一种基于DSP的实时图像处理仿真技术

海面运动舰船目标的定位检测是军事图像处理领域的一个重要方向,同时海面对光线的折射放射对检测的准确性造成了干扰。本文重点对目标检测法进行研究,分析了算法利弊。为解决目标检测算法对于目标背景的敏感度问题,以及提高算法的实时性,把小波变换运用到目标运动检测中,通过小波变换更新图像背景框图,使实时图像在可变模板背景进行运动物的提取。最后,设计基于DSP的仿真系统,通过实验证明新的方法能较好解决因背景更新以及目标物变形造成的检测误差,提高检测精度。     

基于DEM-MBD耦合方法的路桥过渡段不均匀沉降研究

为了从细观力学机理上研究路桥过渡段的劣化规律及其影响因素,采用离散单元 (DEM) 法生成轨枕与道砟模型,并施加相位荷载,通过多体动力学 (MBD) 方法建立相互独立的路基弹簧,实现对路桥过渡段中路基刚度变化的模拟,进而建立轨枕-道砟-路基过渡段耦合模型,进行不同路基刚度、列车速度、轴重以及桩基加固下过渡段不均匀沉降研究。结果表明：列车荷载作用下,路桥过渡段中过渡路基区沉降最大,普通路基区次之,桥面路基区最小;当列车车速由 94 km·h^-1增加至 281 km·h^-1、轴重由 16 t 提升至 32 t 时,过渡段不均匀沉降分别增大 60.9% 和 259.4%,轴重的影响更为突出;当列车车速为 94 km·h^-1和轴重为 16 t 时,采用刚度渐变路基或桩基加固软路基措施后,过渡段各路基区沉降均有减小,过渡段不均匀沉降分别减小 56.5% 和53.6%,验证了路桥过渡段采用搭板法与桩基加固法的合理性。     

车辆工程中小波分析的应用综述

小波理论是近年来迅速发展起来的新兴学科,由于它多分辨分析的特点,使得其在时、频两域都具有表征信号局部特征的能力,成为处理非平稳信号的有力工具,在车辆工程领域受到越来越广泛的应用。简要介绍了小波分析的特点及其在车辆工程的典型应用。     

桥梁结构健康监测基于相关性分析的多源数据预测算法研究

通过大数据预处理和分析技术,对位移、应变、风速、温度、湿度和索力等桥梁监测数据进行分析。首先使用傅里叶变换和小波变换,分析了不同监测数据类型之间的相关性,之后通过Bi-LSTM多源预测模型验证了相关性分析的结论。结果表明：位移信号与温度信号之间具有负相关性、位移信号与湿度信号具有正相关性,引入相关性强的桥梁监测数据建立多源预测模型能有效提高预测精度。研究结果对桥梁结构健康监测数据的关联分析与挖掘有参考价值,可为桥梁的日常养护、监测运营和应急管理提供决策依据。     

EBSD花样菊池带的快速识别

电子背散射衍射（electron backscatter diffraction,EBSD）领域引入Hough变换,实现了由计算机自动识别EBSD花样中的菊池带,EBSD技术由此发展成为表征晶体材料取向的一种重要手段。由于Hough变换的速度远远慢于扫描电子显微镜中电子束的移动速度,如何快速实现Hough变换已成为整个EBSD领域亟待解决的关键问题。分别利用中央处理器（central processing unit,CPU）和统一计算设备架构（compute unified device architecture,CUDA）对EBSD花样做Hough变换,详细比较了两者的耗时和识别结果,测试表明：CPU对EBSD花样菊池带的最快识别速度为1.7×103FPS,同样条件下,CUDA对EBSD花样菊池带的识别速度最快可达1.7×104FPS,远远超过CPU的最快识别速度,且利用CUDA进行Hough变换并没有影响EBSD花样菊池带的识别效果。基于CUDA的Hough变换将成为快速识别EBSD花样菊池带的一个发展趋势。     

小波分析技术在故障诊断中的应用

小波分析是20世纪80年代中期发展起来的新的数学理论和方法,并已在实践中得到了广泛应用。本文对小波分析、小波分析与神经网络相结合的小波网络及小波分析与模式识别相结合在故障诊断中的应用进行了详细的介绍,最后指出了这一领域有待进一步研究的问题和发展趋势。     

船舶动力定位海浪环境的实时仿真与海浪谱分析

提出一种根据随机海浪频谱来实时模拟随机海浪的方法,它可以用于研究动力定位船舶及其控制系统在不同海况时的性能,该方法可以采用多种海浪谱来进行海浪的仿真,仿真结构利用了快速傅立叶变换FFT（Fast Fourier Transform)进行频谱分析,仿真程序可用于实际的动力定位船舶系统。     

基于DWT-LSTM的航道水位智能预测模型研究

航道水位信息是内河船舶安全通航、合理配载的决策依据之一.为揭示内河航道水位特征、提高短时预测精度,提出了一种基于小波分析(DWT)和长短时记忆(LSTM)的耦合神经网络模型,以汉口水位站为例,验证了模型有效性,并与传统BP神经网络、小波分析-BP神经网络和LSTM神经网络模型进行对比分析.研究结果表明:四类模型均可满足...     

可变深度嵌入小波图像压缩算法

为了提高小波嵌入压缩算法的速度,提出了一种可变深度嵌入小波压缩算法。由图像小波变换能量聚集和子带间的幅度衰减性等特性,在小波分层嵌入编码过程中,对不同的重要图,部分小波子带的系数幅度是不会超过当前的阈值,从而可以忽略不计,即小波树的深度随着重要图的不同而改变,也就是变深度嵌入编码。实验结果显示,对于自然图像不需要考虑的层中的小波系数幅值几乎全部小于当前的阈值,从而和EZW算法相比,编码不会影响压缩率(或图像质量),而编解码过程中的运算量明显下降。