论激光传感器数据的传输方式.doc

论激光传感器数据的传输方式 异常数据处理方法研究 1异常数据处理概述 1.1研究背景 近年来，随着海上风力发电技术的日益成熟和陆上风电可开发资源的不断减少，海上风电尤其是近海风电的开发开始加速。风机是海上风电开发的主要形式，而风机基础结构承担着抵抗海上风机结构的竖向、水平荷载和倾覆力矩的作用，其质量关系到海上风机结构的运行安全。作为隐蔽工程，其健康状况受到了社会各界的高度重视，如何对风机基础特别是MW级风机基础的安全运行状况监测成为研究领域的热点。现有的监测技术需要通过设置在风机基础中的数据采集系统自动获取基础的各状态的大量参数，如应力、应变、振动、变形等，采集到的海量原始数据通过通信网络传输到监控中心，经过数据存储，分析处理得到基础的安全运行状况和维修决策等结论。 风机基础监测系统是集结构监测、系统识别及结构评估于一体的综合监测系统，其内容包括几何变形监测、结构响应（应力、应变及振动）监测等。监测系统的质量主要取决于三方面因素:(1)传感器的灵敏性和精度以及数据传输和采集设备的性能；(2)测点的空间分布，即传感器的最优布置问题；(3)异常数据的分析处理。 从目前电子技术的发展来看，成熟、稳定、高性能的传感器已经被应用与监测系统中，而且合理安排传感器位置，以达到信息采集的最优化，也已经有很多研究成果。但由于监测信息格式复杂、信息量大，每天数据量甚至能达到十几GB，如果不能有效地对这些数据进行处理，很多异常数据将不能有效辨识，缺失信息将不能有效弥补，而且监测数据的分析必须建立在准确有效的监测数据之上，低精度和异常的监测数据常常影响数值分析的结果，会影响到系统的功能与特性分析，给后续数据处理带来很大的误差，正常信息不能得到有效利用，故有必要对原始采集数据进行处理。因此监测异常数据处理是三方面中至关重要的一点。 监测系统异常数据处理包含两个方面的内容：(1)异常数据检测，即找出异常信息并确定异常信息所在位置，根据需要将异常数据保存入专门数据库中或直接进行剔除；(2)异常数据修正，即通过插值等方法，参考数据异常点前后的数据，完成该异常数据点的修正，确保采集信息不缺失，保持原始采集数据的连续性。 异常是一个复杂的概念，迄今为止还没有一个统一定义。Hawkins提出的异常定义被大多数人所接受，其定义为：异常是在数据集中与众不同的数据，使人们怀疑这些数据并非随机产生的，而是产生于完全不同的机制。异常数据往往代 表一种偏差或者新模式的开始，因此对异常数据的识别有时会比正常数据更有价值。传感器异常数据是指在数据集中与大部分数据不一致或者偏离正常行为模式的数据。异常数据的产生主要是因为以下几种情况而发生的：(1)数据中的异常，这类异常中可能隐藏着重要的知识或规律。对这类异常分析可以获取常规数据不能得到的新的信息，如基础结构损坏等；(2)数据固有变化异常，这类异常通常是自然发生的，如风速的变化、波浪波动等；(3)数据测量误差，这类异常的产生往往是因为测量仪器故障或者网络传输错误，以及噪音的存在引起的，这类异常通常作为噪声而被删除。 与其他工程相比，风机基础安全状况监测发展较为滞后，尚未发现关于风机基础监测数据处理的相关研究成果，其监测异常数据的处理缺乏相应的经验。可以借鉴类似工程监测数据处理的方法进行研究。而针对监测数据的种类多、数据海量、频幅分布广等特点，国内学者已经研究了很多处理办法。其中研究较多的如小波分析、数据挖掘、数据流理论等。然而，目前的类似工程监测数据处理的方法主要是在离线数据的基础上，在实时监控上还缺乏相应的准确率和智能化。 结合风机基础特点，寻找一种有效的适用于风机基础监测实时数据处理的方法具有十分重要的研究意义和实用价值。 1.2国内外研究现状综述 在国外，研究人员通过对异常挖掘的深入研究，根据对异常存在形式的不同假设，提出了许多异常数据检测算法。早期的异常数据检测方法是基于统计的方法，这种方法依赖于数据集服从某种标准分布，所以异常数据是基于概率分布来定义的，如Yamanishi等人将正常行为用一个高斯混合模型来进行描述，通过计算数据对象与这个模型的偏离程度来发现异常。虽然这种基于标准分布的模型，能识别异常现象，但此类方法有很大的局限性，因为往往无法预知数据集是服从哪类标准分布。为了克服这种缺陷，JamesP.R、DanielB.等在概率论H假设检验方法的理论基础上，提出了一种基于某置信度区间标准的异常检测方法，达到这个标准的则为正常数据，反之则为异常。 Knorr等人于1998年提出了基于距离的异常数据检测算法，他们认为数据是高维空间中的点，异常数据被定义为数据集中与大多数点之间的距离大于某个事先设定的阈值的数据。F.Abgiulli和C.Pizzuti等学者针对基于距离的异常数据挖掘算法在高维数据中计算时间较长的缺点，将图论中的连通性原理引入到数据之间距离的计算上，极大地降低了计算时间复杂度。 Arning等人提出了基于偏离的方法，这种方法认为：某个数据对象在数据集中的特征明显“偏离”数据集中的其它数据时，这样的数据被认为是异常数据。BirantD等提出了一种任意形状的聚类算法并将其应用于异常挖掘中，该算法可以依据数据的非空间属性、空间属性和时态属性来发现聚类簇和异常数据对象。 Breuning等学者定义了局部异常因子的概念，提出了一种基于密度的局部异常点挖掘算法，它是用局部异常因子LOF(LocalOutlierFactor)表征数据对象与它的邻居对象的偏离程度，LOF越大则认为该点是异常数据的可能性越大。ToWel等人在分析神经网络的基础上，根据神经网络的理论提出了基于神经网络的异常数据挖掘算法。 最近提出的比较流行的异常数据挖掘算法是基于核的分类方法，主要思想是将输入的数据通过关系函数映射到一个高维特征空间，通过高维空间的分类超平面，就可以建立一个简单的分类模型，从而区分正常或异常数据。 国内对异常数据挖掘的研究起步较晚，但是近年来在理论研究方面已经取得了许多研究成果。林士敏对基于距离的异常数据挖掘算法作了改进，提出了基于抽样的近似检测算法；金义富等在Knorr观点的基础上，提出了一种异常约简算法ORDA，该算法以粗糙集理论的属性约简技术为基础，提出了异常数据划分和异常约简思想，以及异常数据关键属性域子空间的分析方法，这种方法可以对挖掘出的异常数据进行有效的分析和解释；重庆大学的邓玉洁，朱庆生提出了基于聚类的异常数据挖掘方法，该方法将离群数据在分类讨论的基础上，定义了平凡离群数据、非平凡离群数据以及噪声数据，然后引入离群属性和离群聚类簇的概念，在此基础上，以现有的异常数据挖掘技术为基础，实现了离群数据的发现。田江在一类支持向量机的基础上，设计了一种“孤立点类支持向量机”算法，该算法是一种无监督的异常数据检测算法，通过设定不同的权值，将基于超平面距离定义的异常数据的异常程度和基于概率大小定义的异常程度相结合，通过在特征空间划分距离可疑异常数据的最大间隔超平面来发现异常。 综上所述，国内外针对异常数据产生的原因以及应用领域的不同提出了许多异常数据检测算法。大量研究发现，基于密度的局部异常数据挖掘算法能够发现其它的异常数据挖掘算法不能发现的异常，即“局部”异常，它更加符合Hawkins对异常数据的定义。Breunig等人提出了局部异常因子(LocalOutlierFactor，LOF)的概念，通过它来表征一个数据对象的局部异常程度，LOF算法出现后，出现了很多局部异常程度的度量算法。这些算法适用于静态环境下的数据库，但在工程应用领域，大部分数据库中的数据是随时间动态增加的，新增加的数据可能会影响某些对象的局部异常程度，因此在二次挖掘时，需重新计算所有数据对象的局部异常因子，计算时间复杂度较高，所以这些算法在动态环境中不易实现。因此，如何在动态环境中提高基于密度的异常数据挖掘算法的时间效率避免大量的重复计算显得尤为重要。 1.3研究目的和意义 本项研究的目的在于结合风机基础特点，在传统异常数据处理方法基础上，研究一种有效的适用于风机基础监测实时数据处理的方法，该方法能够在线辨识 异常监测数据并保存，且能够自动修复原数据集，保持器连续性。 本研究的意义在于： (1)实现异常数据在线检测与修正。目前的监测数据处理方法主要是在离线数据的基础上，在实时监控上还缺乏相应的准确率和智能化。本研究实现了异常数据在线检测与修正，与传统的异常数据识别方法相比，具有更快的计算时间和更高的还原精度，能够满足数据的在线异常检测与修正要求 (2)实时发现异常状况并采取必要处理措施。对于实时检测出的异常数据进行分析，寻找异常事件原因，并根据产生原因采取应有的处理方式。对于传感器故障或执行错误导致数据异常情况，应进行剔除处理；有些异常数据是数据变异产生的结果，如对于基础结构监测，发生异常工况或结构损坏在一段时间往往会出现前兆，导致数据异常，如果能够及时捕捉到异常状况的发生并采取相应措施，则能防患于未然，保证结构安全。 (3)提高和完善监测结果准确性，为后续研究奠定基础。监测结果的准确性建立在高质量的监测数据之上，如果不能有效地辨识与处理异常数据，低精度和异常的监测数据混入正常数据集中，会对监测系统的功能与特性分析产生重大影响，给后续数据处理带来很大的误差，正常数据信息不能有效用于后续的相关研究，利用数据研究得到的结论与实际可能存在较大误差。 1.4主要研究内容 本研究主要包括以下3部分内容： (1)对常用异常数据检测与修正方法简要介绍，介绍了常用的数据预处理技术及异常数据检测问题的重要特征，对常用异常数据检测及修正算法进行了描述和讨论，分析了各种算法的优缺点和适用场景。 (2)几种典型改进算法及其工程应用实例进行分析，。 (3)风机基础监测异常数据的检测和修正。 2异常数据检测与修正方法 异常数据检测问题通常包括四个过程：第一是数据的预处理，即通过数字滤波方法去除一些干扰；第二是异常数据的定义，即在数据集中表现出怎样的行为或者模式的数据称为异常数据；第三是选择合适的能够有效发现异常数据的算法，异常数据表现行为不同，异常数据挖掘算法结果也会有所差异；第四是异常数据的修正，即通过异常挖掘将异常数据挖掘出来后，对这部分数据按照原有模式规则进行修正，确保采集信息不缺失，保持采集数据时间序列上的连续性。本章介绍了常用的数据预处理技术及异常数据检测问题的重要特征，对常用异常数据检测及修正算法进行了描述和讨论，分析了各种算法的优缺点和适用场景。 2.1数据预处理技术 数据是通过各种类型的监测传感器获取的，数据是一种通过间接方法取得事 物状态的技术，如将结构相应等参数通过一定的转换技术转变为电信号，然后再将电信号转换为数字化的数据。由于传感器安装环境的不稳定和数据转换过程掺杂少量的噪声数据等各方面因素的影响，得到的数据会受到一定干扰，影响了最终数据的准确性。为了减小噪声对数据结果的影响，除了采用更加科学的采样技术外，还需要采用一些必要的技术手段对原始数据进行、统计，数字滤波技术是最基本的处理方法，它可以消弱数据中的噪声，提高数据的代表性。 均值滤波是最常用的数字滤波方法，是对采样序列中的数据求和后，再取其平均值作为结果。虽然这种方法可以达到滤波的目的，但是如果采样数据中的噪声数据过大或过小，都会对处理结果产生影响。中值滤波是对采样序列按大小排序形成有序列，取有序列的中间值作为结果。排序算法一般采用“冒泡排序法”或“快速排序法”等。众数是数理统计中常用的一种数据处理办法，它要求对大量的数据进行处理，众数滤波的原理是在采样序列中找出最大值Tmax和最小值Tmin，再在区间上平均分为m组（5-10组），确定完分组后，对序列统计各组区间内数据的个数，形成统计序列，查找其最大的值即众数组序号k，根据相应公式计算众数的近似值。以前由于计算机的采样速度和计算机速度较慢，处理周期较长，所以一直没有采用，随着计算机运算速度的提高及高速采集模块的采用，现在处理周期已缩短到1秒以内，由于众数滤波的数据代表性较其它处理方法更强，所以逐步被采用。 为了提高滤波的效果，尽量减少噪声数据对结果的影响，可将两种或两种以上的滤波算法结合在一起使用。如对于采集的数据量比较大的环境参数，为了达到更好的滤波效果，可以选用众数滤波和均值滤波结合的复合滤波方法。 2.2异常数据问题的重要特征 异常数据问题的重要特征可以概括为四个方面，即数据特性、异常类型、数据标签和输出类型。 (l)数据特性 异常检测算法的输入一般是数据实例的集合。每个数据实例用一个或若干个属性及其取值来描述，每个属性的取值可能为二进制、分类或连续变量的形式。属性的表示方式不同，适用的异常检测算法也不同。例如，如果使用统计学的技术检测异常，分类和连续取值的数据需要使用不同的统计模型。按数据实例之间的关系，数据可以分为顺序数据和空间数据。顺序数据的数据实例之间有一定的先后次序，其典型实例包括时间序列数据、基因组序列和蛋白质序列等。空间数据的各个数据实例之间有一定的相对位置关系。数据实例之间的关系对异常检测算法的设计有重要影响。 (2)异常类型 数据异常可以分为三类:点异常、上下文异常和集合异常。如果某个单个的 分布式信源编码的研究、应用及实现摘要： 无线传感器网络是一种全新的信息获取和处理技术。与其他的无线网络相比，无线传感器网络中传感器节点的能量有限而且不能够实时更新。因此传感节点的信息处理能力和无线通信的容量都受到了很大的影响。为了克服这些限制，需要设计能耗较低的通信协议和算法，其中，在编码时采用分布式信源编(DistributedSourceCoding，DSC)技术就是一种有效地解决方法。分布式信源编码利用多个信源之间的相关性，进行独立编码减少传送的信息速率，并通过联合译码提高信息传输的整体有效性。DSC技术的作为无线传感器数据传送中的关键技术，对于其的研究也越来越成熟，而对DSC的应用也扩展到了无线摄像机网络等领域，成为了一种具有高效压缩性和优秀译码性能的信源编码。本文对分布式信源编码技术从理论到实现再到应用进行了重点研究。本文从以下几个方面对DSC进行了研究：首先介绍了分布式信源编码的理论基础S1印ianWolf编码定理和Wyner-Ziv定理，从理论上说明了DSC的可行性；其次，分别说明了两种DSC的实现方式，即基于校验子(Syndrome)的实现方式和基于校验位(Parity)的实现方式，详细地举例阐述了两种方式的实现方法和仿真测试结果；最后，文章还重点从平行多视角视频系统出发，说明分布式信源编码在无线摄像机网络这一领域的应用，在此，本文还引入了视差补偿和平行视差搜索技术，对基于不同建模方式的平行视差搜索方式进行了研究，找出了搜索质量和计算复杂度最优折中的视差搜索方式，并将此搜索方式应用于基于DSC的分布式视频系统PRISM中去以实现平行多视角视频系统。文章最后还对这一系统进行了仿真对比，对比结果表明，引入了平行视差搜索的平行多视角视频系统能更好地重建视频序列，同时，分布式信源编码在无线摄像机网络的应用效果得到验证。 关键词：无线传感器网络，分布式信源编码，分布式联合信源信道编码，视差搜索，多视角视频系统，PRISM。 一、课题研究的背景及意义 1.1、课题背景 近年来，无线传感器网络(wsN：WirelessSensorNetwork)引起人们的广泛关注和研究，在军事、环境以及医疗等领域都得到了很好的利用fI】。无线传感器网络是一种新型的无线网络，它能够实时地感知，获取所部署区域的信息，并把这些信息进行处理和传送到指定目的，具有十分广阔的应用前景。与其他的能够提供持续能量的无线网络相比，WSN中传感器节点的能量有限，且无法实时获得能量补充。这使得传感器节点的信息处理和传输能力受到了很大的限制。为了克服这些限制需要设计低能耗的通信协议和算法。在编码过程中采用分布式信源编码(DSC：DistributedSourceCoding)为此提供了解决的办法。 1.2、课题的意义 在信息极度膨胀的当今世界，如何才能实现将信息无损地传输，如何才能将数据量极大的信息有效地传输，已经成为人们关注的问题，前者是对于信息的可靠性而言的，后者则是针对信息的有效性而言。以图像视频的处理和传输和信息采集技术为代表的信息处理传输技术，无论对于信息的有效性和可靠性的都有很高的要求。随着人们对于图像处理和信息采集关注度越来越高，新的编码技术以及对原有技术的进一步研究都有较快的发展，其中分布式信源编码就是应用前景最广泛的一种。 在图像处理方面，由于人们对图像的质量和传输都有很高的要求，主要表现在既要求质量尽可能高，又要求传输尽可能快。而传输的速度和图像的数据流大小关系十分密切，要想快速传输，在对图像的编码上就必须要用尽可能少的比特编码，使得图像压缩率尽可能高。而这一要求又恰恰与质量的要求相悖，根据信息论的原理，图像的质量越高，所需要的信息量就会越大，于是存储或传输所需的信息量越大。为了能在图像的质量和传输速度中找到一种最好的折中，就是信源编码的主要目的。分布式信源编码拥有信源编码的传输速度快，压缩率高等优点，同时由于译码端强大的计算能力，使得在译码端能准确地还原信源，保证信息传输的质量。 二、什么是信源编码 信源：指信息发生的。对通信系统而言，信源就是向其提供信息的人或机器。信源本身十分复杂，在通信中我们所关注的是信源输出后的信息的类型及其所包含的信息量。信源编码也称数据压缩，它是将信源输出信号有效地映射成 符号序列的过程，提高了信息传输的有效性，可进一步分为音频编码和视频编码。任意给定的信源都有一个表征其不确定性的称之为熵的量，它是无失真数据压缩的下限。信源编码定理指出：在允许一定的失真情况下，存在最小数量的比特描述独立分布的信源输出。模拟信号数字化后还不宜直接进行传输和存贮，在传输和存贮前要进行各种处理，这些处理包括为了提高传输效率的信源编码和为了提高信息传输可靠性的信道编码。信源编码的目的是进行数码率压缩，我国采用国际通用的MPEG-2视频、音频数码率压缩标准。 三、分布式信源编码 与其他的能够提供持续能量的无线网络相比，WSN中传感器节点的能量有限，且无法实时获得能量补充。这使得传感器节点的信息处理和传输能力受到了很大的限制。为了克服这些限制需要设计低能耗的通信协议和算法。在WSN这种特定环境中，基于以上的需求，分布式信源编码能够提供一种解决的途径，根据DSC的原理，其需要对多个相关的传感器输出进行编码压缩，但这些传感器并不需要通信。这些传感器发送编码压缩后的信息到Sink节点(类似簇头节点)进行联合译码。DSC的以下两个特点使之可以匹配传感器节点的能量要求：1)低能耗和低复杂度的编码器，这能够延长无线传感器节点的生存期；2)有效的高压缩率，因为数据的传送速率直接影响到节点的能量消耗。下面将以无线视频传感器网络为例说明无线传感器网络的特点：考虑一个无线视频传感器网络，其由多个视频传感器节点集群组成，每个集群除了有普通传感器节点之外，还有一个汇聚节点，同时有一个用于监控应用的基站节点。视频传感器节点用于获取并处理数据；汇聚节点将传送上来的数据进行融合并传送到外部网络。为了保证这种网络能够在长时间里无人操作地正常运行，视频传感器节点和汇聚节点需要严格限制它们的功耗，这样就导致了严重的系统限制。与此同时，传统的视频处理机制都是建立在已经诸如H264等成熟的视频编码标准之上，而这些编码标准具有高的算法复杂度，而且绝大部分的计算都集中在编码器(即传感器节点)中处理，并不适合在传感器节点中使用。由上文可知，在WSN严格的功耗限制的基础上，需要一种在编码端具有低复杂度，而在解码端能正确译码的编码算法。而DSC支持多对一的视频编码范例，这样相对于传统的一对多视频编码，有效的交换了编码器和解码器复杂度，在这种范例下，每个传感器节点用于编码的编码器的设 计尽量简单以及灵活，而在具有连续能量供给的基站节点上则需要配备一个译码能力和计算能力强大的译码器。此外，每个视频传感器节点都能够独立于它的邻居进行操作；因此，在一个视频传感器节点不需要一个接收器进行视频处理，这使得系统节省了实际的硬件成本和通信(例如接收器)能量。 四、信源编码技术在广播电视信号数字化中的应用 各种数字信号需要利用信道来传输，对于任何一种信道，都有一定的容量。数字信道的容量是指单位时间所能传送的最大数据量或比特数。为了实现实时传输，必须使信道的容量超过被传送数字信号的数码率，即满足信道容量与信号数码率相匹配，否则就会丢失信息。然而视频信号数字化数码率太高，要实现实时传输，需要很大的信道容量，按4：2：2标准进行分量编码时，当抽样频率Z=135MHz、两个色差信号的抽样频率Z=675MHz、采用8bit量化时，亮度信号的数码率为：R。=1358=108Mbs两个色差信号的数码率为：R，=67582=108Mbs视频信号的总数码率为两者之和：108+108=216btbs，可见数码率是很大的。传输信道的容量还与所采用的调制方法的传输效率有关。以我们大家熟悉的卫星传输系统为例，采用QPSK调制方法的传输信道每1Hz带宽能传输的最高码率是2bits，可见用这种调制方法来传输数字视频信号时，需要2162=108(MHz)的带宽。从通信系统的观点来看，数字信号的传输方式是以带宽为代价换取高的传输质量。如高清晰度电视要求的信道带宽更宽，如果不经压缩编码处理，现有的频率资源仅能传输几套标清电视节目。为了提高传输效率，一般不是直接传输数字化后的信源信号，而是对数字化后的信源信号先进行压缩编码，即信源编码，然后再传输。视频信号的信源编码是在保证所要求的图像质量前提下，设法压缩所必须的传输码率，以达到节省传输带宽的目的。所以必须对图像进行压缩编码处理才能充分利用频率资源。 视频信号的数码率压缩的机理两个方面：一方面是图像信号中存在大量冗余度可供压缩，如空间相关冗余、时间相关冗余、结构相关冗余等。这些冗余度在编码后还可无失真地恢复。另一方面可以利用人的视觉特性，在不被主观视觉察觉的容限内，通过减少表示信号的精度，以一定的客观失真换取数据的压缩。图像编码是将需要传输的图像按一定的算法进行编码处理，去除冗余部分用尽量低的速率传输尽量高质量的图像。图像压缩编码方法，常用的有以下几类：预测 编码、变换编码、统计编码、量化编码。(1)预测编码：根据会议电视所摄取的人物的活动量很小的特点，每幅图像内容相差不大，或者说某幅图像(帧)与它前面的一幅图像(帧)相关性能很强。利用这个相关性，首先把一幅完整内容的图像传到对方，以后的每幅画面就只需把不同的内容传过去。一幅图像是由许多像素点组成的这些像素点包含了色度及色差信号。从易于编码的角度考虑，把每幅画面分成许多小方块，每个块由16像素16像素点亮度块和8像素8像素点的色差块组成，将它称为“宏块”MB(MacroBlock)。若将画面变动部分内容传到对方，那么，在前一帧图像中与当前帧的“宏块”所对应的位置附近，找到一个与当前“宏块”的亮度块最近的“宏块”，并作为当前“宏块”的预测值，然后将当前的画面内宏观与最佳预测块相减，得到一个误差，仅对差块进行编码即可。这种方式的目的在于消除图像信号的空间相关冗余(帧内预测)和时间相关冗余(帧间预测)，消除图像的统计相关冗余。(2)变换编码：这是利用图像在空间分布上的规律性来消除图像冗余的另一种编码方式。把图像的光信号空间矩阵变换到系数空间矩阵上进行处理。在空间上具有很强相关性的信号，反映在变换域上则表现为某些特定区域内能量很集中，或者系数矩阵具有某种规律性。这就把时域相关信号的传送，变成了变换域上有限个系数量化比特数的传送，达到压缩码率的目的。(3)统计编码：也叫熵编码。根据信息的概率分配码字，概率大的用短的码字，概率小的用长的码字，即采用变字长编码，使总的平均码长要比用固定码长编码的短很多。视频信号的概率密度分布是不均匀的，因此统计编码实际上是建立在图像的统计特征基础之上的压缩编码，统计编码包括哈夫曼(Huffman)编码、游程编码、基于字典的编码、算术编码。哈夫曼编码是可变字长的统计编码，编码效率高，应用也最广泛。MPEG-2中就应用哈夫曼编码。其贡献是在信息表示方面大大减少了冗余度，即减少了传输的信息量，它是一种无损压缩。(4)量化编码：这里的量化编码是指在模数转换之后进行的数字的映射变换。它与模数转换过程中的“量化”是不同的两个概念。根据工作特性的不同，又分为自适应量化编码和矢量量化编码等。目前针对不同的图像类型主要有下列3类图像编码标准。(1)静止图像压缩编码标准(JointPhotographicExpertsGroup，觚G)JPEG是适用于彩色和单色多灰度或连续色调静止数字图像标准。基本JPEG算法先将图形分割成88的二维块，再以块为单位采用离散余弦变换(DCT)进行无损压缩， 装 订 线 河北大学工商学院本科生毕业论文（设计）题目：学部信息科学与工程学部 学科门类工学 专业电气工程及自动化 学号 姓名 指导教师 xx年5月16日 基于激光传感器的智能车循迹系统 摘要 智能汽车是未来汽车发展的趋势，它体现了自动控制、人工智能、传感技术、机械技术、计算机技术等多个学科领域理论技术的交叉和综合。本文介绍了基于激光传感器的智能车循迹系统的设计过程及主要的控制算法。智能车控制系统的基本要求是在稳定性的基础上使其获得较快的速度。而智能车系统的方向控制及速度控制的配合控制是一个至关重要的因素。智能车软件设计是用Freescale公司的Codewarrior软件作为软件开发和仿真下载的平台。通过激光传感器进行赛道信息的采集，利用小车携带的单片机对信息进行处理，得到小车与中心引导线的误差数据，通过PID控制算法，得到小车舵机的偏转角度和电机转速控制参数，用来控制小车完成对中心线的跟踪。智能车硬件系统以MC9S12XS128单片机作为主控制器，采用15只激光管和5只接收管作为信号采集传感器。电机驱动采取H桥驱动电路，并用欧姆龙500线编码器进行了速度采集。 关键词：激光传感器；MC9S12XS128单片机；PID；智能车；飞思卡尔 TheIntelligentCarTrackingSystemBasedonLaserSensor ABSTRACT Smartcarsarethefuturetrendsinvehicledevelopment,Itembodiestheautomaticcontrol,artificialIntelligence,sensingtechnology,mechanicaltechnology,putertechnologyandothertechnicaldisciplinestheoryandintegratedcross.Thisarticledescribesthedesignprocessbasedonlaserdetectionofintelligentvehiclesystemsandmaincontrolalgorithmsofthesystems.Intelligentvehiclecontrolsystemisthebasicrequirementinthestabilityonthebasisofwhichhasbetterrapidity.While