基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.      

基于小波包分解的早期碰摩故障诊断研究

研究了旋转机械转静件早期碰摩故障信号的检测问题.根据小波包分解能在所有频率范围聚焦,对信号奇异性非常敏感的特性,对比分析了不碰摩和早期碰摩信号的小波包分解细节分量,得出应用小波包分解可实现早期碰摩故障诊断.同时,还研究并实现了碰摩故障的定位问题.      

一种基于信号模型的ATE仪器资源配置方法

讨论了一种基于面向对象的信号模型构造方法在自动测试系统(ATE)测试环节中的应用,以解决测试资源有限和配置自动化的问题,并给出了一种由所需信号自动获取其资源信息的实现方法.通过分析测试资源与生成信号之间的关系,提出了由已知信号逐步递推获取资源信息的方法,并从理论上探讨了该方法的实现过程.提出了以生成信号的仪器资源信息和继承优先级为指标,从生成成本和生成层次上考察建立信号通道的思路.      

多管理域合作检测DDoS攻击的一个方法

为有效地防御分布式拒绝服务 DDoS(Distributed Denial of Service) 的 攻击,提出了基于多域间入侵检测系统 IDSs(Intrusion Detection Systems) 合作的攻击检测模型.围绕重要网络资源,构建了以〈路由器,IDS〉对为基础的闭合的IDS 合作环,通过环上节点间信息共享和合作组内的警报关联分析,能够在DDoS攻击数据包汇聚成致命攻击流之前捕获攻击特征并采取相关措施.提出了合作环组织方式、共享信息交换方式、警报关联算法以及各节点系统逻辑结构.利用原型多域合作入侵检测 MDCI(Multiple Domains Cooperative Intrusion-detection)系统实施了DDoS攻击实验,针对实验数据分析可以看出,合作环模型有效地提高了IDS系统对DDoS攻击的预警速度.      

航空供氧系统高空性能参数数值仿真

根据航空供氧系统高空性能的工作原理,利用理论简化结构模型和气体动力学知识,建立了供氧系统部分高空性能参数的数学模型.在Matlab/Simulink系统仿真环境下,对高空部分性能参数进行了数值仿真计算,分析了高空性能中的充氧时间控制以及供氧面罩余压与拉力管内压力的比值特性和各种结构参数对面罩余压大小的影响.通过对仿真计算结果与试验结果的对比分析,表明所建立的数学模型是有效的,采用的仿真计算方法符合计算精度要求,对供氧系统高空性能的设计和改进工作具有一定的参考作用.     

基于时延的高精度泄漏点超声定向检测方法

针对当前气体泄漏点检测定向精度低的情况,提出一种基于时延的高精度超声检测方法.该方法利用3个呈等边三角形分布的超声传感器接收由泄漏点产生的超声波,根据3路信号的相对时延值确定泄漏点的方向.为克服采样间隔对时延估计精度的限制,采用基于三次样条插值的时延估计算法估计信号时延值,并对不同核窗长度下的各100组实验数据的时延值进行误差统计,得到其均方差并与其Cramér-Rao下界比较,发现二者的变化趋势具有良好的一致性.在此基础上研究了时延值均方差,超声传感器间距和泄漏点距离对定向精度的影响.结果表明:定向误差随时延值均方差增大而增大,随超声传感器间距增大而减小,随泄漏点距离增大而增大;定向精度比单超声传感器检测方法提高7～10倍.     

基于自适应心跳算法的分布式系统故障检测器

故障检测是容错分布式系统中的关键技术之一.为了提高故障检测的性能,提出一种新型的故障检测器——自适应心跳检测器(SA-HD, Self-Adaptive Heartbeat Detector).SA-HD采用了基于拉式(pull)的自适应心跳算法,在考虑故障检测性能的同时也考虑了心跳检测所占用的网络资源对网络性能的影响.SA-HD能够根据网络负载调节自身发送心跳消息的频率,提高了心跳检测的网络环境适应能力,尤其是在高负载的环境下,能够有效改善心跳检测的性能.建立了SA-HD的模型,对其性能进行了仿真分析,并通过试验验证了SA-HD性能要优于传统推式(push)的心跳检测器.     

空间色噪声下信号频域检测方法性能分析

水下小孔径阵列的应用环境是色噪声环境,针对超增益波束形成方法在色噪声环境下噪声协方差矩阵估计偏差使阵列空间增益不能达到最大的问题,提出了一种频域超增益波束形成方法(FSD, Super-Directive beamforming in Frequency domain),该方法将宽带接收数据分成多个子带,在每个子带内分别估计噪声协方差矩阵,降低了噪声协方差矩阵的估计偏差,并使用估计得到的噪声协方差矩阵对接收数据解相关.最后使用空间谱检测器检测微弱目标信号.实测噪声数据的仿真结果表明,空间有色噪声环境中FSD方法的检测性能优于传统的时域超增益波束形成方法(TSD, Super-Directive beamforming in Time domain)2 dB,优于频域最小方差无畸变响应(FMVDR, Minimum Variance Distortionless Response in Frequency domain)波束形成方法2 dB.     

基于RBF带学习能力高精度非线性FDD设计

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数（RBF）神经网络的动量轮非线性故障检测与诊断（FDD）方案。首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性;然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间;应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略。再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性。