CAN通信节点设计在车载电动空调上的应用

CAN总线是一种实时性现场总线,广泛应用于汽车领域。针对车载电气系统要求器件抗干扰性能强及处理速度快的要求。文中给出了一种基于ST7单片机,并以MCP2510为CAN控制器的通信节点设计方案,该方案通过标准SPI接口可完成对MCP2510的控制。实现CAN总线协议规范。     

Hough 变换在电路板检测中的应用

针对 DSP56F801 最小系统电路板检测系统中每次采集到的电路板图像存在平移和旋转误差的问题,提出了基于 Hough 变换的电路板图像矫正算法.该算法首先利用边缘检测算子得到电路板图像的边缘图像,再根据该电路板中定位孔位置固定的特点,利用 Hough 变换检测电路板定位孔的圆形外边缘的位置,然后以定位孔外边缘的圆心为基础计算出电路板的平移误差和旋转误差并进行矫正.实验验证了这一改进的效果.消除了该检测系统中电路板图像的平移误差和旋转误差.     

改进的指纹图像参考点定位算法

针对Hong和Jain提出的指纹图像参考点定位算法的不足提出了指纹定位算法的改进方案，利用复数滤波器对指纹脊线方向场进行滤波来定位指纹图像的参考点，并通过在FVC2000标准指纹数据库上的对比实验，验证了该改进算法的有效性．     

基于贝叶斯最小错误率的一种新的指纹分割算法

指纹图像分割是自动指纹识别系统中非常重要的一步。本文介绍了一种新的基于贝叶斯最小错误率的指纹分割方法。首先,提出了一种新的基于方向信息的分割特征。然后,具体介绍了基于这种特征的分割算法。最后根据最小错误率的贝叶斯决策确定合适的阈值割除背景区域。这种方法在FVC2000指纹库中进行了测试,实验结果证明了它的有效性。     

浮点遗传算法中一种新的杂交算子

为了提高浮点遗传算法在优化计算时向最优解收敛的速度, 提出了一种新的遗传算子 :代间差分杂交算子. 通过应用于非线性参数估计的仿真计算, 表明了这种杂交算子的有效性及其相对于普通杂交算子的优点.     

基于相空间模糊熵算法的金属缺陷形状辨识

提出了一种多线圈涡流无损检测方法,通过相空间模糊熵算法分析涡流信号复杂度,进而实现对金属微小缺陷形状的辨识.为了从足够的测量信息中获取有效的缺陷特征,设计了多线圈传感器模型.通过仿真实验选取适合的传感器参数和激励模式.采用相空间模糊熵算法,研究不同大小、深度、形状的缺陷对涡流信号复杂度的影响.为了准确提取涡流信号的内在规律,获得对缺陷敏感的信号分析结果,对涡流信号进行相空间重构,并在重构的相空间中计算信号的模糊熵.分析结果表明:随着缺陷体积的增加,模糊熵增大,涡流信号的复杂度增加.根据不同形状缺陷的模糊熵均值分布图,可以实现对孔、洞、裂缝3种缺陷较精确的区分.     

基于提升小波时延估计的气液两相流流速测量

利用双截面ERT系统测量气液两相流流速具有高实时性、非侵入测量等优势,并将流速测量问题转化为信号处理中的时延估计问题。由于气液两相流信号大多是非平稳的,因此利用传统互相方法计算时延会出现相关函数曲线多峰值现象,导致流速计算结果严重偏差。为提高流速测量的精度和稳定性,本文出了一种基于提升小波的时延估计算法。该算法基于基小波二次加权理论,利用改进阈值函数提升小波算法对源信号进行去噪,再通过形态学提升小波对互相关计算结果去噪,实现流速精确测量。     

动态电阻抗成像时空相关性重建方法研究

电阻抗成像(electrical impedance tomography,EIT)常用于监测物场中介质分布的动态变化。对于动态EIT系统,传统成像算法以牺牲图像质量为代价,提高成像速度。利用测量数据序列的时间、空间特性,改善重建图像质量,建立了基于时间-空间相关性的动态EIT成像数学模型,将动态阻抗图像序列的低秩特性引入到目标函数中。采用增广拉格朗日乘子(augmented Lagrange multiplier,ALM)法对模型进行求解。仿真和实验结果证明新方法能够在改善重建图像质量的同时提高成像速度,从而表明新方法的有效性。     

基于改进共轭梯度法的ERT图像重建

针对电阻层析成像(ERT)图像重建中灵敏度矩阵的病态特性导致共轭梯度法的收敛率低的问题,提出了改进的共轭梯度算法,ERT图像重建前先对数据进行归一化预处理,将解空间映射到Krylov子空间中,再通过共轭梯度法求解低维子空间中的反问题。分别利用共轭梯度法、预处理共轭梯度法和改进共轭梯度法对典型的气水两相流模型做了仿真实验。实验结果表明,改进共轭梯度法能够提高重建图像的质量,并且相对于其他算法,降低了计算时间。     

一种基于改进U-Net模型的电磁层析成像算法

为解决电磁层析成像（electromagnetic tomography,EMT）传统成像算法由于逆问题的不适定性和病态性导致重建图像质量差的问题，提出了一种基于改进U-Net深度网络模型的新型电磁层析成像方法。首先，以UNet深度网络模型为基础，加入残差模块使网络提取更多特征信息并避免网络训练时梯度消失的问题；其次在此结构上引入注意力机制来提升重要特征信息，抑制无用的特征信息，加强对缺陷边缘和形状特征的权重分配。通过仿真和金属缺陷检测实验评估了本文所提出算法的性能，并与线性反投影算法和共轭梯度算法进行了对比。仿真实验和金属缺陷检测实验结果表明：本文提出的算法在精确率、召回率和F1-Score分别达到88.41%、90.38%和89.38%，重建图像对于缺陷位置和形状的预测更为准确。