课题。小波神经网络是在小波分析研究获得突破的基础上提出的一种前馈性网络,避免了BP网络等结构设计上的盲目性,网络训练过程从根本上避免了局部最优等非线性优化问题,有较强的函数学习能力和推广能力。基于小波神经网络,文中提出了一种新的人脸识别算法。该算法利用小波多分辨特性和神经网络的鲁棒性和记忆性,同时结合了加速网络收敛速度的小波神经网络步长调整算法。实验证明该算法有高的检测率和有效性。     

一种基于卷积神经网络的下肢动作模式识别方法

针对目前下肢动作模式识别技术存在的数据量少、识别率低的问题,提出了一种新的基于卷积神经网络的下肢动作模式识别方法。以下肢步态动作识别为对象,采集无负重平地行走,无负重上/下楼及负重上/下楼5种步态的表面肌电信号（surface electromyography,sEMG）,对sEMG进行特征提取,构建了一种以特征集作为输入的卷积神经网络,并比较了其与另外几种传统分类识别方法的识别准确率和工作特征。实验结果表明,新方法对于5种步态的平均识别准确率大于95%,错误率都低于8%,具有较高的准确性。因此所提方法的输入特征集更能代表预测模型特征,模式识别率更高,可为康复医疗机器人、助力机器人等设备改善下肢运动功能提供参考。     

基于模式识别神经网络的重力匹配算法

为了提高重力辅助惯性导航系统在重力异常明显区域内的定位精度和匹配率,用模式识别神经网络的方法进行了重力匹配.在匹配时刻,根据惯导指示位置确定在一定的网格点范围内搜索载体真实位置,以每个网格点为终点把惯导指示航迹放置到重力图上,由此提取一系列的参考重力图上数据,并把它和对应网格点的位置定义成一个模式类,把所有的模式类作为概率神经网络的样本训练一个模式识别神经网络,然后把重力仪测量数据使用该神经网络识别到某个模式类,对比模式类的定义可以确定此时的载体位置.计算仿真研究表明,该算法的重力匹配率优于通常的相关匹配算法,其组合导航系统的定位误差在1个重力图网格左右.     

一种基于优化小波神经网络的语音识别

在以往的BP小波神经网络中,最常用的学习算法是BP算法,BP算法实质上就是梯度下降法,是一种局部搜索算法,梯度下降法使得网络极易陷入局部最小值,从而使得网络训练结果不尽人意,搜索成功概率低.取代传统的梯度下降法,利用粒子群算法对小波神经网络中的参数进行优化.然后利用基于粒子群优化(PSO)的小波神经网络进行抗噪声语音识别实验,仿真结果表明,与BP网络相比,PSO算法在迭代次数、函数逼近误差、网络性能方面均优于BP网络,系统的识别率也得到较大的提高.     

一种有效的多字体印刷字符识别系统实现

提出了一种基于神经网络和浮动模板的多字体印刷字符识别方法。在研究大量的多字体印刷字符图像后,给出了一种有效的预处理方法,并在综合抽取宏观特征与微观特征后,送入神经网络的浮动模板法分类器进行识别。实验证明该方法具有相当高的识别率,应用前景十分广泛。