“数字图像处理”课程实验教学研究与探索

本文针对应用型本科“数字图像处理”课程的实验教学,设计了一套以创新应用型人才培养为目标的实践教学体系。提出了以“验证理解-模仿设计-改进创新”为主导的实践教学模式,采用偏重实验过程考核的成绩评定体系。结果表明,该实践教学模式有利于激发学生的学习兴趣、调动自主学习的积极性,提高了实践教学质量。     

基于DSP处理器的MP3解码器的优化

音频格式MP3（第三层）是现在非常流行的一种数字音频压缩技术，适应于微小的移动设备，如MP3播放器和手机等。它们内置的解码器大多或者是基于DSP，或者是RISC处理器，虽然基于汇编语言的解码程序已经很成熟高效，但是不方便移植。文中提出的优化解码程序是基于标准C语言的，只要添加不同类型的DSP头文件，就可以移植应用。已经成功解出MP3（44．1kHz，128kbps），并且满足国际音频组要求的限制精度。     

基于RTL8019AS的单片机网络通信接口设计

网络数据传输技术具有传输速率高、传送距离远、通讯协议完善、信息共享程度高等优点,为嵌入式设备增加网络功能有着深远的意义。介绍以太网的帧协议和以太网控制芯片RTL8019AS的结构特性以及工作原理,设计STC89C54RD 单片机控制RTL8019AS实现以太网通讯的硬件设计方案和软件流程图;采用标准C语言实现ARP协议,所有程序在Keil c51环境下编译连接。最后并进行系统的调试与验证,取得了满意的效果。     

最新静止图像压缩编码技术JPEG2000研究

随着多媒体和网络的发展 ,人们对图像质量和图像功能的要求越来越高 ,这要求图像压缩技术不仅具有较高的压缩性能 ,且还应具有新的特征。为此 ,出现了新一代静止图像压缩技术JPEG2 0 0 0 ,有可能成为未来新的图像压缩标准。作者通过对JPEG2 0 0 0中核心算法 (EBCOT)的详细分析 ,阐述了JPEG2 0 0 0压缩技术新的特征以及与现有压缩格式JPEG相比的优越性能     

无线传感器网络GPSR路由技术在井下采空区的仿真

描述了煤矿井下无线传感器网络研究应用的现状和存在的问题,给出了典型的基于位置的路由协议GPSR的特点及改进。为了考察该路由协议在井下采空区的性能,使用NS2网络仿真软件的Shadowing模式,通过大量模拟实验分析比较GPSR路由协议在不同节点个数场景中的性能,包括包成功投递的平均延时、包成功投递率、路由协议负载。研究结果表明在节点相对少的采空区场景下,GPSR协议表现出较好的特点和很好的鲁棒性。     

基于经典PID算法的智能车系统研究

如何根据各种传感器输入的信息快速识别出前方道路的情况,是智能车系统控制领域研究的难点。本文用MC9SDG128B作为核心处理器,完成智能车电源、驱动、数据采集处理和测速等模块的设计与实现,在此基础上提出了基于经典PID路况识别的控制算法。通过大量的实践和调试总结出PID算法的各项系数参考表,使我们的智能车系统在参赛时最终平均车速达到1.75m/s,入弯道时最大速度达到2m/s,基本上满足全程高速运行的要求。     

基于双边随机投影算法的光学相干层析成像降噪

为了解决光学相干层析成像（Optical coherence tomography, OCT）系统中的散斑噪声问题,提出了一种基于双边随机投影的光学相干层析成像去噪算法。基于三维OCT图像相邻帧的生物组织结构之间的高度相似性及图像高分辨率的特性,将原始OCT图像信号分解为无噪低秩矩阵、稀疏矩阵以及噪声矩阵;然后采用双边随机投影算法进行求解,提取低秩矩阵,从而去除噪声,恢复无噪图像;在临床数据集上对本文算法进行了测试,并通过信噪比（Signal to noise, SNR）、对比度噪声比（Contrast to noise ratio, CNR）以及等效视数（Equivalent number of looks, ENL）3个指标对降噪效果进行评价。实验结果表明,与稳健性主成分分析算法相比,本文算法在信噪比、对比度信噪比以及等效视数指标上分别提高了1.22 dB、0.84 dB和59.5,能更有效地抑制散斑噪声,且计算复杂度较低。     

井下无线传感器网络AODV和DSDV协议的仿真对比

通过分析当前煤矿安全监测无线传感器网络的路由特点及其对应的掘进工作面典型的系统方案,比较当前无线传感网络中比较经典的AODV和DSDV路由协议,为了考察这两种路由协议在矿井下的性能,使用NS2网络仿真软件的Shadowing模式,选取包成功投递端到端的平均延时、包成功投递率、路由协议负载这三个衡量指标对AODV与DSDV路由协议进行了性能评估,研究结果表明在节点相对少的掘进巷道场景下DSDV协议表现出较好的特点和很好的鲁棒性,为满足井下实时监测网络的应用需求提供一种方案.     

一种结合自适应噪声完备经验模态分解和盲反卷积去除脑电中眼电伪迹的新方法

针对微弱的脑电（Electroencephalogram, EEG）信号在采集过程中夹杂着各种生理伪迹,特别易遭到眨眼和眼动产生的眼电（Electrooculography, EOG）伪迹干扰。本文提出在自适应噪声完备经验模态分解(Complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)的基础上,构建盲反卷积（Blind deconvolution, BD）模型,实现EOG伪迹分离的方法。该方法首先运用CEEMDAN方法将含有伪迹的EEG信号分解成若干固有模态函数（Intrinsic mode function, IMF）分量,再以模态分量为观测信号送入EEG信号和EOG伪迹两个源信号构成的盲反卷积模型中,通过构建代价函数迭代实现EEG信号与EOG伪迹分离。为了验证新提出的算法,采用标准CHB-MIT头皮脑电数据库进行实验验证,EOG伪迹分离后的数据跟原始脑电数据作相关性分析,其相关系数是0.82。结果证实本文提出的方法保留有大多数原始EEG信号分量,同时对EOG伪迹的分离也具有良好的效果。