基于NORDIC NRF51822芯片开发的智能牙刷的实现

近几年来随着物联网的发展以及低功耗蓝牙的广泛应用,可穿戴的智能设备和微型控制器设备受到广泛的关注。基于Nordic NRF51822开发的蓝牙智能牙刷是一款可以与手机APP通过低功耗蓝牙进行连接并且可以相互操作的电动牙刷。主要实现了低功耗、手机与牙刷互动、大数据存储、pH检测、压力检测并反馈、故障报警等功能。该牙刷是充分利用了NRF51822的优越性能的同时考虑到现在人们对手机的依赖以及对功能多样性的要求,并且结合口腔医学设计而成。在考虑到物联网这一热门理念时,将手机通过APP和蓝牙通信与牙刷结合起来形成一个完整的循环给用户更好、更新奇的体验。     

相关性匹配蓝牙信标位置指纹库的室内定位

针对K近邻算法(KNN)在对偏向于某个样本点的未知点进行三角质心定位时定位精度变差的情况,提出了应用相关系数去匹配蓝牙信标iBeacon位置指纹库的室内定位算法。通过比较待定位点和位置指纹库中参考样点的相似程度，并进行数据差异显著性检验，来检验采集的待定位点数据与指纹库数据是否显著相关，然后取相关性较高的样本点进行加权平均匹配定位。实验结果显示，相关系数匹配位置指纹库算法可将2 m以内的定位精度从65%提高到92%，相较于传统的KNN匹配定位算法有着定位精度高、计算量小、定位时间短等优势。     

一种基于二次项逼近的DDS算法及其实现

阐述了直接数字合成器（DDS）的基本原理,分析了现有DDS算法的优缺点,设计出基于二次 项逼近的DDS算法,并给出该算法的电路实现。最后通过该算法的仿真分析表明,该算法实现 的DDS其无杂散动态范围(SFDR)高达-105 dBc,且占用较少的资源,满足雷达、信号源等系 统对高性能、低功耗的设计要求。     

一种新的软聚类方法在入侵检测中的应用

本文在FC(MFuzzyC-Means)算法的基础上结合自适应和模糊截集理论提出了一种新的算法S2AFC(MSectionSetAdaptiveFCM),以及这个算法针对进程轨迹序列在异常检测中的应用。本算法能够克服聚类数目c要求预先确定、局部最优、分类不确定等弱点,在聚类过程中可动态调整并自动获得最佳的聚类数目。最后用实验和相关数据证明了本算法的正确性和有效性。结果表明本文所提出的算法能够有效地检测入侵,并在性能上有所提高。     

基于EEMD和DTW相结合的故障识别算法

提出了一种集成的经验模式分解(EEMD)算法和动态时间规整(DTW)算法相结合的故障识别算法。该算法首先利用正态分布白噪声在经验模式分解中具有的二进尺度分解特性,利用EEMD算法对实验样本与参考样本进行处理以去掉样本信号的非平稳性和噪声,然后对未知的实验样本与已知的参考样本之间的相似性利用DTW算法进行评价,采用它们之间的最短距离来进行分类,从而达到故障识别。最后将此算法应用到Tennessee Eastman过程的故障识别中。仿真结果表明基于EEMD和DTW相结合的算法能够准确地进行故障识别,而仅采用普通的DTW算法则存在一定的误差。     

一种基于无线传感器网络的动态数据采集系统设计

动态数据采集有着采集范围大、采集点众多、数据通信困难、布线空间有限、自动作业等特点,传统的以总线方式组成网络的采集系统很难满足这种应用要求。提出一种基于无线传感器网络的动态数据采集系统设计方案,具有低功耗、灵活性强、可扩展好、体积小、成本低等特点,解决了传统的采集系统的设计瓶颈,并具有新的优异特性。     

基于ARIMA模型的经济形势预测分析--以重庆市GDP为例

有效预测GDP增长对当地政府制定宏观政策及调控意义重大,而ARIMA模型是短期预测的强有力工具。依据1949-2012重庆市GDP为研究样本,首先通过对样本数据取对数及差分处理使数据序列变成平稳时间序列,然后使用赤池和施瓦茨信息等多种准则确定最优滞后阶数p和q,再使用BG和残差正态性等多种假设检验,最终确定ARIMA(7,1,4)模型。研究结果表明,模型具有较好的预测效果和现实意义,可推扩至各行业做相应的短期预测分析。     

基于ARIMA模型的经济形势预测分析——以重庆市GDP为例

有效预测GDP增长对当地政府制定宏观政策及调控意义重大,而ARIMA模型是短期预测的强有力工具。依据1949-2012重庆市GDP为研究样本,首先通过对样本数据取对数及差分处理使数据序列变成平稳时间序列,然后使用赤池和施瓦茨信息等多种准则确定最优滞后阶数p和q,再使用BG和残差正态性等多种假设检验,最终确定ARIMA(7,1,4)模型。研究结果表明,模型具有较好的预测效果和现实意义,可推扩至各行业做相应的短期预测分析。     

基于ARIMA模型的经济形势预测分析--以重庆市GDP为例

有效预测GDP增长对当地政府制定宏观政策及调控意义重大,而ARIMA模型是短期预测的强有力工具。依据1949-2012重庆市GDP为研究样本,首先通过对样本数据取对数及差分处理使数据序列变成平稳时间序列,然后使用赤池和施瓦茨信息等多种准则确定最优滞后阶数p和q,再使用BG和残差正态性等多种假设检验,最终确定ARIMA(7,1,4)模型。研究结果表明,模型具有较好的预测效果和现实意义,可推扩至各行业做相应的短期预测分析。     

利用信道状态信息的室内定位技术

多径效应导致基于信号接收强度（RSSI）的室内定位方法精度不高，采用更细粒度的物理层信道状态信息（CSI）可以区分不同路径，提高定位精度。在已有基于CSI室内定位方法的基础上，通过改进对数距离路径损耗模型，得到CSI与传输距离的关系，并结合目标位置所测得的CSI值回归出目标与发射端的距离，最后通过三边定位法预测出目标的位置坐标。实验表明，相比基于RSSI的定位方法以及已有的基于CSI的定位方法，所提方法2 m以内的误差概率提高了将近40%和20%，有效提高了定位精度。