为了提高射频识别（RFID）系统的多目标识别效率，研究了识别中的标签冲突，逐步主流防冲突算法-根据标签数动态调整帧长的动态帧交替ALOHA算法（DFSA算法）进行改进，建立了基于3级随机数适时选择机制的改进算法的数学模型。这种新的改进算法通过3级随机数优先级的划分，解决了冲突交替的重新利用，提高了算法的替代利用率，在DFSA算法的基础上显着提高了算法吞吐率，解决了DFSA算法最高吞吐率36.8％的转化。仿真结果表明，此改进算法可以使系统识别效率提高到69.35％，从而验证了此算法的有效性，为以后防碰撞算法的研究增多了基础。

大数据-算法-面向GPON的光纤光栅传感数据采集系统及帧结构研究.pdf

使用matlab完成对语音的直接分帧功能

提供matlab平台下的图像压缩编码。用于视频图像帧内编码

基于关键帧双流卷积网络的人体动作识别方法

通过对视频中车辆的目标进行检测，并且对每一辆车进行跟踪处理，最终统计每一帧出现的车辆数量。

PPP及帧中继课件.pdf

针对射频识别（RFID）系统中标签较多时动态帧时隙ALOHA算法识别效率快速下降的问题，在动态帧时隙ALOHA算法的基础上，利用标签ID前位的汉明重量对阅读器范围内标签进行分组，提出了一种基于汉明重分组的动态帧时隙ALOHA算法（LGDFSA），并利用MATLAB对它进行了仿真模拟。仿真结果表明，LGDFSA算法与动态帧时隙ALOHA算法相比，当标签数较多时，系统吞吐量提高，并趋于稳定，总操作数有所减少，系统总体效率提高。

动态帧时隙ALOHA算法在标签数增加过多的情况下,所需时隙数增长过快;而由于硬件限制,时隙数不能无限增长。为改进此不足,可从以下三个步骤优化算法。首先根据hash函数进行时隙分配,将标签分配到不同的时隙;其次根据三维估计方法估计标签数,为下一周期调整帧长做准备;最后根据估计到的标签数调整帧长,当帧长为标签数的1.7倍时,识别效果最好。实验结果表明,标签数相同的情况下,本算法所用的时隙数最少。

OPENCV目标跟踪_opencv_光流法、帧间差分法、高斯背景模型差分法opencv下实现运动目标检测_运动目标检测_VC++