四虎国内精品一区二区,色婷婷综合久久久久

基于單片機(jī)和GSM的智能家居系統(tǒng)的設(shè)計(jì)[嵌入式技術(shù)][其他]

介紹了單片機(jī)操作系統(tǒng)、C語(yǔ)言技術(shù)與GSM模塊結(jié)合完成智能家居系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。該系統(tǒng)主要實(shí)現(xiàn)三大功能：監(jiān)控室內(nèi)溫度、防盜和檢測(cè)室內(nèi)可燃?xì)庖约盁熿F。首先通過(guò)3個(gè)傳感器模塊采集室內(nèi)信息，例如溫度、人體、可燃?xì)馀c煙霧等，然后發(fā)送到以51系列單片機(jī)為核心控制器構(gòu)建的數(shù)據(jù)采集終端上進(jìn)行處理，若發(fā)生特殊情況，系統(tǒng)發(fā)出報(bào)警聲，并通過(guò)GSM模塊發(fā)送報(bào)警信息到遠(yuǎn)程接收端。仿真結(jié)果證明，該系統(tǒng)成本低，操作方便，并且達(dá)到了預(yù)期的穩(wěn)定性和可靠性。

發(fā)表于：5/2/2017

非均勻節(jié)點(diǎn)情形下的一類三角B樣條曲線[嵌入式技術(shù)][其他]

給出一類在非均勻節(jié)點(diǎn)情形下帶參數(shù)的三角B樣條基函數(shù)，討論了這類基函數(shù)的性質(zhì)以及在重節(jié)點(diǎn)情形時(shí)的變化,并利用這類基函數(shù)構(gòu)造了相應(yīng)的三角B樣條曲線，這類曲線具有與二次非均勻B樣條曲線相似的性質(zhì)。在控制頂點(diǎn)不變的情況下，可以通過(guò)改變形狀參數(shù)取值來(lái)調(diào)節(jié)曲線的形狀。此外，它還能精確表示圓、橢圓等曲線。

發(fā)表于：5/2/2017

基于主凹點(diǎn)檢測(cè)的血細(xì)胞圖像去粘連分割算法研究[嵌入式技術(shù)][醫(yī)療電子]

針對(duì)醫(yī)學(xué)中血細(xì)胞圖像研究中粘連細(xì)胞難以分割的問(wèn)題，提出一種基于主凹點(diǎn)檢測(cè)的分割算法。通過(guò)濾波預(yù)處理去除圖像的噪聲以改善圖像質(zhì)量，基于改進(jìn)的活動(dòng)輪廓模型初步提取細(xì)胞輪廓，通過(guò)尋找主凹點(diǎn)的方法準(zhǔn)確定位粘連細(xì)胞凹點(diǎn)位置，標(biāo)記并融合細(xì)胞圖像輪廓、粘連形狀等特性，實(shí)現(xiàn)粘連細(xì)胞分離。實(shí)驗(yàn)結(jié)果表明，該方法具有很好的分割準(zhǔn)確度和完整度，且該算法具有普適性。

發(fā)表于：5/2/2017

雨天環(huán)境基于HOG-SIFT特征稀疏表示的行人檢測(cè)[嵌入式技術(shù)][其他]

針對(duì)雨天環(huán)境下監(jiān)控視頻因雨水噪聲、圖像的灰度值削弱使行人輪廓特征丟失而出現(xiàn)的目標(biāo)行人漏檢誤檢情況，建立了一種基于HOG-SIFT特征稀疏表示的行人檢測(cè)算法。通過(guò)直方圖均衡化降低雨水噪聲；提取圖像HOG-SIFT融合特征表征視頻圖像中的行人信息，減少輪廓特征的丟失；利用稀疏表示降低融合特征的維數(shù)，減小計(jì)算量并保留有效的行人特征，結(jié)合AdaBoost分類器降低漏檢率和誤檢率。實(shí)驗(yàn)結(jié)果表明，該算法在雨天環(huán)境下有效地提高了行人檢測(cè)的準(zhǔn)確率。

發(fā)表于：5/2/2017

基于Kinect 2.0深度圖像的快速體積測(cè)量[嵌入式技術(shù)][其他]

為了滿足現(xiàn)實(shí)生活中對(duì)物體體積實(shí)時(shí)測(cè)量的需求，提出了一套基于Kinect 2.0深度圖像處理的快速體積測(cè)量方案。首先，使用Kinect 2.0 深度傳感器獲得深度圖像及對(duì)應(yīng)的點(diǎn)云數(shù)據(jù)矩陣，并對(duì)深度圖像進(jìn)行增強(qiáng)、二值化、目標(biāo)提取等預(yù)處理，定位出目標(biāo)物體。然后，通過(guò)像素點(diǎn)的統(tǒng)計(jì)和點(diǎn)云數(shù)據(jù)的處理得到目標(biāo)物體的面積、高度。最后由面積和高度完成目標(biāo)物體的體積計(jì)算。經(jīng)驗(yàn)證這種方法的體積測(cè)量誤差控制在3%以內(nèi)，完全滿足實(shí)時(shí)性的誤差要求，又由于深度圖像較彩色圖像不易受光線、背景的干擾，使得該方法具有很強(qiáng)的魯棒性。

發(fā)表于：5/2/2017

基于STC單片機(jī)的角度控制[嵌入式技術(shù)][智能電網(wǎng)]

利用STC12系列單片機(jī)作為控制核心，減速電機(jī)作為執(zhí)行機(jī)構(gòu)，以單圈電位器作為檢測(cè)元件，在有限范圍內(nèi)實(shí)現(xiàn)了角度的精確控制。經(jīng)過(guò)實(shí)驗(yàn)測(cè)試，在0°~235°的控制范圍內(nèi)，最大誤差控制在±1°，保證了控制精度和控制速率；經(jīng)過(guò)實(shí)際使用驗(yàn)證了該方案安全、可靠。

發(fā)表于：5/2/2017

基于多尺度重采樣的車(chē)道線檢測(cè)[嵌入式技術(shù)][汽車(chē)電子]

提出了一種適用于輔助駕駛的高魯棒性車(chē)道線檢測(cè)算法。算法采用了根據(jù)距離的影像金字塔，有效提高了檢測(cè)效率和準(zhǔn)確率，實(shí)現(xiàn)了Android平臺(tái)的實(shí)時(shí)檢測(cè)，使用水平方向暗-亮-暗特征、二次曲線車(chē)道模型和基于卡爾曼濾波的跟蹤實(shí)時(shí)提取跟蹤路面車(chē)道線，實(shí)現(xiàn)相機(jī)俯仰角的快速標(biāo)定。實(shí)驗(yàn)證明，基于簡(jiǎn)單特征和車(chē)道線模型算法在Android系統(tǒng)的行車(chē)記錄儀上可穩(wěn)定地進(jìn)行車(chē)道跟蹤。

發(fā)表于：5/2/2017

手機(jī)ADAS：基于OpenCL的車(chē)道線檢測(cè)應(yīng)用評(píng)估[嵌入式技術(shù)][汽車(chē)電子]

先進(jìn)駕駛輔助系統(tǒng)(Advanced Driving Assistant System，ADAS)有利于提高駕駛安全性。如今，Open Computing Language(OpenCL)框架以及集成Graphics Processing Unit（GPU）手機(jī)的出現(xiàn)，使得在手機(jī)上高效運(yùn)行ADAS應(yīng)用成為可能?；贠penCL框架實(shí)現(xiàn)了ADAS最典型的一個(gè)功能——車(chē)道線檢測(cè)，并運(yùn)行在三款手機(jī)上。通過(guò)比較該應(yīng)用的檢測(cè)準(zhǔn)確度、幀處理速度、應(yīng)用能效，根據(jù)實(shí)驗(yàn)結(jié)果手機(jī)設(shè)備非常適合運(yùn)行基于視覺(jué)的ADAS應(yīng)用。

發(fā)表于：5/2/2017

基于SAR-ADC的精密同步數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)[嵌入式技術(shù)][物聯(lián)網(wǎng)]

針對(duì)某精密數(shù)據(jù)采集系統(tǒng)中模擬信號(hào)同步采樣問(wèn)題，文章研究了多通道同步模擬信號(hào)采集方法，設(shè)計(jì)了一種基于SAR-ADC、使用FPGA控制的16位同步采樣AD轉(zhuǎn)換系統(tǒng)。該系統(tǒng)可實(shí)現(xiàn)模擬信號(hào)的實(shí)時(shí)同步采樣，同時(shí)兼顧多路模擬信號(hào)采樣頻率要求的差異性，最后通過(guò)試驗(yàn)測(cè)試了該系統(tǒng)的信納比(SINAD)和有效位數(shù)(ENOB)。測(cè)試結(jié)果表明，該系統(tǒng)具有良好的動(dòng)態(tài)性能指標(biāo)。

發(fā)表于：4/27/2017

基于高速外設(shè)模塊的多核DSP與FPGA通信系統(tǒng)設(shè)計(jì)[嵌入式技術(shù)][其他]

詳細(xì)介紹了TI公司TMS320C6678多核DSP高速外設(shè)模塊EMIF16（外部存儲(chǔ)器接口）的功能及特性，利用EMIF模塊擴(kuò)展存儲(chǔ)空間大、通信速度快、硬件接口電路簡(jiǎn)單、性能穩(wěn)定等特點(diǎn)，設(shè)計(jì)并實(shí)現(xiàn)了一種基于EMIF模塊的DSP與FPGA異步通信接口，重點(diǎn)描述了接口通信系統(tǒng)架構(gòu)設(shè)計(jì)和具體軟件實(shí)現(xiàn)。測(cè)試驗(yàn)證表明基于該接口可進(jìn)行DSP與FPGA之間多種格式數(shù)據(jù)傳輸，接口運(yùn)行穩(wěn)定可靠，擴(kuò)展了TMS320C6678多核DSP處理芯片與外部器件通信系統(tǒng)接口的設(shè)計(jì)方式。

發(fā)表于：4/27/2017

基于Kinect的實(shí)時(shí)障礙物檢測(cè)[嵌入式技術(shù)][工業(yè)自動(dòng)化]

傳統(tǒng)的傳感器在移動(dòng)機(jī)器人障礙物檢測(cè)領(lǐng)域都有其各自的局限性。文章提出基于Kinect的障礙物檢測(cè)方法：利用Kinect傳感器獲取環(huán)境深度圖像；通過(guò)Kinect標(biāo)定配準(zhǔn)之后獲取校準(zhǔn)參數(shù)；通過(guò)該參數(shù)獲得圖像像素點(diǎn)與空間三維坐標(biāo)的對(duì)應(yīng)關(guān)系；通過(guò)空間三維坐標(biāo)確定地平面與障礙物區(qū)域，并將障礙物區(qū)域作為感興趣區(qū)域；通過(guò)三維坐標(biāo)在x軸和z軸的連續(xù)性對(duì)感興趣區(qū)域進(jìn)行處理，分割出各個(gè)障礙物。實(shí)驗(yàn)結(jié)果表明，文中算法可以有效且實(shí)時(shí)地檢測(cè)到障礙物信息。

發(fā)表于：4/27/2017

基于最大生成樹(shù)的社團(tuán)劃分算法[嵌入式技術(shù)][其他]

針對(duì)層次聚類算法存在復(fù)雜度高、準(zhǔn)確度低等問(wèn)題，提出了一種基于最大生成樹(shù)的社團(tuán)劃分算法。該算法重新定義了節(jié)點(diǎn)間相似度，并利用最大生成樹(shù)進(jìn)行初始聚類，然后根據(jù)社團(tuán)相似度合并局部社團(tuán)得到最終劃分結(jié)果。算法不僅降低了時(shí)間復(fù)雜度，而且在劃分社團(tuán)的準(zhǔn)確度方面有所提高。將該方法在真實(shí)網(wǎng)絡(luò)與人工網(wǎng)絡(luò)上進(jìn)行驗(yàn)證和比對(duì)，實(shí)驗(yàn)結(jié)果表明基于最大生成樹(shù)的社團(tuán)劃分算法能夠快速、準(zhǔn)確地劃分出網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)。

發(fā)表于：4/27/2017

基于瞬時(shí)無(wú)功功率理論的ip-iq算法中的SPLL改進(jìn)研究[電源技術(shù)][智能電網(wǎng)]

諧波電流檢測(cè)是有源電力濾波器的關(guān)鍵環(huán)節(jié)之一，采用鎖相環(huán)準(zhǔn)確鎖定電網(wǎng)電壓頻率是保證正確檢測(cè)諧波電流的重要前提。基于瞬時(shí)無(wú)功功率理論ip-iq諧波電流檢測(cè)算法，詳細(xì)研究了應(yīng)用于諧波檢測(cè)環(huán)節(jié)的各種軟件鎖相環(huán)的原理及優(yōu)缺點(diǎn)，并在此基礎(chǔ)上，對(duì)基于DSC(Delay Signal Cancellation)模塊的三相軟件鎖相環(huán)進(jìn)行了改進(jìn)。仿真和實(shí)驗(yàn)結(jié)果表明基于DSC模塊的新型三相軟件鎖相環(huán)SPLL(Software Phase-locked Loop)算法實(shí)現(xiàn)簡(jiǎn)單，運(yùn)算速度快，能夠準(zhǔn)確鎖定相位信息。

發(fā)表于：4/27/2017

WebSocket在智能家居遠(yuǎn)程監(jiān)測(cè)系統(tǒng)中的研究與應(yīng)用[嵌入式技術(shù)][物聯(lián)網(wǎng)]

為了改善目前智能家居Web應(yīng)用數(shù)據(jù)交互的實(shí)時(shí)性和帶寬資源浪費(fèi)的問(wèn)題，通過(guò)對(duì)Ajax輪詢技術(shù)與WebSocket技術(shù)在B/S模型下性能分析比較，提出在智能家居遠(yuǎn)程監(jiān)測(cè)系統(tǒng)中引用WebSoket技術(shù)進(jìn)行數(shù)據(jù)交互的方法，從而實(shí)現(xiàn)Web端數(shù)據(jù)的實(shí)時(shí)更新顯示。并在實(shí)例中通過(guò)JAVA后臺(tái)技術(shù)實(shí)現(xiàn)數(shù)據(jù)的可靠傳輸，證明了此方法的可行性。

發(fā)表于：4/27/2017

基于機(jī)器視覺(jué)的人數(shù)識(shí)別研究綜述[嵌入式技術(shù)][其他]

機(jī)器視覺(jué)技術(shù)由于其非破壞性、精度高、速度快等特點(diǎn)，在現(xiàn)在科技發(fā)展中已經(jīng)被廣泛地研究和應(yīng)用，更多地被用到視頻監(jiān)控中。文章對(duì)機(jī)器視覺(jué)人數(shù)識(shí)別近幾年的發(fā)展做了詳細(xì)的論述，主要從個(gè)體識(shí)別法和群體識(shí)別法兩大方面進(jìn)行分析，具體可分為四方面：特征識(shí)別法、形狀識(shí)別法、模型學(xué)習(xí)識(shí)別法和人群密度識(shí)別法。根據(jù)各種不同識(shí)別算法思想的研究，對(duì)當(dāng)前研究方向上亟待解決的問(wèn)題做出了分析，并對(duì)未來(lái)人數(shù)識(shí)別的研究做出展望。

發(fā)表于：4/25/2017