本实用新型涉及一种基于物联网的农业生产远程监测与智能决策系统，综合设施农业生产特点和用户的使用需求，基于传感技术、通讯技术、计算机技术、网络技术进行开发。该系统软件部分采用C/S模式开发，包括客户端和服务器端。系统包括：数据采集系统、无线网关、GPRS网络、计算机客户端、手机客户端和服务器、水泵、卷帘机。系统能自动采集设施环境的土壤温度、土壤湿度、空气温度、空气湿度、光照强度和CO2浓度信息，并存入服务器数据库中。可以实现实时数据显示，当环境状况不符合作物生长时，可发出声音报警、动态图形报警和手机短信报警功能。

绝大多数视频图像在传输过程中皆要进行混合压缩编码,这种以去掉大量空间性和时间性冗余信息为手段的编码方式将导致解码发生一系列错误,急剧影响恢复后的图像质量．针对这种情况,本文提出了一种改进的基于空域错误隐藏的图像恢复算法,该算法利用已正确接收的邻近宏块的像素值,对当前宏块边缘进行综合分析,运用方向插值算法和五点插值算法计算出宏块内边缘和平坦区域的像素值,从而对直接解码恢复出的像素值进行娇正．从实验结果来看,该算法恢复出的图像质量的PSNR值和计算复杂度皆优于传统双线性插值法和五点插值法．

存复杂的背景噪声中检测直扩信号并估计参数是信号处理研究的难点课题之一，在接收端如何降低高斯噪声等背景噪声的影响成为急需解决的问题。这里提出了一种基于盲源分离的直扩信号载频检测算法，采用独立分量分析的高阶累计量算法将直扩信号从包含高斯噪声的背景中分离出来，然后采用边带相关算法估计载波频率。该方法不需要知道混合矩阵，不需要做预白化处理。计算机仿真结果证明了算法的有效性。

行业分类-设备装置-一种基于优先级位图的AUTOSAR+NvM读写任务的管理方法

请引用这些论文： [1] S. Mukherjee和R. Guddeti，“使用加速框架在立体图像中基于深度的选择性模糊”，Springer-Verlag杂志“ 3D研究”，第1卷。 5，没有。 2014 年 3 月。 [2] S. Mukherjee 和 R. Guddeti，“基于立体视觉的稀疏视差估计的视差计算混合算法”，IEEE 第 10 届信号处理和通信国际会议 (SPCOM)，2014 年 7 月。 我的算法采用了一种快速的混合方法（基于块和区域的混合）从校正后的立体图像对进行立体视差估计。 对于来自 Middlebury 立体视觉数据集的三个标准基准图像（Tsukuba、Sawtooth 和 Venus），其错误率分别低至 7.8%、5.3% 和 4.7%，尺寸分别为 384x288、434x380 和 434x383 像素。 该算法在具有 Intel i7-2600 CPU

为获得正确的节点次序，提高K2算法的执行效率和精确度，提出一种构建基因调控网络的IE―K2算法。基于两个节点互信息构建无向图，通过引入联合信息熵来获得最佳的节点次序。在Alann网络中的实验结果表明，其预测的准确率优于爬山算法和随机节点顺序的K2算法；将IE―K2算法用于构建酿酒酵母的基因调控网络，通过现有文献证明了调控关系的正确性，结果显示了该算法的有效性。

为了提高三维点云数据配准的效率, 提出一种基于法向量分布特征的关键点初始匹配与迭代最近点(ICP)的精确配准的两步点云配准算法。首先, 定义点云的邻接区域和法向量分布特征计算模型, 提出基于该模型的关键点选择算法; 其次, 为每个关键点建立局部坐标系, 计算关键点的快速点特征直方图, 使用采样一致性配准算法匹配关键点的特征, 去除错误匹配点, 求解出变换矩阵, 完成初始配准; 最后, 使用ICP算法, 对多视点云的初始配准结果进行精确配准。实验结果表明, 在散乱点云数据和自获取的深度点云数据配准中, 该算法能够在确保配准精度的同时有效提升配准效率。

针对融合识别领域中不同框架下多源异类传感器的不确定证据信息无法有效融合的问题, 提出一种基于条件证据网络的多源异类知识融合识别方法. 该方法将战场协同作战中不同框架下多源异类传感器的领域知识统一在证据网络的结构下, 形成多源异类知识融合识别模型, 对多源异类传感器的不确定性证据信息进行基于条件证据网络的融合推理, 得到识别结果. 仿真实例验证了所提出方法的优越性.

针对多传感器的目标识别问题，利用异类传感器数据多样性的特点，通过可信度的概念将多种数据进行融合。根据目标信息的不确定性，引入模糊物元分析法确定特性熵权，用Vague集表达目标的特征值，根据Vague度距离给出目标识别结果。实验仿真表明，异类传感器比同类传感器能更好地融合信息，提高目标识别效果。

针对不同分布海杂波的抑制及目标检测问题，首次将自适应噪声对消器应用在海杂波的处理中，并且将此对消器与小波分解理论相结合来抑制海杂波，提取出目标。首先，对含有目标的海杂波信号进行小波分解。然后，类比自适应噪声对消器模型，设计一种自适应杂波对消器。将经小波分解后的信号作为自适应杂波对消器的输入信号，经过自适应杂波对消器输出的信号即为杂波抑制的结果。最后，通过MATLAB仿真，分析采用不同的小波基函数和不同的分解层数的杂波抑制效果，验证此种算法对于海杂波抑制的有效性。