针对传统的电压跌落d-q检测算法和Hilbert检测算法在补偿快速性和抗干扰性方面存在矛盾的问题,提出了一种将d-q检测算法与Hilbert检测算法相结合的电压跌落检测新算法:对电网侧电压信号采样后,经d-q检测单元得到谐波补偿波形;然后滤除3次谐波,滤波后的信号再经Hilbert检测单元得到电压幅值补偿波形;叠加该2种补偿波形可确定最终的补偿波形。仿真结果表明,该检测算法对于含3次谐波的电压跌落补偿效果较好,兼具补偿快速性和抗干扰能力。

针对布匹瑕疵检测算法中运算量大、自适应差的问题,利用布匹纹理周期性变化特性,自适应地构建结构元素,实现形态学运算;采用基于像素面积的阈值选择定位瑕疵位置。在不改变检测准确率的同时减少了运算时间。实验结果表明,该算法所确定的瑕疵位置与主观视觉吻合,相比经典算法,误检率、错误率均降低了4%。

多用户CDMA系统中Turbo-BLAST迭代检测算法pdf,多用户CDMA系统中Turbo-BLAST迭代检测算法

非正交多址接入（NOMA）可以通过对资源的非交使用来提高频谱利用率，增加用户连接数，有望成为5G的关键技术之一。考虑基站端配备多根天线，针对上行免调度SIMO-NOMA系统中活跃用户数量未知的情况，提出了一种基于压缩感知的稀疏度自适应匹配追踪硬融合算法(SAMP-HFA)。所提算法主要包括三部分：首先利用传统的SAMP算法估计基站端每根天线上的用户活动情况，接着融合这些检测到的用户活动信息获得一个公共的活跃用户集合，最后利用该集合估计活跃用户的传输数据。仿真结果表明，随着天线数目的增加，所提算法的误码率性能显著提高。

实时碰撞检测算法技术

传统的边缘检测方法大都基于灰度图像，不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题，提出了一种彩色图像边缘提取算法，基于图像自身梯度方向信息和多通道信息融合技术，将灰度边缘模板算子扩展应用到彩色图像的边缘检测中，在RGB空间中对原彩色图像进行多通道边缘检测；同时采用滤波来抑制噪声，依靠边缘生长保证检出边缘的连续性，并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小，实验结果表明了其能充分利用图像的颜色和梯度信息，有效地消除噪声，

空分复用多用户多输入多输出(MIMO)系统具有很高的频谱利用率,由于其系统结构和所处的信道环境的复杂性,使得用户间缺乏协作关系,当用户间干扰消除有残差或信道估计不准确时,传统线性接收机不能获得理想的检测效果.针对这一问题,利用每个用户的自身信道对多用户系统用户端信道进行扩展重构,给出一种高效的基于最小化均方误差(MMSE)准则的检测算法,此算法利用扩展后的信道对用户端接收机进行优化,不仅易于实现,还可以获得较好的误码率性能,有效的减少了多用户干扰消除后的残差和信道估计误差对检测算法的影响.仿真结果表明了所

贝叶斯matlab代码实例贝叶斯在线多元变化点检测算法 学生： Ilaria Lauzana 主管： ，何塞·梅迪纳（Jose Medina） 该存储库包含由Ilaria Lauzana，Nadia Figueroa和Jose Medina提出的贝叶斯在线多元变化点检测算法的实现。 我们提供3种实现： Matlab的 Python ros节点从流数据中检测变更点（online_changepoint_detector） 您可以在相应的文件夹中找到每个实现： 结构 . ├── README.md └── matlab ├── README.md │   └── code │   └── lightspeed └── python ├── python-univariate ├── README.md │   └── bayesian_changepoint_detection ├── python-multivariate └── online_changepoint_detector ├── CMakeLists.txt ├── package.xml └── scripts └──

车牌检测算法的matlab实现，采用边缘检测与形态学处理相结合的方法。有较高的准确率（80%以上）

为了使采摘机器人在收获番茄时更加精准地识别目标果实，采用改进后的 Cascade rcnt网络对温室内的番茄果实进行目标检测。将 Cascade rann网络中的非极大值抑制算法替换为Sof-NMS（ soft non- maximum suppression）算法，采用适合番茄形状的锚框，增强网络对重叠果实的识别能力，与原 Cascade rann网络相比，目标识别的准确率提高了近2%，在识别番茄果实的同时，该网络对番茄的成熟度进行了简单分类。为进一步验证网络性能，将改进网络与经典的 Faster rann网络和YOO3网络进行对比。实验结果表明，改进网络能够准确地识别岀番茄果实，并对成熟番茄与未成熟番茄做出区分。该方法可为温室内番茄果实的采摘提供技术支持。