热释电型红外传感器

日本人真空公司生产的热释电型红外传感器,是利用向热释电陶瓷入射红外光时,在其表面产生电荷的热释电特性的二元件型红外传感器。该传感器主要特点足具有更高的灵敏度和低噪声;在常温下工作,不受外界环境干扰;仅在入射能量发生变化时产生电压输出;内装阻抗变换用FET,能取出作为电压输出的信号;这种热释电检测元件在0.2～20μm的波长区域内,具有平坦的灵敏特性,因而可利用滤光器进行选择。     

多路热释电红外智能检测报警装置

被动型热释电红外报警器把红外线的隐蔽性很好地应用于报警系统中。利用热释电红外传感器作为探头，进行非接触式远距离检测，将感测到的红外信息转换成电压信号，经过单片机处理，完成数码显示和语音报警功能，从而实现了防盗报警功能，达到了安全防护的目的。     

一种非调制式热释电红外传感器

基于红外技术理论提出了利用热释电红外传感器(PIS)对目标扫描过程中产生双向热电电流构成非调制式热释电红外传感器的方法,并讨论了利用双并联技术的非调制式热释电传感器。     

基于热释电红外传感器的节能广告牌设计

热释电红外传感器被广泛的应用在报警器、人体移动检测的相关领域。本文主要讨论基于热释电红外传感器的节能广告牌设计,通过热释电红外传感器的人体检测功能,使广告牌在有路人经过时启动,达到节能的目的。     

热释电红外传感器专用控制芯片的设计

文章阐明了一种采用0.6μm1P1MCMOS工艺的热释电红外传感器专用控制芯片的设计。该芯片在[4.0V,6.0V]内稳定工作,具有较高的电源抑制比和较低的温漂,并且作了抗噪声和抗交流电源干扰处理。这种控制芯片用于接收、放大、处理、控制热释电红外传感器信号,应用前景十分广阔。     

基于动态下使用热释电传感器的新型目标探测方法的研究

为了增大热释电型红外传感器的探测范围,提高热释电传感器的探测灵敏度,提出了一种可实现大范围目标检测并且具有高灵敏性的热释电传感器的新型使用方法;该方法使热释电传感器在步进电机的带动下匀速转动,在周围环境基本不变的情况下,记录下其波形作为初始波形,在没有目标进入探测范围的情况下,波形将保持一定的规律基本不变;一旦目标进入传感器的探测范围,将打破原始波形规律,传感器即输出报警信号。由于热释电传感器是匀速转动的,所以一个热释电传感器就能对360°范围进行检测,大大扩大了热释电传感器的探测范围,并且当目标进入探测区域后即使静止不动依然会被动态下的传感器探测出来,解决了热释电传感器不能探测静止目标的问题,大大提高了热释电的灵敏度;该方法进一步拓展了热释电传感器的使用范围,进一步提升了热释电传感器在安防和智能家居系统中的应用。     

具有防触电语音提示功能的被动式红外控制器

CSI9508是一种热释红外传感信号处理集成电路,其内部含有运算放大器、电压比较器、状态控制器、延迟时间定时器、封锁时间定时器及参考电压源等单元电路,与热释电红外传感器及少数外围元件配合就可以构成多种控制电路,通常用做自动控制开关和防盗报警器之用。本文应用此芯片构成具有防触电语音     

一种热释电红外探测器的单目设计

为解决普通热释电的红外探测技术误报率高、敏感度低且不能对入侵目标进行定位等问题,提出了一种基于热释电红外探测器的复眼结构的设计。结合热释电红外探测隐蔽性好、性能稳定、环境适应能力强、复眼视场角大、体积小且灵敏度高等优势,将热释材料上的电荷信号转换为电压信号,经滤波、放大后输出。通过实验表明,采用该热释电红外探测器的单目可以检测到15 m内的入侵目标,并输出脉冲电平作为报警信号。     

采用热释电传感器的展品防护系统设计与实现

为了满足展馆、展会的安防需求,提出并实现了应用热释电传感器的语音展品防护系统的设计方案。该防护系统使用热释电传感器实时监测是否有人进入展览禁区,继而决定是否开启语音提示。对防护系统的操作及其功能选择由红外遥控器完成。     

智能照明控制器的设计

为降低公共场所用电浪费现象,设计出一种室内照明控制电路。以AT89C52单片机为核心,采用热释电红外传感器和光照检测相结合的方案,将热释电红外传感器检测到的人体移动信号与光照强弱信号送入单片机,实现在室内环境光照较强或光较弱但室内又无人时切断照明设备,在室内光照较弱且热释电红外传感器检测室内有人时接通照明设备。结果表明,该电路简单可行、成本低、控制灵敏度高,能够有效对室内照明设备进行控制,达到节能照明与科学管理的目的。     

基于信噪比经验值的奇异值分解滤波门限确定*

针对奇异值分解滤波器（SVDF）现有的奇异值截断准则之不足,提出了一种基于信噪比经验值的SVDF滤波门限确定新方法。推导了门限值与信噪比之间的数学关系。实验结果证实了该滤波消噪算法的有效性和合理性。与现有方法相比,消噪效果得以明显改进;而且原理清晰,实现简单。     

浅层CNN网络构建的噪声比例估计模型

目的 利用深度卷积神经网络（deep convolutional neural network,DCNN）构建的非开关型随机脉冲噪声（random-valued impulse noise,RVIN）降噪模型在降噪效果和执行效率上均比主流的开关型RVIN降噪算法更有优势,但在实际应用中,这类基于训练（数据驱动）的降噪模型,其性能却受制于能否对待降噪图像受噪声干扰的严重程度进行准确的测定（即存在数据依赖问题）。为此,提出了一种基于浅层卷积神经网络的快速RVIN噪声比例预测（noise ratio estimation,NRE）模型。方法 该预测模型的主要任务是检测待降噪图像中的噪声比例值并将其作为反映图像受噪声干扰严重程度的指标,依据NRE预测模型的检测结果可以自适应调用相应预先训练好的特定区间DCNN降噪模型,从而快速且高质量地完成图像降噪任务。结果 分别在10幅常用图像和50幅纹理图像两个测试集上进行测试,并与现有的主流RVIN降噪算法中的检测模块进行对比。在常用图像测试集上,本文所提出的NRE预测模型的预测准确性最高。相比于噪声比例预测精度排名第2的算法, NRE预测模型在噪声比例预测值均方根误差上低0.6% 2.4%。在50幅纹理图像测试集上,NRE模型的均方根误差波动范围最小,表明其稳定性最好。通过在1幅大小为512×512像素图像上的总体平均执行时间来比较各个算法执行效率的优劣,NRE模型执行时间仅为0.02 s。实验数据表明：所提出的NRE预测模型在受各种不同噪声比例干扰的自然图像上均可以快速而稳定地测定图像中受RVIN噪声干扰的严重程度,非盲的DCNN降噪模型与其联用后即可无缝地转化为盲降噪算法。结论 本文RVIN噪声比例预测模型在各个噪声比例下具有鲁棒的预测准确性,与基于DCNN的非开关型RVIN深度降噪模型配合使用后能妥善解决DCNN网络模型固有的数据依赖问题。     

先进边界区分噪声检测的改进算法

针对典型的两个边界随机值噪声检测问题,先进边界区分噪声检测(ABDND)通过全局的灰度值统计方法来确定噪声边界,取得了良好的检测效果.但是在噪声范围较宽时,ABDND的检测结果中会有大量的错检噪声.在ABDND的基础上提出一种噪声检测改进算法(MABDND),算法分为两个阶段:第1阶段采用ABDND算法中的全局灰度值统计方法;第2阶段通过对局部灰度值的统计找出第1阶段中的错检像素,并将错检噪声恢复为非噪声像素.本文算法的优点在于利用第2阶段的验证技巧去校正第1阶段中产生的大量错检像素,以保证较低的漏检与错检率.以图像Lena、peppers为实验对象,实验结果表明MABDND的检测性能优于ABDND,特别是在噪声范围较宽时,MABDND具有更好的检测性能和更强的噪声适应能力.     

采用训练策略实现的快速噪声水平估计

目的 大多数图像降噪算法都属于非盲降噪算法,其获得良好降噪性能的前提是能够准确地获知图像的噪声水平值。然而,现有的噪声水平估计（NLE）算法在噪声水平感知特征（NLAF）提取和噪声水平值映射两个核心模块中分别存在特征描述能力不足和预测准确性有待提高的问题。为此,提出了一种基于卷积神经网络（CNN）自动提取NLAF特征,并利用增强BP （back propagation）神经网络将其映射为相应噪声水平值的改进算法。方法 在训练阶段,首先通过训练卷积神经网络模型并以全连接层中若干与噪声水平值相关系数较高的输出值构成NLAF特征矢量;然后,在AdaBoost技术的支撑下,利用多个映射能力相对较弱的BP神经网络构建一个非线性映射能力更强的增强BP神经网络预测模型,将NLAF特征矢量直接映射为噪声水平值。在预测阶段,首先从给定噪声图像中随机选取若干个图块输入到卷积神经网络模型中,提取每个图块的若干维NLAF特征值后,利用预先训练的BP网络模型将其映射为对应的噪声水平值,然后以估计值的中值作为图像噪声水平值的最终估计结果。结果 对于具有不同噪声水平和内容结构的噪声图像,利用所提算法估计出的噪声水平值与真实值之间的估计误差小于0.5,均方根误差小于0.9,表现出良好的预测准确性和稳定性。此外,所提算法具有较高的执行效率,估计一幅512×512像素的图像的噪声水平值仅需约13.9 ms。结论 实验数据表明,所提算法在高、中、低各个噪声水平下都具有稳定的预测准确性和较高的执行效率,与现有的主流噪声水平估计算法相比综合性能更佳,可以很好地应用于要求噪声水平作为关键参数的实际应用中。     

基于总体平均经验模态分解的主动噪声控制系统研究

为了提高宽窄带混合噪声的消噪效果,本文提出一种基于总体平均经验模态分解（Ensemble empirical mode decomposition,EEMD）的主动噪声控制（Active noise control,ANC）系统,利用实时EEMD算法逐段将混合噪声分解成若干个固有模态函数（Intrinsic mode functions,IMF）分量.因为这些IMF分量的频带各不相同,所以实现了混合噪声中宽带分量和窄带分量的有效分离,独立进行ANC处理后成功解决了处理混合噪声时带来的“火花”现象,而且避免了传统混合ANC（Hybrid ANC,HANC）系统中频率失调的影响. EEMD算法也是对混合噪声的平稳化处理过程,因此当混合噪声中出现非平稳变化时,本文提出的系统也能保持较好的系统稳定性.通过不同噪声环境下进行仿真分析,提出的ANC系统比HANC系统具有更好的系统稳定性和更小的稳态误差.     

一种噪声方差自适应的连续消除算法

对于实际的视频编码系统,由CCD摄像机等成像设备所获取的视频信号不可避免地会受到各种类型的噪声的影响。噪声的存在,不仅会对视觉意义上的图像质量产生影响,而且会对后续的编码效率产生负面影响。通过分析CCD 噪声的特点以及噪声项对宏块的和范数差值（SND）与绝对差值之和（SAD）所产生的影响,研究了一种应用于噪声视频的两阶段连续消除算法。为了减少用于视频噪声估计的附加计算开销,从统计分析出发,提出了一种利用块匹配计算所得的SAD进行噪声方差估计的方法。实验表明,估计所得的噪声方差的精度,足以满足运动估计算法的需要;而基于噪声方差自适应的连续消除算法能以比连续消除算法少得多的计算代价,获得接近于全搜索的搜索精度。     

图像中的高斯和脉冲混合噪声处理

通常情况下,受脉冲噪声污染的图像采用中值滤波法复原,受高斯噪声污染的图像采用均值滤波法复原。为了去除两者的混合噪声,Lee和Kassam提出了一种改进的均值滤波算法ModifiedTrimmedMean(MTM),但是MTM的使用受到了阈值的限制。为了在滤除退化图像中混合噪声的同时能更好地保护图像细节,我们详细分析了MTM滤波的特点,在对MTM进行改进的同时,提出了一种改进的自适应中值滤波算法(统计滤波)。该算法无需噪声的先验知识,利用VisualC 自动搜索阈值来实现图像的最佳复原。利用两种客观标准进行评价,实践证明新方法的处理结果优于传统的MTM方法。     

基于噪声消除技术的超宽带CMOS低噪声放大器设计

为满足3.5 GHz单载波超宽带无线接收机的射频需求,设计了一种工作在3～4 GHz的超宽带低噪声放大器。电路采用差分输入的CMOS共栅级结构,利用MOS管跨导实现宽带输入匹配,利用电容交叉耦合结构和噪声消除技术降低噪声系数,同时提高电压增益。分析了该电路的设计原理和噪声系数,并在基于SMIC 0.18μm CMOS射频工艺进行了设计仿真。仿真结果表明:在3～4GHz频段内,S11和S22均小于-10 dB,S21大于14dB,带内起伏小于0.5dB,噪声系数小于3dB;1.8V电源电压下,静态功耗7.8mW。满足超宽带无线接收机技术指标。     

基于ET-PHD滤波器和变分贝叶斯近似的扩展目标跟踪算法

针对未知测量噪声协方差情况下的多扩展目标跟踪问题,利用扩展目标概率假设密度（ET-PHD）滤波器和变分贝叶斯（VB）近似理论,提出了一种标准ET-PHD滤波器的扩展方法及其解析的实现方法。首先,根据标准ET-PHD滤波器的目标状态方程和测量方程,定义了目标状态和测量噪声协方差的增广状态变量及二者的联合转移函数;然后,根据标准ET-PHD滤波器,构建了扩展的ET-PHD滤波器的预测和更新公式;最后,在线性高斯假设的条件下,利用高斯和逆伽马（IG）混合分布表示目标的联合后验强度函数,从而给出了扩展ET-PHD滤波器的解析实现。仿真结果表明：所提算法能提供可靠的跟踪结果,可有效地处理未知测量噪声协方差环境中的多扩展目标跟踪问题。     

CMOS图像传感器的自适应降噪方法研究

提出了一种用于CMOS图像传感器的新型自适应降噪方法,并进行了逻辑电路实现。该方法通过运动检测和边缘检测技术进行噪声功率统计和分析,选择性的利用中值滤波、均值滤波以及运动自适应滤波方法,对传感器输出图像进行了数字降噪处理。实验表明本文方法降低了高斯噪声和椒盐噪声的影响,有效提高了图像质量和峰值信噪比。其结构易于电路实现,适用于CMOS图像传感器内部的实时降噪处理。