心电图数据的组合式增量调制压缩方法

心电图(electrocardiogram，ECG)的波形曲线是一种单值连续时间函数．针对心电波形变化的特点，在分析增量调制压缩方法和自适应增量调制压缩方法的基础上，提出了一种心电图数据组合式增量调制压缩方法．这种压缩方法的压缩效率为1．8左右，实现了心电数据无损性和传输快捷性的统一．     

基于IEEE 802.11n自适应帧聚合机制的视频传输技术研究

首先介绍IEEE802.11n帧聚合机制的原理,随后分析帧聚合机制对视频传输性能的影响.仿真结果表明,采用帧聚合机制可以有效提高系统吞吐量,增加视频用户接入的数量.同时,提出一种自适应帧聚合机制,可根据信道状况通过动态改变聚合帧中子帧帧长以及重传次数来改善视频传输的性能,并通过仿真实验验证了其有效性.     

基于模糊自适应算法的无线视频多路径同步传输方法

多路径无线视频传输幅值控制效果不稳定,导致多路径单视点传输比特率较低.因此,基于模糊自适应算法的无线视频多路径同步传输方法,采用模糊自适应算法设计无线视频多路径同步传输方法,控制无线视频多路径信号传输幅值,根据幅值控制结果配置无线视频多路径传输接口.利用传输接口和模糊自适应算法,采集无线视频传输数据,通过解压处理,完成...     

自适应改进遗传算法在土木工程优化设计中的应用

为了改进基本遗传算法的早熟收敛、随机漫游,验证改进后的算法在七木工程中的应用效果,提出4点改进措施,形成自适应遗传算法。利用混沌序列的“遍历性、随机性、规律性”的特点生成初始种群：引入适应度的指数尺度变换;提出自适应的交叉、变异概率公式：幅度系数调节交叉率、变异率。改进后的优化结果与基本遗传算法进行了对比,在进化时间、收敛精度上得到提高。通过土木工程中桁架结构非对称受荷的数值算例,证明白适应改进遗传算法是现实可行的。     

基于自适应双正交小波的织物疵点边缘检测

针对织物疵点边缘检测问题,分析了"最佳"边缘检测滤波器设计的准则,以及构造自适应双正交小波的优化目标函数,提出了一种基于自适应双正交小波的图像边缘检测方法.实验结果表明,与已有的基于小波的图像边缘检测方法相比,本方法具有更好的边缘检测能力和鲁棒性.     

透平叶栅非轴对称端壁优化设计

为减小透平叶栅二次流损失、提高气动效率,建立了结合透平叶栅非轴对称端壁造型双控制型线参数化方法、全局优化自适应差分进化算法和基于Reynolds-Averaged Navier-Stokes(RANS)方程求解技术的叶栅气动性能评价方法于一体的透平叶栅非轴对称端壁优化设计体系,同时验证了全局优化自适应差分进化算法和透平叶栅气动性能评价方法的可靠性和准确性。以透平叶栅总压恢复系数最大化为优化目标,在出口气流角和质量流量的约束及叶栅非轴对称端壁三维参数化控制点共20个设计变量下,完成了透平叶栅非轴对称端壁造型优化设计。研究结果表明,优化后得到的非轴对称端壁造型可有效减少透平叶栅的二次流损失,使叶栅总压恢复系数提高0.25%,证明所提出的设计体系是有效的,可为透平叶栅非轴对称端壁优化提供设计工具。     

基于隔离小生境的自适应遗传算法研究

基本遗传算法存在着收敛速度慢、易陷入局部最优等缺陷.针对这些缺陷,本文通过对自然界中隔离机制和自适应技术的研究,发现隔离机制对于改善种群的多样性等方面有良好的作用,而交叉概率和变异概率不仅与自身的适应度值有关而且同进化代数有较大关系.本文结合隔离小生境的知识和自适应技术提出了一种基于隔离小生境技术的自适应遗传算法,并通过函数测试表明该方法能够有效改善种群多样性,提高算法的全局寻优能力和收敛速度.     

一个新混沌系统不稳定平衡点的镇定

用线性反馈控制和自适应控制方法研究了一个新的混沌系统不稳定平衡点的镇定问题.当系统参数已知时,借助系统在平衡点附近的线性化模型,利用状态线性反馈控制器可以镇定系统所有的平衡点;当参数未知时,利用自适应控制策略,可以把系统镇定到期望的不稳定平衡点.利用Lyapunov函数和LaSalle不变原理对结论给予了严格证明,并用数值仿真说明了这种方法的有效性.     

一种开关磁阻电机调速系统的设计

介绍了单神经元自适应PID算法原理,提出了以单神经元自适应PID控制算法为核心的四相8/6极开关磁阻电机调速系统设计.以MCS80C196KC单片机作为控制器,对调速系统的硬件电路和软件部分进行了设计,实现了单神经元PID自适应控制算法在开关磁阻电机调速中的应用.实验证明,该控制算法有助于改善开关磁阻电机的调速性能.     

基于多特征融合的自适应权重目标分类方法

提出一种自适应权重的融合卷积特征和方向梯度直方图(HOG)特征的目标分类方法,实现快速精准分类目的.首先,利用ResNet网络框架提取图像卷积特征,增加OpenCV接口以提取图像HOG特征,对HOG特征图扩维处理至与卷积特征同维;然后,在ResNet网络框架中嵌入SENet模块,计算卷积特征和HOG特征的权重向量,将卷积特征、HOG特征及相应的权重向量加以变权值叠加,实现多特征的自适应同步融合,以此构建二分类网络模块;其次,将二分类网络模块嵌入Faster Rcnn网络,构成Faster Rcnn-HOG新型网络,通过基于变阈值的粗检测策略和先验知识的区域关注策略得到图像中目标预处理检测框,利用二分类网络模块精确判定,实现目标分类.将Faster Rcnn-HOG与传统Faster Rcnn网络及另一特征融合网络Net-BB-HOG进行对比试验,三种方法在目标大类识别方面性能基本相当,但是FasterRcnn-HOG在目标小类识别方面效果更佳,证明了提出的多特征融合自适应目标分类方法的有效性和正确性.