基于虹膜识别的商务会馆管理系统的设计与实现

企业商务会馆使广大的商务精英使用的一个交流、互助的平台,这让会员能够长期结成战略伙伴。由于基于虹膜的生物特征识别技术识别精度高、不能伪造以及具有非侵犯性等特点,本文提出了基于虹膜识别的商务会馆管理系统的设计与实现方法。研究内容包括:虹膜的识别技术和该系统开发过程。     

面向近眼式应用的快速瞳孔中心定位算法

针对Hough圆变换、最小二乘法椭圆拟合瞳孔中心定位算法中运算量大的问题,提出一种基于椭圆外切矩形的快速瞳孔中心定位算法。该算法从人眼图像中通过阈值分割得到瞳孔区域,对瞳孔区域进行边缘像素点的提取,然后利用椭圆外切矩形模型定位出瞳孔中心。通过Matlab对中国科学院自动化研究所公开的虹膜数据库中756张人眼图像进行遍历实验验证,所提算法定位准确率为98.3%,平均用时0.192 s。在同等条件下,与Hough圆变换、最小二乘法椭圆拟合算法进行对比,在保证定位准确率的同时,所提算法平均用时更少。实验结果表明,所提算法能够快速准确地完成瞳孔的中心定位。     

基于曲面匹配的虹膜识别算法

为解决经典的匹配算法计算量大,耗时多的问题,同时为了克服繁琐的特征提取,本文依据3D空间曲面灰度差值平均和的原理,在虹膜灰度图像这个层面上直接进行匹配操作,没有特征提取这个步骤,参与匹配的是整个虹膜区域图像,结合C++软件构建了虹膜匹配仿真平台,同时给出了阈值参数,并进行了仿真.仿真结果表明,该算法不但速度快,准确率也比经典算法有所提升.     

基于数字图像处理的人眼定位算法的研究

一般的人脸识别系统主要包括图像与处理、人脸定位、特征提取、样本学习和识别过程四部分,其中人脸定位和特征提取的好坏直接影响到识别效果,文章研究的是特征提取方法中人眼定位算法,该算法利用vusya1 c++编写程序,在人脸粗定位的基础上进行,缩小了搜索范围,实现人眼定位.     

一种特殊GDOP场景下的NLOS传播识别算法

在地面无线定位中,影响定位精度的最大因素是电波的非视距（NLOS）传播误差,定位估计前识别收发信机之间电波是视距（LOS）还是NLOS传播是提升定位精度需要研究的重要课题。为此,先对一种基于交叉面积的NLOS识别算法进行改进,然后提出了一种针对特殊几何精度因子（GDOP）场景下的NLOS识别算法——分步检验算法。该算法采用两步进行识别,先用数据检验筛选出测量样本中的LOS测量值,再用改进的交叉面积算法进行识别。仿真结果表明,分步检验算法在特殊GDOP场景下具有良好的识别性能。     

利用时变噪声贝叶斯卡尔曼滤波的室内移动目标定位

基于射频识别的指纹滤波定位技术是当前室内定位中常使用的技术之一。针对该技术存在的卡尔曼滤波算法不能准确适应环境噪声变化,致使定位精度不高的问题,提出了一种适应时变噪声的贝叶斯卡尔曼滤波算法。所提算法结合Sage-Husa滤波模型和贝叶斯模型,实现了过程和测量协方差矩阵的最优化,有效地降低了噪声,提高了指纹滤波定位的精度。实验结果表明,与变分贝叶斯卡尔曼滤波和Sage-Husa滤波相比,无障碍情况下,基于改进算法的定位精度提高了6%以上;有障碍干扰下,则提高了14.6%以上。     

虹膜识别——身份鉴别的新宠

每天清晨,某国军用飞机制造商首席科学家Tony准时来到公司,他会在一扇大门前稍作停留:眼睛瞟一下前方,一秒钟后,大门自动打开。以前只能在科幻电影里看到的镜头成为现实。这一依据人体虹膜特征的身份鉴别方法叫做虹膜识别。该生物识另技术具备个体差异大、极少受到损害、提取时无明显侵犯性等特     

运动TDMA系统目标时差定位算法

根据时分多址（TDMA）系统的同步特征,利用TDMA运动目标准周期性信号的到达时间,提出 了3种在三站时差定位系统中实现目标定位的算法。采用目标运动分析的方法,对TDMA目标 位置的可观测性进行分析,提出了目标运动分析时差定位算法,利用目标航迹上多个位置的 时差实现目标的定位。运用目标运动分析测距算法,提出了测距与传统时差定位和目标运动 分析时差定位相结合的两种定位算法。3种定位算法充分利用了目标的运动特性 ,提高了TDMA目标的定位精度,避免了传统时差定位算法中的多解和无解现象。仿真 结果验证了算法的有效性。     

世界性警惕你是谁？——访面像识别技术专家庄镇泉

在一个不安全的世界里,人们急切地渴望新的身份识别技术的诞生。但是面对诸如指纹,虹膜以 及面像等一系列身份识别技术,人们在寻找有效的办法。     

基于概率的单站多目标无源定位算法

机载单站多目标无源定位是现代电：于侦察领域的重点和难点课题。本文提出了一种基于贝叶斯后验概率最大原理的机载单站多目标无源定位算法。该算法只使用干涉仪给出脉冲序列相位差和载频信息，即可完成对多目标的分选识别和高精度定位，具有定位准确、指示清楚、无需对信号进行预分选的优点。仿真结果表明：在工程可实现的测向、测频精度和考虑载机位置、姿态误差情况下，对于载机一侧的多目标可能达到的定位精度约为距离的2％，是一种具有广阔应用前景的机栽单站无源定位方法。     

蜂窝移动定位系统定位精度提高算法的研究进展

提高蜂窝移动定位系统的定位精度是定位技术在CDMA系统中广泛应用的关键。针对提高移动定位精度算法的研究，分别从基本定位算法、非视距传播误差消除算法、抗多径干扰时延估计和抗多址干扰算法、数据融合定位方法等几个方面进行了详细的分析和讨论，综述了该领域的最新研究进展，提出了自己的观点。最后对移动定位精度提高算法研究的未来进行了展望。     

无线传感器网络节点自身定位算法综述

节点位置信息是无线传感器网络应用的基础。介绍了无线传感器网络节点定位的基本原理，论述了已提出的几种典型定位算法，并对其进行了分析与比较。在综合分析当前定位算法不足的基础上，指出了无线传感器网络节点定位算法的研究方向。     

一种基于深度学习的交通标志识别新算法

针对特定场景交通标志精度低与识别速度慢的问题,基于交通标志边缘信息与卷积神经网络,提出了一种交通标志图像识别T-YOLO算法。该算法基于YOLOv2算法检测思想,融合残差网络、卷积层填充0等结构,下采样舍弃池化层改用卷积层,并提取边缘信息与上采样以提升精度,设计7层特征提取网络以缩短识别速度,随后使用Softmax函数归一化实现多分类,并采用批量归一化、多尺度训练等方法缩短训练时间。实验表明,该算法真实有效,图形处理单元（Graphic Processing Unit,GPU）平台上最快检测速度13.69 ms/frame,每帧缩短9.51 ms,最高平均准确率97.3%,提高7.1%,满足实时高精度识别要求。与其他算法相比,该算法在交通标志识别速度与精度方面均有大幅提高,更加适用于现实场景,更贴近车载嵌入式系统。     

卡尔曼滤波在iBeacon室内定位系统中的应用

为了抑制iBeacon信号在传播过程中由于人员扰动、多径效应等引起的噪声，以及移动定位过程中定位结果的不稳定，在iBeacon室内定位系统中引入了卡尔曼滤波算法分别对采集到的iBeacon信号与移动定位结果进行处理。首先通过卡尔曼滤波对采集的信号进行处理，降低了信号噪声，提高了信号的质量，其次应用卡尔曼滤波对移动定位结果进行二次处理，提高了移动定位结果的稳定性与精度。实验结果表明,在办公室环境下采用卡尔曼滤波进行处理后可将1 m以内的定位精度提高到80%以上。     

WLAN信号特征算法的研究

本文对位置指纹定位算法的过程进行了分析,对匹配算法进行了仿真比较并将KNN算法作为本文检验定位精度的算法。在提高定位精度方面,本文提出采用对信号功率谱的对数平均值进行KL变换,以减小信号采集过程中混入的噪声对定位精度造成的影响;在减少工作量方面,本文提出利用改进的K均值聚类算法将定位区域分区,然后在每个子区域选择位置分辨能力较强的AP用于定位,提高在线阶段的定位实时性。     

基于层次型Adaboost的动态车牌定位方法

提出了一种结合车牌定位和跟踪的快速动态车牌定位算法。在层次型AdaBoost检测算法的基础上,结合提出的一种基于线性预测的车牌跟踪算法来缩小搜索空间,使得检测速度提高到16帧/秒。还设计了一种结合层次型AdaBoost算法、双阈值判决构造强分类器的检测器训练方法,可以方便地应用于物体定位技术上。     

与强度无关的位置指纹在线定位改进算法

将现有的研究较热的固定发射端、定位接收端的室内位置指纹定位系统应用到固定接收端、定位发射端的室内无线电干扰源定位中,研究了一种考虑干扰源发射强度的在线定位算法,以克服直接使用以一固定发射强度信号源建立的指纹数据库和现有的在线定位方法无法实现对不同发射强度干扰源定位问题。在分析信号传播模型和现有在线定位方法的基础上,利用强度差的均方差进行定位计算。给出了算法实现依据和流程,对改进的算法进行了仿真和实验验证,结果证明了改进算法的实用性。同时,改进算法的思想对现有的考虑接收端异质的位置指纹定位系统也有一定的指导意义。     

基于最小二乘融合估计的双星时频差定位

件下具有测量误差和星历误差时定位精度不高的特点,提出了一种基于多次观测数据的最小 二乘融合估计定位算法,该算法无需增加观测条件即可有效提高辐射源定位精度。分析了测 量误差、星历误差对单参考站单次定位及融合定位精度的影响,推导了测量误差、星历误差 对定位误差的传递公式,提出了含星历误差影响的最小二乘融合估计加权算法。通过Monte- Carlo仿真验证了误差分析结果和定位算法,并比较了加权最小二乘估计定位和单次定位的 性能。仿真试验表明：在相同观测精度条件下,加权最小二乘融合定位可极大地提高辐射 源定位精度,最大提高10倍以上。     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上，针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题，提出了一种新型的粒子群优化(PSO)算法与后向传播（BP）神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值，易形成局部极值，同时学习次数较多，需先通过粒子群算法进行优化。为了提高定位精度，首先采用速度常量法滤波处理，然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化，并分析算法的性能。试验中隐层节点个数采用试错法，从12到19变化，以确定合适数目。实验结果表明，与一般加权算法和传统BP算法相比，改进的混合优化算法可大幅改善测距误差对定位误差的影响，同时可使25 m内最小定位误差小于0.27m     

浅析无线传感器网络的改进DV-Hop定位算法

节点定位技术在无线传感器网络中广为应用，为了精准定位，可按照距离参数分成测距算法和无需测距算法两大类。本文针对DV-Hop算法在坐标计算阶段中的不足，尤其对节点随机分布、网络拓扑动态变化的应用环境，提出相应改进方案。通过仿真比较改进方案的性能。