信号检测与估计（美）的Matlab程序。很详细，每章都有程序
上传时间： 2016-06-23
上传用户：08-孙铁rUm
以ICL7129为核心的数字万用表的检测与调校
上传时间： 2017-12-15
上传用户：cyrs
信号检测与估计理论学习辅导与习题解答_赵建勋版
标签： 信号检测
上传时间： 2020-06-16
上传用户：hxm9610120
信号检测与估计理论_赵树杰_赵建勋版.pdf
标签： 信号检测
上传时间： 2020-06-16
上传用户：hxm9610120
607-基于AT89C51单片机的鸡舍环境检测与控制系统
上传时间： 2021-10-21
上传用户：
论文-基于红外热成像技术的猪体温检测与关键测温部位识别63页摘要 实现猪体温测量自动化有利于实时监测猪的健康状况、母猪发情和排卵检测等 生理健康状况。本文采用红外热成像仪采集猪的红外热图像，引入化学计量学建模 方法建立体表温度、环境温度与直肠温度间的多元校正模型，同时提出两种关键测 温部位的自动检测方法。主要结论总结如下： (1)建立了母猪体表温度、环境温度与母猪体温之间的一元和多元线性回归模型。研 究发现， 9个身体区域提取的体表温度与直肠温度呈正相关(产O．34～0．68)，其中， 基于耳根区域体表温度平均值建立的一元回归方程效果最优，预测集相关系数RP与 均方根误差RMSEP分别为0．66和0．420C。全特征模型相比一元线性回归方程有更 好的预测效果，RP和RMSEP分别为0．76和O．370C。此外，应用特征选择方法LARS． Lasso确定了7个重要特征建立简化模型，其校正集和预测集的R分别为0．80和 0．80，RMSEs分别为0．30和0．350C。 (2)将卷积神经网络应用于生猪主要测温部位(眼睛和耳朵区域)的直接分割。利用 python构建了四种不同结构的卷积神经网络模型FCN一1 6s、FCN．8s、U．Net一3和U． Net．4。对比分析4种卷积神经网络模型的性能，结果表明U-Net．4网络结构的分割 效果最优，平均区域重合度最高为78．75％。然而，当计算设备的计算力不够时，可 以选用U．Net一3模型以达到较好的分割效果。 (3)提出猪只眼睛及耳根区域关键点的识别方法，将猪只主要测温部位的检测问题 转变为主要测温部位的定位问题。设计具有不同深度的卷积神经网络架构A．E，得 出架构E最优。且当Dropout概率设置为0．6时模型效果最好，验证集平均误差和 预测集平均误差分别为1．96％和2．65％。测试集单张猪脸关键点的预测误差小于5％ 和10％的比例分别为89．5％和97．4％。模型能够很好的定位猪脸关键点，用于猪只 体温测量。 本文采用红外热像仪测量母猪体表温度，通过化学计量学建模为非接触母猪直 肠温度测量提供了更准确、可靠的方法，同时提出两种关键测温部位的自动检测方 法，有助于实现母猪体温测量自动化，为生猪健康管理提供参考。
标签： 红外热成像技术
上传时间： 2022-02-13
上传用户：jiabin
MPU9250传感器的姿态检测与数据融合
上传时间： 2022-03-19
上传用户：
该文档为基于PLC的生产线产品检测与分检系统总结文档，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看………………
标签： plc
上传时间： 2022-04-20
上传用户：
【摘要】首先，文中指出一般对于“微弱信号”的理解有两个方面的含义以及微弱信号检测技术的应用，提到了微弱信号检测技术的首要任务是提高信噪比。文章介绍了一些传统微弱量的检测方法，详细介绍了基于Duffing振子的混沌弱信号检测方法。利用统计信号检测的理论对混沌检测系统的虚警概率、检测概率和检测信噪比进行分析，进而利用上述特性研究了混沌弱信号幅度的估计方法；本文还讲述了Lyapunov指数的统计特性与弱信号检测和估计之间的关系。【关键字】微弱信号 非线性 Duffing振子 信号检测与估计1.1引言这些天在网上搜集了一些关于用非线性系统进行微弱信号检测的一些资料，读了几遍之后也若有所思。最初看的是基于非线性系统的微弱通信信号检测关键技术研究的项目计划申报书，老实说，读第一遍时很多都是云里雾里，由于每天读几页断断续续加上以前本科没有接触过这方面的内容导致第一遍读下来在脑海中并没有形成整体的轮廓，但强烈的求知欲和好奇心让我又读了第二遍，接着看了混沌振子检测引论，这才对非线性系统进行微弱信号的检测有了初步的认识。
标签： 微弱信号检测
上传时间： 2022-06-19
上传用户：xsr1983
基于mpu6050加速度传感器的跌倒检测与报警系统设计
上传时间： 2022-07-06
上传用户：aben
