基于遗传算法的FIR滤波器设计

将遗传算法应用于频率采样法的FIR滤波器优化设计中,为了对滤波器的阻带最小衰减参数进行优化,运用遗传算法确定频率采样法中过渡带的采样值,并用MATLAB对过渡带取一个和两个采样点的频率采样法进行了仿真,实验结果说明采用遗传算法设计FIR滤波器使阻带最小衰减参数较查表法得到了改善,并解决了传统查表法不能保证最优的问题.     

网络控制系统的变采样周期调度算法

综合考虑网络控制系统的误差、误差变化率、网络利用率及采样周期对系统性能的影响,设计了一种基于模糊反馈的变采样周期调度算法．该算法由网络利用率预测和采样周期调节两部分组成：网络利用率预测部分根据当前网络运行状况预测新的网络利用率;采样周期调节部分包含网络利用率分配和采样周期的计算．采样周期调节部分的网络利用率分配,用于重新分配各控制回路的网络利用率,分配时考虑系统各回路的误差和误差变化率,利用模糊控制理论调整各回路对网络的需求程度,完成分配;而采样周期计算是根据所得的网络利用率及数据的传输时间,动态调节系统各回路的采样周期．最后,结合EDF调度算法利用TrueTime工具箱对所研究的调度算法进行了仿真,结果表明采用本文所研究的变采样周期调度算法的控制系统性能要优于采用固定采样周期调度算法的控制系统性能．     

旋转机械振动信号角域与时域采样方法的对比研究

用实例论证了旋转机械转速波动的实际存在,在不同的采样率下,使用等时隙采样和等角度采样法分别对某旋转机械运行时的加速度信号进行了采样,并从统计平均的角度分析了采样结果,分析论证:对于频率随机波动的信号,用等角度采样法进行采样比等时隙采样法更为合适.     

基于多尺度区域网格的公路车辆自动检测识别

提出距离相关的变N值区域采样目标检测方法和距离无关的自相关目标识别方法用于检测识别特定公路段行驶的车辆.特点是不用对摄像机进行标定,使用方便,算法简单,运算速度快,识别距离远.用不同的N值对不同距离处公路宽度进行水平等分并且在车辆目标位置形成区域采样网格.由于模型图像采样网格密度也由N值决定,利用网格上的点集自相关方法将实际序列图像中不同大小目标区域与同一模型进行匹配.     

基于非下采样Contourlet变换的交通图像融合方法研究

电视监控是智能交通监控系统的一个重要组成部分,其目的是通过对视频交通图像处理进行车辆、行人、环境等的监控. 根据非下采样Contourlet变换具有多分辨率、多方向性和平移不变性的特点,提出了一种基于非下采样Contourlet变换的多聚焦交通图像融合方法. 融合策略采用低频系数取平均,高频系数基于邻域、兄弟和父节点信息的区域特征衡量取最大值法. 将本文的方法与小波变换、脊波变换及Contourlet变换相比较,实验结果表明,该方法取得了更好的融合效果,提高了图像质量,满足智能交通监控系统的要求.     

车辆动态称重系统的设计

介绍一种动态称重系统的结构和实现方法,主要功能是动态测量行驶车辆的轮胎受力,并计算相应静态车辆重量,实现全自动、不停车计量。硬件设计中重点介绍数字电路的构成,A/D转换器、信号放大与偏置电路和无线通信接口。软件设计中提出了根据实际采样波形而设计的数据处理方法。     

动水压力对连续刚构桥梁地震响应的影响

为了研究地震作用下深水薄壁空心桥墩内外域水体动水压力对连续刚构桥梁动力响应的影响,应用流固耦合有限元理论,考虑重力、纵向预应力和动水压力,建立了庙子坪岷江大桥连续刚构桥梁的计算模型,并采用实测的地震波进行计算.结果表明:动水压力对连续刚构桥梁自振频率和振型的影响不大,前30阶频率降低率最大值约为8％,箱梁各部分横向位移峰值增量在10％～20％之间,主墩内力峰值增量最大值约170％,箱梁内力峰值增量最大值约75％;地震加速度、桥墩入水深度是影响动水压力的重要因素.     

拥挤交通流当量排队长度变化率模型

为了描述拥挤交通流中车辆排队的演化规律,以基于二流理论建立的当量排队长度模型为依据,运用微积分方法,针对单车道路段和多车道路段分别推导出当量排队长度变化率模型,并利用VISSIM模拟数据对模型进行了验证.结果表明:当交通流处于拥挤状态时,当量排队长度变化率近似等于交通波波速;采样间隔内当量排队长度变化率与实际排队长度变化率接近,误差法和熵方法证明,采样间隔越大,两者越接近,因此,提出的模型可以定量描述拥挤交通流中车辆排队的演化速率.     

发动机振动信号采样控制

介绍了以Ｉｎｔｅｒｌ８０９８单片机为核心的采样系统构成与工作原理，结合发动机振动信号特征与采样要求，讨论了采样参数确定、触发方式建立、接口电路设计及采样控制方法。     

实时二维多尺度目标识别方法及其应用

序列图像中多尺度目标具有灰度值分布一致性和不变性的特点．据此，提出基于量化灰度值自结构的动态目标识别方法．自结构的形成是通过相邻采样点之间的比较实现的．量化是对比较结果进行开关运算得到的．量化自结构之间的差值表示识别结果．识别计算过程可在0．3s～0．5s内完成，比一般的识别方法较大地提高了运算速度．本方法不受图像模糊的影响，提高了识别的可靠性和鲁棒性．应用实践表明，此方法是可行的和实用的。