基于反卷积波束形成的噪声源识别方法研究进展

反卷积波束形成作为一种基于波束形成的噪声源识别方法已被广泛的运用,尤其在林业机械噪声源识别中。相比于传统波束形成,该方法可有效减小主瓣宽度并消除旁瓣,提高空间分辨率。概述了近年来国内外反卷积波束形成的研究进展,从旁瓣抑制能力、定位精度、计算效率方面对多种代表性方法进行对比分析,归纳总结其特点,讨论其局限性,为今后该方法的后续改进提供新的研究思路,以期获得更全面的反卷积波束形成算法,具有更优的适用性。     

关于循环卷积的一个快速算法

本文指出文献［３］提出的循环卷积快速算法由于忽略了整数位长与时间复杂度的关系，其一次乘法所耗费的时间至少相当于原有的卷积直接乘的时间，若不考虑整数的位长，只用一次乘法便可算出卷积。     

利用快速卷积近似计算连续卷积的几种格式

利用速卷积来近似计算随机响应中卷积计算，给出了矩形法，梯 形法和抛物线形法３种格式。比较了直接法和快速卷积法的计算量。结果表明计算速度可提高１个数量级。     

基于卷积神经网络的农作物病害识别方法研究

传统的农作物病害诊断主要依靠人工识别,需要从业者具有一定经验且主观性较强,存在误判现象。针对这一现象,提出了一种基于卷积神经网络的农作物病害识别方法。选取玉米和马铃薯的5种常见病害进行试验,构建了1个13层的卷积神经网络结构,并分析了不同池化方式及优化算法对该模型准确性的影响。同时采用十折交叉验证对模型鲁棒性进行评估,结果表明该模型具备良好的分类性能,对5种病害的平均识别率为93.95%,为玉米及马铃薯常见病害识别提供了一种新途径。     

基于卷积神经网络的杂草快速识别研究

图像识别是除草机器人的一项基础关键研究。为了能提高农作物和杂草的识别率以及便于识别物特征的提取,提出了基于卷积神经网络的识别方法。以农田中的杂草和农作物为试验对象设计了网络结构。该网络结构的参数较少,准确率达到了92.08%,且处理每张图片的时间仅为0.82 ms。     

基于卷积神经网络的玉米叶片疾病识别研究

玉米是我国农业经济发展的重要粮食作物,本文针对玉米叶片图像的病害识别与分类作为切入点,深入研究Inception模型在该领域的应用。针对现有的玉米叶数据集,研究了数据增强的方法,并以此来扩充数据集大小,以解决训练模型带来的泛化性能差等问题,实验证明,通过旋转、翻折、高斯噪声等扩充数据集对提升网络训练效果有积极作用。针对传统Inception模型存在的识别准确率低的问题,引入了卷积注意力机制CBAM以提高模型对重要特征的提取能力,在玉米叶数据集中的实验结果显示,改进后的CBAM-Inception模型相比于基线模型及VGG模型都大有提高,其准确率为96.88%。基于训练的模型参数、结合PyQt5应用程序开发框架完成了自动识别玉米叶疾病的应用程序,可以实现对玉米叶图像疾病识别。     

基于卷积神经网络的微藻种类识别

微藻在生态系统的结构和功能中具有极为重要的作用,而传统光学人工镜检方法对微藻种类鉴别具有较大的难度。本研究将微藻的光学图像进行了采样,并结合国内外专家对微藻鉴定的经验知识,制作了微藻图像数据集,并进行了数据增强处理。借助深度学习的原理和方法,构建了基于卷积神经网络结构的深度学习模型（AlexNet）,对模型进行了训练,并利用5折交叉验证方法确保模型的稳定性。结果表明,模型的训练精度可达到98.78±0.98%,测试精度达85.46±0.23%,达到了预期效果。利用AlexNet模型训练得到的参数,对预留的280个样本图像进行实际测试,7个藻种的平均精确度、平均召回率和平均F1 Score分别为0.832,0.844和0.833。表明深度学习方法是鉴定微藻的一种有效方法。     

一种改进深度卷积神经网络的海岛识别方法

受不规律潮汐的影响,现有的海岛地物类别自动识别方法存在精度低和时效性差等问题,通过改进深度卷积神经网络提出了一种基于遥感影像的海岛快速识别方法:(1)在深度卷积神经网络的卷积层中增设1×1的卷积核作为瓶颈单元,对多波段的遥感影像进行降维;(2)在池化层引入了重采样方法,基于灰度值对海量的遥感影像进行特征压缩。以300景Landsat-8遥感影像为源数据,分别采用CNN、RCNN和本文改进的深度卷积神经网络对遥感影像中的海岛进行识别,实验结果表明:(1)改进的深度卷积神经网络降低了海岛识别的计算耗时,其计算耗时仅为CNN的4.56%和RCNN的5.60%;(2)改进的深度卷积神经网络较CNN和RCNN提高了海岛识别的精度,识别精度分别为96.0%、93.3%和95.0%。结果说明,改进的深度卷积神经网络适用于面向遥感影像的海岛自动识别。     

基于卷积神经网络的农作物病害识别

【目的】农作物生长过程中,作物产量会受到各种病害影响,实现自动精准地识别农作物病害以及病害程度的测定是农作物病害防治的关键。【方法】文章设计了一种基于卷积神经网络的农作物病害的识别方法并建立了农作物病害识别模型,模型利用10种作物中常见的59种病害类型的叶片图像数据集进行训练,并对模型的训练过程和训练结果进行评估。【结果】(1)农作物病害识别模型对59种病害类型的总识别精度达到0.83,部分类别的识别率高于0.9;(2)当训练的迭代次数增加到50轮以上时,农作物病害识别模型的性能不再提升,此时数据集图像的数量对模型性能的影响较大。【结论】实验证明,利用卷积神经网络进行农作物病害识别具有较高的可行性和准确性,为农作物病害的防治打下基础。     

利用仿真技术对数字信号处理教学改革的研究

以巴特沃斯滤波器设计为例,论述了MATLAB编程、信号处理工具箱等计算机仿真手段在数字信号处理教学中的应用,分析了数字信号处理与模拟电子技术等先修课程的内在联系。仿真技术的引入,使抽象复杂的数字信号处理理论具体化,从而降低了学生理解知识的难度,收到了很好的教学效果。     

全双工双通路中继网络干扰处理与信号检测算法

全双工双通路连续中继(FD-TPSR)网络频谱效率高,状态控制简单,但全双工中继存在残留自干扰(RSI),发射中继对接收中继也会形成中继间干扰(IRI),会导致通信性能下降.这里提出一种中继间干扰处理方法,中继节点消除部分IRI,以提高端到端信干噪比;保留部分IRI,在目的节点构成延迟转发编码结构,以提供分集增益.同时提出一种基于并行软干扰消除的匹配滤波(MF-PSIC)信号检测算法,匹配滤波器结构简单,实现复杂度低,基于软输出的并行干扰消除能同时检测所有时隙的符号,处理时延小.仿真结果表明,中继间干扰处理方法兼顾了分集增益和累积干扰与噪声因素,相比于无IRI消除和完全IRI消除,误比特率最低; MF-PSIC信号检测算法实现复杂度低,相比于ML信号检测算法仅有很少的性能损失.     

基于肥料效应函数法的加工番茄施肥模型研究

以氮、磷、钾为主要影响因子,采用"311-A"二次回归最优设计进行试验研究,利用肥料效应函数法建立了加工番茄施肥模型,并分析了3种肥料与番茄产量之间的关系。结果表明,氮肥和钾肥对加工番茄产量影响较大,磷肥次之。根据模型确定了经济最佳施肥量和最高产量施肥量,针对不同的情况选择合适的施肥量,为合理施肥提供了科学指导。     

农产品特征建模的光照处理算法研究

由于实际环境中成像条件的限制,造成图像的光照不均匀,进而影响基于图形图像农产品特征建模技术的准确性.针对这一问题,提出光照处理技术的一些算法,结果表明通过光照处理技术能够有效地恢复农产品在实际情况下的真实情况,进一步完善农产品特征建模.     

水分快速测定的一种实时信息处理方法

准确性与重复性是水分快速测定的主要技术指标 ,也是目前水分快速测定仪普遍存在的技术问题 .探讨了以单片机为信息处理核心的水分快速测定仪的一致性检测问题 ,提出了算术平均值与递推估计相结合的实时信息处理方法 ,给出了实时信息处理算法 .实际应用结果验证了算法的正确性 .这种信息处理方法能够获得比有限次测量的算术平均值更准确的测量结果 ,具有较好的重复性 ,可用于其它测量结果具有正态分布特性的缓变量智能检测系统     

Research on Anti-noise Processing Method of Production Signal Based on Ensemble Empirical Mode Decomposition(EEMD)

The grain production prediction is one of the most important links in precision agriculture. In the process of grain production prediction, mechanical noise caused by the factors of difference in field topography and mechanical vibration will be mixed in the original signal, which undoubtedly will affect the prediction accuracy. Therefore, in order to reduce the influence of vibration noise on the prediction accuracy, an adaptive Ensemble Empirical Mode Decomposition (EEMD) threshold filtering algorithm was applied to the original signal in this paper: the output signal was decomposed into a finite number of Intrinsic Mode Functions (IMF) from high frequency to low frequency by using the Empirical Mode Decomposition (EMD) algorithm which could effectively restrain the mode mixing phenomenon; then the demarcation point of high and low frequency IMF components were determined by Continuous Mean Square Error criterion (CMSE), the high frequency IMF components were denoised by wavelet threshold algorithm, and finally the signal was reconstructed. The algorithm was an improved algorithm based on the commonly used wavelet threshold. The two algorithms were used to denoise the original production signal respectively, the adaptive EEMD threshold filtering algorithm had significant advantages in three denoising performance indexes of signal denoising ratio, root mean square error and smoothness. The five field verification tests showed that the average error of field experiment was 1.994% and the maximum relative error was less than 3%. According to the test results, the relative error of the predicted yield per hectare was 2.97%, which was relative to the actual yield. The test results showed that the algorithm could effectively resist noise and improve the accuracy of prediction.     

一种新的鉴别汉语语音信号起止点的有效算法

提出短时能频值（ＥＦＶ）的新概念，设计了用短时能频值的参量来估计语音起止点的新的有效算法，提高了语音信号与背景噪声的分辨力。运用基于短时能频值ＥＦＶ估计语音起止点的算法，研究汉语普通话音素的区别特征，上机计算分析证明了ＥＦＶ门限能够很好地从噪声中分辨出语音信号，有着较好的稳定性和较高的语音－噪声分辨力。     

MATLAB数字图像处理在根系固土中的应用研究

在水土防治中采用植物根系固定土壤的措施,引入基于MATLAB的数字图像处理技术,为植物根系固土机制的研究提供根系和土壤等的形态特征参数。对比Sobel、Prewitt、Roberts、LoG、Canny 5种边缘检测器的效果,对比基于梯度的边缘信息改进全局阈值处理方法和Otsu方法进行最佳全局阈值处理的效果,确定Canny边缘检测器和Otsu阈值处理方法相结合的最优算法。该数字图像处理技术可为植物根系固土机制的研究提供可靠的分析手段。     

木质复合材料无损检测中振动信号的处理方法

探讨了木质复合材料无损检测中常用的处理振动信号的三种方法：时域波形参数分析方法、傅里叶变换分析方法、小波分析方法的特点。从理论上分析了这三种方法在处理振动信号时的优缺点，提出了进行木质复合材料的振动无损检测时，不同的检测目的选择相应的振动信号处理方法。     

基于LabVIEW的车速信号采集与处理

将虚拟仪器技术应用于车辆制动性能的测试,给出了系统组成,进行了软件系统设计,研究了数值识分和数值微分算法在车速信号处理中应用,并将系统应用于实际,得到了车辆位移和制动减速度在制动过程中的变化情况。