一种基于几何约束的轨道提取方法研究

针对基于Hough变换或螺旋曲线模型的视觉轨道检测方法存在的不足,本文提出了一种基于几何约束的轨道提取方法.该方法利用摄像机和轨道平面之间的成像关系近似满足单因矩阵的特点,利用逆透视映射(IPM)将输入图像转换为Bird-view图像,并采用一种改进的边缘检测方法进行边缘检测.然后将二值化的边缘图像在垂直方向上分割为多个区段,在每个区段上,利用先验知识生成的系列模板图像,对分段IPM图像进行去噪处理和Chamfer距离变换后进行距离匹配检测,将轨道检测转换为一个二维匹配搜索过程.在分段检测结果的基础上,进一步利用曲线拟合得到边缘图像中完整的轨道曲线方程.该曲线方程通过已知的单因矩阵转换为原始图像中的曲线描述,实现在原始图像中的检测和定位.实验验证了所提方法的可行性和可靠性.     

桥梁结构静力分析主从自由度处理

应用主从自由度概念处理带铰单元和带刚臂单元,引入等值约束并应用结点约束信息表来处理带铰单元,引入位移变换矩阵来处理带刚臂单元,推导了带刚臂单元结点位移、结点力及单元刚度矩阵的矩阵变换公式,以及局部坐标系下单元结点力与整体坐标系下单元结点位移之间的关系式,从而解决了桥梁结构静力分析过程中主从自由度的处理问题。并将带铰单元和带刚臂单元处理问题合二为一,使得数据输入简单,程序实现简洁明了。     

基于离散哈脱莱变换计算非周期信号的频谱

基于离散哈脱变换与离散傅里叶变换关系计算非周期信号的频谱,该方法与利用离散傅里叶变换的大多数算法相比优点是能减少运算量,提高运算速度。     

电参量谐波测量算法的研究

对影响电参量测量精度的谐波进行了分析，分别对谐波环境下电参量的几种微机测量算法：平均值法、离散积分法、离散傅立叶变换法(DFT)、快速傅立叶变换法(FFT)进行了比较研究，同时提出提高电参量测量精度和速度的有效方法，并对模拟信号进行了电压、电流、功率等参数的仿真测量．结果表明，快速傅立叶算法(FFT)具有实现简单、精度高的特点，对于谐波环境下电参量测量是可行的和有效的．     

SAR图像中机场跑道的自动识别研究

提供了SAR图像中机场跑道自动识别系统，该系统以改进的数学形态学预处理为基础，用改进和扩充的弗里曼链码法初步提取直线，最后用Hough变换精确提取直线，通过对20多幅不同地区、不同波段的图像进行识别，该系统识别准确率达到95％以上，识别时间不超过30s，基本做到了全自动、实时识别．     

基于有源滤波器和AT供电方式的新型同相牵引供电系统

2台YN,d接线变压器十字交叉构成的AT牵引供电系统,接线复杂,变压器容量利用率低,相邻供电区段必需用分相绝缘器分断,不利于高速铁路运行。由1台YN,d接线变压器加四桥臂有源滤波器构成的新型同相AT牵引供电系统,可以实现同相供电,取消分相绝缘器;可以节省变压器,原边中性点可方便接地;在有源滤波器的作用下,可以实现消除三相不平衡、动态滤除谐波和补偿无功,使变压器容量得到充分利用;由于采用了AT供电方式,因此可以获得综合经济性能优越的通信防护效果。仿真实验也证实了这一点。     

基于集合经验模态分解和小波变换的轮轨力应变信号降噪

为解决轮轨力应变信号中的噪声干扰问题,提出了基于集合经验模态分解与小波变换相结合的去噪方法。该方法能够判断出含有基线漂移和高频噪声的模态分量。对含有基线漂移的分量通过小波变换进行分解,将代表基线漂移的趋势项置零达到去除基线漂移的目的。对于高频噪声,则是采用小波阈值法进行去除。实测轮轨力应变信号的去噪处理表明了该方法的有效性。     

全并联AT牵引网行波故障测距研究

全并联AT牵引网是我国高速电气化铁路供电系统中重要的供电架构,其快速精确的故障定位对保障电气化铁路安全畅通运行具有重要意义。在全并联AT牵引网发生故障短路的情况下,通过测取短路故障行波的波头到达时间以及行波测距原理,找出线路的故障位置。根据全并联AT牵引网的架构特点,采用D型双端行波测距法,通过误差较小的北斗卫星导航系统同步时钟实现数据的同步采样,并根据小波变换的信号奇异性检测原理和模极大值理论对两端测得的行波信号进行数据处理,有效解决了行波波头的识别和提取问题。通过仿真实验验证,得出的结果与实际故障位置相差不大,能够实现线路的快速精准定位。     

一种水声弱信号奇异熵特征提取方法

本文提出一种基于奇异值熵的固有模态函数筛选重组方法,将经验模态分解得到的固有模态函数经过信息熵计算筛选,去除低信噪比信号中具有较高能量的环境噪声,提升舰船辐射噪声特征的信噪比,从而一定程度上改善对舰船目标的远距离识别效果。实验结果表明,经过信息熵筛选后的固有模态函数重构信号明显突出了舰船辐射噪声信号的原有特征,可有效提高对远距离目标的识别率。     

道路标志图案识别方法研究

针对道路标志图案自动识别,以转弯道路标志图案为例,通过颜色空间变换,将道路标志图像的RGB量值转换为H(hue,色度)S(saturation,饱和度)I(Intensity,亮度)量值,利用H、I作为分类器的特征值,设计了欧式距离分类器,实现道路标志背景颜色的识别。采用固定阈值法分割道路标志图像的图案区域,并对分割后的区域进行Daubech ies-4正交小波变换,利用小波变换系数的能量值和方差比值作为道路标志图案的纹理特征。最后,设计了BP神经网络道路标志图案分类器,实现道路标志图案的自动识别。实验结果表明,文中提出的方法可行。