基于Agent的矿井无线传感器网络的研究

在矿井环境中,为了确保生产安全进行,需要建立一种不依赖于骨干网的无线通信系统。随着无线传感器网络的不断发展,这种监测系统成为可能。随着Agent的出现及应用发展,已经提出了基于Agent的分布式传感器网络概念,使用代理在多个传感器节点之间执行协作任务的方法也逐渐发展起来。将Agent技术引入无线传感器网络中来,在一定程度上减小了网络通信的带宽需求,降低了网络中的能量消耗,从而提高了无线传感器网络系统的使用寿命。     

基于机器视觉的智能车视觉矫正系统分析设计

鉴于在智能车机器视觉系统中机器视觉会产生图像形变,利用成像过程中的几何光学参数,建立畸变模型,推导得出了求解全部参数的线性矫正算法.实验证明,该矫正算法可以准确地矫正引导线的形变,为智能车路径提供准确的参数.     

DSP在智能车路径跟踪系统中的应用

该文以DSP处理器DM642为核心控制器对智能车的路径识别和转向控制技术进行研究,通过实验和仿真验证其在识别和控制中的效用.     

基于CLAHE和top-hat变换的手背静脉图像增强算法

为了克服光强,手背厚度对手背静脉图像的影响,提出一种新的手背静脉图像增强方法,对比度受限的局部直方图均衡（CLAHE）和tophat变换相结合的方法。在进行CLAHE处理的基础上,利用tophat变换提取图像的波峰和波谷,并将提取的波峰和波谷进行直方图修正,拉开灰度分布,再与之进行加减运算。实验表明,该算法能得到很清晰的增强效果。     

基于ARIMA-CNN-LSTM模型的黄河开封段水位预测研究

为准确预测水文条件复杂的黄河开封段水位变化，提出一种基于ARIMA-CNN-LSTM的多变量水位预测模型。该模型通过综合考虑水位的多重影响因素，结合卷积神经网络(CNN)和长短时记忆网络(LSTM)来学习数据中的非线性特征，同时应用ARIMA模型进行参数校正，从而实现对黄河开封段水位未来一段时间的预测。结果表明：相较于LSTM模型、CNN-LSTM模型、ARIMA模型以及BP神经网络模型，ARIMA-CNN-LSTM模型的预测精度更高，对峰值反应更灵敏，可以更加精准地预测未来一段时间的黄河开封段水位变化。