CN106841215A - 基于互联网土木工程结构表现缺陷评定双ccd检测系统 - Google Patents
基于互联网土木工程结构表现缺陷评定双ccd检测系统 Download PDFInfo
- Publication number
- CN106841215A CN106841215A CN201710100209.9A CN201710100209A CN106841215A CN 106841215 A CN106841215 A CN 106841215A CN 201710100209 A CN201710100209 A CN 201710100209A CN 106841215 A CN106841215 A CN 106841215A
- Authority
- CN
- China
- Prior art keywords
- module
- overbar
- detection module
- represent
- civil engineering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于互联网土木工程结构表现缺陷评定双CCD检测系统,包括外部设备、单片机控制器和云端服务器,外部设备通过GPRS网络分别与云端服务器和无线射频收发模块连接;单片机控制器的输入端分别与第一图像采集模块、第二图像采集模块、第一水平角检测模块、第一俯仰角检测模块、第二水平角检测模块、第二俯仰角检测模块、GPS定位模块和电源模块的输出端电性连接;第一图像采集模块的输入端与第一CCD相机的输出端电性连接;第二图像采集模块的输入端与第二CCD相机的输出端电性连接,该发明的有益效果是智能化程度高,外部设备通过互联网控制检测系统,云端服务器实时对采集数据分析处理并反馈分析结果至外部设备。
Description
技术领域
本发明属于土木工程结构缺陷检测技术领域,尤其涉及一种基于互联网土木工程结构表现缺陷评定双CCD检测系统。
背景技术
由于外部环境的变化以及人为失误的影响,土木工程结构在服役过程中会出现各种不同程度的损伤,而混凝土结构的缺陷大多始发于或显露于结构表面,如裂缝、孔洞、腐蚀坑、凹槽等,使整体结构的安全性、完整性及可使役性降低,影响结构的正常使用。这些缺陷的存在严重地威胁着结构的安全可靠性,可能导致结构失稳或强度破坏,严重甚至影响工程的正常运行和效益的发挥。为了保证安全生产,因此必须定期对结构进行检测和安全评估。土木工程结构表观缺陷传统的检测方法主要靠目测,由检测人员进行肉眼观察或探摸。这样目测只能大概估计裂缝的尺寸范围,而不能得到精确的结果;而且,由于自身条件的限制,使目测方法具有检测能力有限、检测可靠性低、检测时间长、费用高等缺点。为了提高检测效率与精度,降低劳动强度,节省检测费用,人们一直都在探索更有效的检测手段和方法。CCD检测成像技术作为一种重要的无损检测手段,具有速度快、非接触、操作简单等优点,在许多领域内发挥了巨大作用,在土木工程领域将为结构表观缺陷的检测提供一种新的技术支持。而采用双CCD检测系统不但可评定土木工程结构表观缺陷的面内尺寸,还可实现缺陷尺寸的离面深度测量,能够更好地满足工程检测的实际需求。但是目前的双CCD检测系统在操作的过程中智能化程度较低,不能够及时的给出准确的检测评估报告,且操作过程容易受到人为因素的影响,检测数据无法及时有效的保存。
发明内容
本发明为解决公知技术中存在的技术问题而提供一种智能化程度高,外部设备可通过互联网控制的,检测数据能实时存储以及分析处理的一种基于互联网土木工程结构表现缺陷评定双CCD检测系统。
本发明为解决公知技术中存在的技术问题所采取的技术方案是:基于互联网土木工程结构表现缺陷评定双CCD检测系统,包括外部设备、单片机控制器和云端服务器,所述外部设备通过GPRS网络分别与云端服务器和无线射频收发模块连接;所述单片机控制器的输入端分别与第一图像采集模块、第二图像采集模块、第一水平角检测模块、第一俯仰角检测模块、第二水平角检测模块、第二俯仰角检测模块、GPS定位模块和电源模块的输出端电性连接;所述单片机控制器分别与无线射频收发模块、数据存储模块和数据库模块电性连接;所述云端服务器通过GPRS网络与无线射频收发模块连接;所述第一图像采集模块的输入端与第一CCD相机的输出端电性连接;所述第二图像采集模块的输入端与第二CCD相机的输出端电性连接;
所述第一水平角检测模块和第一俯仰角检测模块均设置在第一CCD相机上;
所述第二水平角检测模块和第二俯仰角检测模块均设置在第二CCD相机上;
所述GPS定位模块设置在固定第一CCD相机和第二CCD相机的支架上;
所述外部设备为手机、电脑具有网络连接功能的电子产品。
进一步,所述单片机控制器设置有混合矩阵列向量和跳频频率估算模块,所述混合矩阵列向量和跳频频率估算模块的估算方法包括:
第一步,在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;
第二步,对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;
第三步,对所有求均值并取整,得到源信号个数的估计即
第四步,找出的时刻,用ph表示,对每一段连续取值的ph求中值,用表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;
第五步,根据第二步中估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;
第六步,估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
进一步,所述单片机控制器采用离散函数模型:
式中:u(0)为初始信号,μ为混沌参数,ν为分数阶阶数,n为信号长度,j表示第j步迭代,α(μ,ν,j,n)为离散积分核,u(n)为第n步信号,n和N设置为800,m为1,L,N的整数。
进一步,所述单片机控制器采用分数阶离散微积分的函数模型为:
式中,a为初始点,0<ν<1为分数阶阶数,t=a+1-ν,a+2-ν,...,Δu(s)=u(s+1)-u(s),Γ为伽马函数;
所述经典的Logistic方程定义为:
进一步,所述单片机控制器计算数字调制信号的分数低阶模糊函数按以下进行:
接收信号y(t)表示为:
y(t)=x(t)+n(t);
其中,x(t)为数字调制信号,n(t)为标准SαS分布的脉冲噪声;MASK和MPSK调制,x(t)的解析形式表示为:
其中,N为采样点数,an为发送的信息符号,在MASK信号中,an=0,1,2,…,M-1,M为调制阶数,在MPSK信号中,an=ej2πε/M,ε=0,1,2,…,M-1,g(t)表示矩形成型脉冲,Tb表示符号周期,fc表示载波频率,载波初始相位是在[0,2π]内均匀分布的随机数。
进一步,所述第一图像采集模块和第二图像采集模块信噪比计算模块,所述信噪比计算公式为:均方根误差计算公式:信号泄漏下降沿幅值损失计算公式为:式中x(i)为拟合泄漏音波信号幅值,单位kPa,为滤波后的伪泄漏音波信号幅值,单位kPa,minx(i)为拟合泄漏音波信号下降沿幅值极小值,单位kPa,为滤波后的伪泄漏音波信号下降沿幅值极小值,单位kPa。
本发明提供的基于互联网土木工程结构表现缺陷评定双CCD检测系统,外部设备通过GPRS网络可对单片机控制器直接控制,便于远程操作,云端服务器可对所采集的数据实时的分析保存并给出评估报告,通过GPRS网络可将评估报告传输至外部设备,与传统技术相比,极大地提高了工作效率,且多个检测装置实时检测各部位数据,避免了人为操作失误现象的出现,提高了检测的准确率。
附图说明
图1是本发明实施例提供基于互联网的土木工程结构表现缺陷评定双CCD检测系统结构示意图。
图中:1、外部设备;2、单片机控制器;3、云端服务器;4、GPRS网络;5、无线射频收发模块;6、第一图像采集模块;7、第二图像采集模块;8、第一水平角检测模块;9、第一俯仰角检测模块;10、第二水平角检测模块;11、第二俯仰角检测模块;12、GPS定位模块;13、电源模块;14、数据存储模块;15、数据库模块;16、第一CCD相机;17、第二CCD相机。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合图1对本发明的结构作详细的描述。
本发明实施例提供的基于互联网土木工程结构表现缺陷评定双CCD检测系统包括外部设备、单片机控制器和云端服务器,所述外部设备通过GPRS网络分别与云端服务器和无线射频收发模块连接;所述单片机控制器的输入端分别与第一图像采集模块、第二图像采集模块、第一水平角检测模块、第一俯仰角检测模块、第二水平角检测模块、第二俯仰角检测模块、GPS定位模块和电源模块的输出端电性连接;所述单片机控制器分别与无线射频收发模块、数据存储模块和数据库模块电性连接;所述云端服务器通过GPRS网络与无线射频收发模块连接;所述第一图像采集模块的输入端与第一CCD相机的输出端电性连接;所述第二图像采集模块的输入端与第二CCD相机的输出端电性连接。
进一步,所述第一水平角检测模块和第一俯仰角检测模块均设置在第一CCD相机上。
进一步,所述第二水平角检测模块和第二俯仰角检测模块均设置在第二CCD相机上。
进一步,所述GPS定位模块设置在固定第一CCD相机和第二CCD相机的支架上。
进一步,所述外部设备为手机、电脑等具有网络连接功能的电子产品。
进一步,所述单片机控制器设置有混合矩阵列向量和跳频频率估算模块,所述混合矩阵列向量和跳频频率估算模块的估算方法包括:
第一步,在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;
第二步,对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;
第三步,对所有求均值并取整,得到源信号个数的估计即
第四步,找出的时刻,用ph表示,对每一段连续取值的ph求中值,用表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;
第五步,根据第二步中估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;
第六步,估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
进一步,所述单片机控制器采用离散函数模型:
式中:u(0)为初始信号,μ为混沌参数,ν为分数阶阶数,n为信号长度,j表示第j步迭代,α(μ,ν,j,n)为离散积分核,u(n)为第n步信号,n和N设置为800,m为1,L,N的整数。
进一步,所述单片机控制器采用分数阶离散微积分的函数模型为:
式中,a为初始点,0<ν<1为分数阶阶数,t=a+1-ν,a+2-ν,...,Δu(s)=u(s+1)-u(s),Γ为伽马函数;
所述经典的Logistic方程定义为:
进一步,所述单片机控制器计算数字调制信号的分数低阶模糊函数按以下进行:
接收信号y(t)表示为:
y(t)=x(t)+n(t);
其中,x(t)为数字调制信号,n(t)为标准SαS分布的脉冲噪声;MASK和MPSK调制,x(t)的解析形式表示为:
其中,N为采样点数,an为发送的信息符号,在MASK信号中,an=0,1,2,…,M-1,M为调制阶数,在MPSK信号中,an=ej2πε/M,ε=0,1,2,…,M-1,g(t)表示矩形成型脉冲,Tb表示符号周期,fc表示载波频率,载波初始相位是在[0,2π]内均匀分布的随机数。
进一步,所述第一图像采集模块和第二图像采集模块信噪比计算模块,所述信噪比计算公式为:均方根误差计算公式:信号泄漏下降沿幅值损失计算公式为:式中x(i)为拟合泄漏音波信号幅值,单位kPa,为滤波后的伪泄漏音波信号幅值,单位kPa,minx(i)为拟合泄漏音波信号下降沿幅值极小值,单位kPa,为滤波后的伪泄漏音波信号下降沿幅值极小值,单位kPa。
工作原理:该基于互联网的土木工程结构表现缺陷评定双CCD检测系统,外部设备通过GPRS网络直接控制单片机控制器,第一CCD相机和第二CCD相机拍摄的图像分别经过第一图像采集模块和第二图像采集模块反馈给单片机控制器,且第一水平角检测模块、第一俯仰角检测模块、第二水平角检测模块和第二俯仰角检测模块所检测的数据同步反馈给单片机控制器,单片机控制器通过GPRS网络与云端服务器建立连接,将所采集到的数据传输至云端服务器,云端服务器对采集数据进行分析并存储,并将分析结果通过GPRS网络反馈给外部设备,外部设备可实时的查看检测评估报告,GPS定位模块可对检测系统的工作位置定位并生成记录,整个系统智能化程度较高,避免了人为失误现象的发生,提高了检测的准确率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于互联网土木工程结构表现缺陷评定双CCD检测系统,包括外部设备、单片机控制器和云端服务器,其特征在于:所述外部设备通过GPRS网络分别与云端服务器和无线射频收发模块连接;所述单片机控制器的输入端分别与第一图像采集模块、第二图像采集模块、第一水平角检测模块、第一俯仰角检测模块、第二水平角检测模块、第二俯仰角检测模块、GPS定位模块和电源模块的输出端电性连接;所述单片机控制器分别与无线射频收发模块、数据存储模块和数据库模块电性连接;所述云端服务器通过GPRS网络与无线射频收发模块连接;所述第一图像采集模块的输入端与第一CCD相机的输出端电性连接;所述第二图像采集模块的输入端与第二CCD相机的输出端电性连接;
所述第一水平角检测模块和第一俯仰角检测模块均设置在第一CCD相机上;
所述第二水平角检测模块和第二俯仰角检测模块均设置在第二CCD相机上;
所述GPS定位模块设置在固定第一CCD相机和第二CCD相机的支架上;
所述外部设备为手机、电脑具有网络连接功能的电子产品。
2.如权利要求1所述的基于互联网土木工程结构表现缺陷评定双CCD检测系统,其特征在于,所述单片机控制器设置有混合矩阵列向量和跳频频率估算模块,所述混合矩阵列向量和跳频频率估算模块的估算方法包括:
第一步,在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;
第二步,对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;
第三步,对所有求均值并取整,得到源信号个数的估计即
第四步,找出的时刻,用ph表示,对每一段连续取值的ph求中值,用表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;
第五步,根据第二步中估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;
第六步,估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
3.如权利要求1所述的基于互联网土木工程结构表现缺陷评定双CCD检测系统,其特征在于,所述单片机控制器采用离散函数模型:
式中:u(0)为初始信号,μ为混沌参数,ν为分数阶阶数,n为信号长度,j表示第j步迭代,α(μ,ν,j,n)为离散积分核,u(n)为第n步信号,n和N设置为800,m为1,L,N的整数。
4.如权利要求1所述的基于互联网土木工程结构表现缺陷评定双CCD检测系统,其特征在于,所述单片机控制器采用分数阶离散微积分的函数模型为:
式中,a为初始点,0<ν<1为分数阶阶数,t=a+1-ν,a+2-ν,...,Δu(s)=u(s+1)-u(s),Γ为伽马函数;
所述经典的Logistic方程定义为:
5.如权利要求1所述的基于互联网土木工程结构表现缺陷评定双CCD检测系统,其特征在于,所述单片机控制器计算数字调制信号的分数低阶模糊函数按以下进行:
接收信号y(t)表示为:
y(t)=x(t)+n(t);
其中,x(t)为数字调制信号,n(t)为标准SαS分布的脉冲噪声;MASK和MPSK调制,x(t)的解析形式表示为:
其中,N为采样点数,an为发送的信息符号,在MASK信号中,an=0,1,2,…,M-1,M为调制阶数,在MPSK信号中,an=ej2πε/M,ε=0,1,2,…,M-1,g(t)表示矩形成型脉冲,Tb表示符号周期,fc表示载波频率,载波初始相位是在[0,2π]内均匀分布的随机数。
6.如权利要求1所述的基于互联网土木工程结构表现缺陷评定双CCD检测系统,其特征在于,所述第一图像采集模块和第二图像采集模块信噪比计算模块,所述信噪比计算公式为:均方根误差计算公式:信号泄漏下降沿幅值损失计算公式为:式中x(i)为拟合泄漏音波信号幅值,单位kPa,为滤波后的伪泄漏音波信号幅值,单位kPa,minx(i)为拟合泄漏音波信号下降沿幅值极小值,单位kPa,为滤波后的伪泄漏音波信号下降沿幅值极小值,单位kPa。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710100209.9A CN106841215A (zh) | 2017-02-23 | 2017-02-23 | 基于互联网土木工程结构表现缺陷评定双ccd检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710100209.9A CN106841215A (zh) | 2017-02-23 | 2017-02-23 | 基于互联网土木工程结构表现缺陷评定双ccd检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106841215A true CN106841215A (zh) | 2017-06-13 |
Family
ID=59134880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710100209.9A Pending CN106841215A (zh) | 2017-02-23 | 2017-02-23 | 基于互联网土木工程结构表现缺陷评定双ccd检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106841215A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113358020A (zh) * | 2020-03-05 | 2021-09-07 | 青岛海尔工业智能研究院有限公司 | 一种机器视觉检测系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183524A (zh) * | 2011-01-10 | 2011-09-14 | 哈尔滨工业大学 | 用于土木工程结构表观缺陷评定的双ccd检测方法及系统 |
CN103644460A (zh) * | 2013-10-09 | 2014-03-19 | 中国石油大学(华东) | 一种输气管线泄漏音波信号的滤波优选方法 |
CN105512856A (zh) * | 2015-11-27 | 2016-04-20 | 清华大学 | 基于微信的大型土木工程施工安全隐患管理方法及系统 |
CN105554163A (zh) * | 2016-02-01 | 2016-05-04 | 武汉楚云端信息科技有限责任公司 | 一种基于云计算的远程监测系统及远程监测方法 |
CN106291751A (zh) * | 2016-09-18 | 2017-01-04 | 王光栋 | 一种地质建造的检测系统 |
CN106291733A (zh) * | 2016-07-15 | 2017-01-04 | 西南石油大学 | 一种便携式石油检测器 |
CN106371627A (zh) * | 2016-08-26 | 2017-02-01 | 郭曼 | 一种测量绘画板位置信息的控制系统 |
CN106389056A (zh) * | 2016-12-21 | 2017-02-15 | 邢台医学高等专科学校 | 一种神经内科病人用头部理疗系统 |
-
2017
- 2017-02-23 CN CN201710100209.9A patent/CN106841215A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183524A (zh) * | 2011-01-10 | 2011-09-14 | 哈尔滨工业大学 | 用于土木工程结构表观缺陷评定的双ccd检测方法及系统 |
CN103644460A (zh) * | 2013-10-09 | 2014-03-19 | 中国石油大学(华东) | 一种输气管线泄漏音波信号的滤波优选方法 |
CN105512856A (zh) * | 2015-11-27 | 2016-04-20 | 清华大学 | 基于微信的大型土木工程施工安全隐患管理方法及系统 |
CN105554163A (zh) * | 2016-02-01 | 2016-05-04 | 武汉楚云端信息科技有限责任公司 | 一种基于云计算的远程监测系统及远程监测方法 |
CN106291733A (zh) * | 2016-07-15 | 2017-01-04 | 西南石油大学 | 一种便携式石油检测器 |
CN106371627A (zh) * | 2016-08-26 | 2017-02-01 | 郭曼 | 一种测量绘画板位置信息的控制系统 |
CN106291751A (zh) * | 2016-09-18 | 2017-01-04 | 王光栋 | 一种地质建造的检测系统 |
CN106389056A (zh) * | 2016-12-21 | 2017-02-15 | 邢台医学高等专科学校 | 一种神经内科病人用头部理疗系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113358020A (zh) * | 2020-03-05 | 2021-09-07 | 青岛海尔工业智能研究院有限公司 | 一种机器视觉检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109444813B (zh) | 一种基于bp和dnn双神经网络的rfid室内定位方法 | |
CN103945332B (zh) | 一种接收信号强度和多径信息联合神经网络室内定位方法 | |
CN101561081A (zh) | 应用自主导航机器人对油气管道泄漏的检测定位方法 | |
CN107360549A (zh) | 一种基于蓝牙5的室内定位导航方法 | |
CN105466453A (zh) | 一种导航设备在线监测系统及方法 | |
CN106793082A (zh) | 一种在wlan/蓝牙异构网络环境中的移动设备定位方法 | |
CN103596267A (zh) | 一种基于欧氏距离的指纹图匹配方法 | |
CN102680825A (zh) | 系统级电磁兼容故障诊断中的干扰源辨识方法 | |
CN105093196B (zh) | 基于逆伽马纹理复合高斯模型下的相干检测方法 | |
CN106546979B (zh) | 一种基于多天线数据融合的超宽谱雷达式人体呼吸增强探测方法 | |
CN109640269A (zh) | 基于csi与时域融合算法的指纹定位方法 | |
CN102209379B (zh) | 基于rssi的无线传感器网络节点定位方法 | |
CN106970379A (zh) | 基于泰勒级数展开对室内目标的测距定位方法 | |
CN104848901A (zh) | 一种墒情实时监测和预测系统及其检测方法 | |
CN105954741A (zh) | 一种基于多假设拟蒙特卡罗的多目标无源协同定位方法 | |
CN107656180A (zh) | 一种局部放电智能传感器检测方法 | |
CN105866852A (zh) | 一种基于相关性检测的远参考大地电磁阻抗计算方法 | |
CN106597381A (zh) | 全相参全极化mimo雷达四通道融合目标检测方法 | |
CN106959432A (zh) | 一种基于小波分解低频系数的海上作业平台人员定位方法 | |
CN105160359A (zh) | 一种基于超声导波的复杂结构损伤协同识别方法 | |
CN113702719A (zh) | 一种基于神经网络的宽带近场电磁定位方法及装置 | |
CN107642355B (zh) | 基于超声波发射法的水力压裂裂缝监测系统及方法 | |
CN105866732A (zh) | 一种改进mk模型和wknn算法相结合的混合室内定位方法 | |
CN106841215A (zh) | 基于互联网土木工程结构表现缺陷评定双ccd检测系统 | |
CN106143536A (zh) | 列车接近报警触发装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170613 |
|
RJ01 | Rejection of invention patent application after publication |