基于DFT的信号识别系统 本文关键词：识别系统，信号，DFT
基于DFT的信号识别系统 本文简介：基于DFT的信号识别系统一、实验目的（1）通过实验巩固离散傅立叶变换DFT的认识和理解。（2）熟练掌握应用DFT进行频谱分析的方法。（3）理解DFT离散频谱分析的应用价值。二、实验内容在语音识别、雷达信号处理、生物医学信号检测与识别等应用领域广泛使用基于离散傅立叶变换的谱分析技术。一个典型的信号识别
基于DFT的信号识别系统 本文内容：
基于DFT的信号识别系统
一、实验目的
（1）
通过实验巩固离散傅立叶变换DFT的认识和理解。
（2）
熟练掌握应用DFT进行频谱分析的方法。
（3）
理解DFT离散频谱分析的应用价值。
二、实验内容
在语音识别、雷达信号处理、生物医学信号检测与识别等应用领域广泛使用基于离散傅立叶变换的谱分析技术。一个典型的信号识别系统如图：
短时窗
DFT
峰值检测
分类器
x(n)
y(n)
设系统的输入信号x(n)是具有单一频谱峰值的正弦信号，短时矩形窗将信号截短为有限长，经过DFT变换得到频谱，频率检测器检测频谱最大峰值的位置，即对应的频率，然后由分类器识别信号的类别。分类器的分类判决规则为：
第一类：最大峰值频率分布范围（Hz）为0≤f≤200。
第二类：最大峰值频率分布范围（Hz）为200≤f≤500。
第三类：最大峰值频率分布范围（Hz）为500≤f≤1000。
第四类：最大峰值频率分布范围（Hz）为f≥1000。
设采样频率fs=10000Hz，短时矩形窗宽度为N=1000，短时加窗信号经过DFT可以得到连续频谱在0≤ω＜2范围内的1000个取样点。
（1）编程实现该系统
（2）输入信号x（n）=1.2sin(0.08πn)，理论计算并画出0≤f≤fs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。
（3）输入信号x（n）=1.5+3cos(0.5πn)，理论计算并画出0≤f≤fs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。
（4）输入信号x（n）=0.7sin(0.14πn)，理论计算并画出0≤f≤fs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。
（5）输入信号x（n）=1.2cos(0.5πn)+
9.5sin(0.02πn)，理论计算并画出0≤f≤fs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。
（6）输入信号x（n）=cos(0.102πn)，理论计算并画出0≤f≤fs范围的幅度谱，标出峰值频率，观察系统的实际识别结果，分析其正确性。
三、实验分析
设x(n)是长度为N的有限长信号（注意这个前提），即信号仅仅分布在[0,N-1]区间，其余时间均为0，那么，该信号的离散傅立叶变换定义如下：
，
k=0~N-1
f与k的关系为：
四、实验调试及结果：
（1）MATLAB
程序如下：
function
FS=dft1(A,a,B,b,C)
fs=10000;
N=1000;
n=0:(N-1);
x=A*cos(a*pi*n)+B*sin(b*pi*n)+C;
y=x;
s=0;
FS=[0,0,0];
for
k=1:N
y(k)=0;
n=1;
while(n y(k)=x(n)*exp(-j*2*pi*(k-1)*(n-1)/N)+y(k); n=n+1; end if s<=abs(y(k)) s=abs(y(k)); m=k-1; end end f=fs*m/N; FS=[m,f,s]; k=0:N-1; plot(k,abs(y)); end (2) X(n)=1.2sin(0.08πn) 点：40 频率：400 幅值600 属于第2类 (3) (3) X(n)= 1.5+3cos(0.5πn) 点：0 频率：0 幅值1500 属于第1类 (4) x(n)=0.7sin(0.14πn) 点：70 频率：700 幅值350 属于第3类 (5) x(n)=1.2cos(0.5πn)+9.5sin(0.02πn) 点：990 频率：9900 幅值4750 属于第4类 (6) x(n)=cos(0.102πn) 点：51 频率：510 幅值500 属于第3类 五、思考题 1.当矩形窗长度比1000小，例如32，以上实验内容（6）可能出现什么情况？ 答：频率分辨率低，出现失真现象。 如图： 2. 当输入信号x(n)=cos(0.19πn)时，系统能够得到正确的识别结果吗？为什么？ 答：能，因为频域的采样点数与时域信号长度一致，所以系统能够得到正确的结果。 点95 频率950 幅值500 六、总结 1. 通过本次实验，我了解了应用DFT进行频谱分析，熟悉MATLAB这一软件的应用。 2. 理论的实践化，通过软件的实现，将理论的学习升华了。 3. 在学习理论时有很多的无法想象的现象，自己实验后会领会其变化的深意。
篇2：基于合同状态的工程承包商索赔机会识别和索赔决策研究
基于合同状态的工程承包商索赔机会识别和索赔决策研究 本文关键词：索赔，承包商，识别，决策，状态
基于合同状态的工程承包商索赔机会识别和索赔决策研究 本文简介：基于合同状态的工程承包商索赔机会识别和索赔决策研究摘要：本文引入合同状态的概念，分析合同状态变化过程，探讨索赔产生的机制，建立了索赔机会的模糊评判数学模型，在此基础上讨论承包商索赔机会，并通过索赔机会的识别，引入满意度理论方法，建立索赔决策数学模型。思想汇报关键词：索赔，合同状态，数学模型当前，我国
基于合同状态的工程承包商索赔机会识别和索赔决策研究 本文内容：
基于合同状态的工程承包商索赔机会识别和索赔决策研究
摘要：本文引入合同状态的概念，分析合同状态变化过程，探讨索赔产生的机制，建立了索赔机会的模糊评判数学模型，在此基础上讨论承包商索赔机会，并通过索赔机会的识别，引入满意度理论方法，建立索赔决策数学模型。
思想汇报
关键词：索赔
，
合同状态
，
数学模型
当前，我国理论界对工程索赔的研究还落后于工程实践的步伐，索赔管理的理论研究还不能满足工程实际的需要，没有形成较为成熟的索赔管理理论体系和方法体系，对于工程实践缺乏有效的指导作用。现阶段，工程承包企业普遍存在不敢索赔，不会索赔等情况。不敢索赔，是因为企业片面地认为索赔不利于与业主合作，怕得罪了业主单位，影响今后的工程承揽；不会索赔，是由于不熟悉索赔理论、程序和方法、管理落后、基础工作不健全，缺乏索赔必要的资料和记录。另外，客观上也存在着业主不让索赔的现象，应该通过施工索赔获得的补偿，常常是通过其它各种暗方式，不正当方式来得到。因此，工程承包商研究如何应用施工索赔这个正当手段，正确地辨识索赔机会，合理地进行索赔决策，维护自身合法权益，这对于建立市场经济新秩序，也具有重要的现实意义。本文从合同状态的角度探讨索赔产生的机制，建立了索赔机会的模糊评判数学模型，在此基础上讨论承包商索赔机会，并通过索赔机会的识别，引入满意度理论方法，建立索赔决策数学模型，逐步决定索赔决策结果进一步研究了如何从众多索赔方案中优选一种作为索赔报告的方法。
简历大全
1．合同状态描述从系统论的角度看，一项工程项目的实施过程就是一项系统工程，合同给出了工程实施中的条件、目标等，是该系统工程在执行中要遵守的规则集合。合同要体现的是经济交往中双方当事人之间的合意，它规定了当事人在一定条件下所拥有的权利和义务。所谓合同状态是指从合同签订开始到合同结束为止的整个合同实施过程中，任一时刻所对应的全部计划合同目标、按照合同应该具有的合同基本条件(包括合同外部的与内部的条件、自然的与人文的条件、物质的与技术条件等)等方面所包含的全部要素的综合。
1．1合同状态分类由于与合同有关的合同目标和合同条件是随时间在不断变化的，所以合同状态是时间的函数。合同状态主要包括合同初始状态、合同理想状态、合同现实状态和合同目标状态四种。工程项目的实施过程中，从本质上讲，就是从合同的初始状态出发，到达新的合同状态现实合同状态;比较从合同初始状态推演的理想状态，矫正现实状态，得到新的初始状态;再从新的初始状态出发继续实施工程，这样不断循环的过程如图1所示，合同现实状态偏离合同的理想状态是索赔发生的必要条件。寻找和发现索赔机会是承包商进行索赔工作的第一步，承包商将合同理想状态分析结果与合同现实状态分析结果进行对比分析，如果合同现实状态偏离了合同理想状态，承包商对这种偏离不满意，承包商就可以向业主进行索赔。在合同实施过程中经常会发生一些非承包商责任的，而且承包商不能影响的干扰事件，这些干扰事件使得合同现实状态偏离了合同理想状态，如图1所示，造成施工工期的拖延和费用的增加，即承包商的索赔机会常常表现为干扰事件。
图1
1．2合同状态的数学描述
每一个工程项目都是一个复杂的系统工程，工程项目实施的过程就是对该系统进行控制、实现目标的过程，而合同状态的变化实际上反映了工程项目建设的过程，因此，可以通过系统工程的理论和方法，对工程项目合同的研究来了解工程项目的实施情况。
根据所引入的合同状态的定义，合同状态可以用合同目标、合同基本条件等各方面包含的要素总和来描述，假设t时刻合同的条件空间用x(t)表示，则:
合同条件空间为:
X(t)=（x1,x2,.,xn）
其中，xi表示合同文件、合同环境等等合同所处的现实条件的参数，其中
i=1,2,.,n。
假设r时刻合同的目标空间用G(t)表示，则
合同目标空间为:
G(t)-=（g1，g2，.,gm）
其中，gj表示t时刻的工程成本、工期、资源、工程质量等的项目目标状态
参数，j=1,2,.,m。
2.工程合同的索赔机会模糊评判识别模型合同条件是合同规定的最基本的工作活动，从整个合同来看，完成合同就是要完成集合规定的全部事项，合同签订后，就确定了基本合同事件集。如在签订了某铁路工程合同时，就确定了土方开挖工程、土方回填工程、钢筋工程、模板工程、混凝土工程、砌体工程等基本合同事件。为了及时地识别索赔机会，在工程进行一定进度，就应该对基本合同事件的合同状态进行评判，判定其与合理想状态的符合程度，识别t时刻或时段基本合同事件是否存在索赔机会。
索赔机会模糊综合与辨识模型是根据人们习惯于用模糊语言描述索赔机会的特点,运用模糊理论建立的模糊推理分析模型,将引起索赔的机会因素进行量化计算,从而更科学地对索赔机会进行辨识。
2.1对引起索赔的因素进行多层次的分析(见图2)
图2
2.2构建索赔机会识别评判空间综合评判有三要素:因素集U、判断集V和单因素判断。设对于基本合同事件有n个因素，对于每个因素有m个评语，因素集U=为被评判对象基本合同事件各因素组成的集合，判断集V
=为评语所组成的集合；单因素判断，是从U到V的一个模糊映射?，即对单个因素，(i=1,2,,n)的评判，得到V上模糊集()，模糊映射?可以确定一个模糊关系,R是由所有单因素评判的F集组成的，可用评判矩阵R表示。
2.3模糊综合评判模型由于评判对象各因素地位未必相等，用U上的模糊集A=()表示各因素的权数分配，表示第i个因素的权重，它于评判矩阵R的合成，就是对各因素的综合评判，得到综合评判模型。单因素评判矩阵R可采用统计实验或专家评分的方法求出，权重A可采用二元对比法确定。基本合同事件的模糊评判模型如下公式所式。B=
作文
其中：A=
R=
2.4索赔机会的评判
若=,根据最大隶属原则，则评定基本合同事件与合同理想状态的符合程度属于评语,如果合同执行不好，就可以在基本合同事件中找出合同偏离正常状态的根源，识别索赔事项。
3.索赔决策的数学模型索赔机会识别后就涉及索赔决策的问
总结大全
题，本章用系统论方法中的可能-满意度理论对承包商索赔从索赔过程及索赔事件本身两个角度进行分析，讨论承包商在索赔过程中如何做决策。
3.1索赔决策的满意度模型假设事件A
经过上述索赔机会识别确定为索赔事件成立。这种判断是在索赔主体对事件A
的不完全认知信息、对事件符合H
的符合程度的不精确判断和决策人偏好的非一致性等条件下形成的，对于同样的决策结果，事件的不确定程度愈大，决策人的满意程度愈大。另一方面，索赔是有成本的，根据索赔项目的不同，索赔过程中可能需要金钱、人员、设备、社会关系等多种资源的投入(假设这些投入统称为Ps)。索赔事件A
是否值得索赔主体去进行索赔，还必须根据索赔主体的满意度标准来进一步分析。对于一般的索赔事件
A，可作为索赔收获的目标有3
个：(1)费用，设为C，(2)工期，设为T，(3)其它(包括信誉度，市场份额等)，设为I。定义索赔事件
A
的索赔目标相对满意度为S，采用满意度加法规则：S=u1SC+u2ST+u3SI
(1)式中：SＣ＝（C-Cs）/C,当CCs
时，取SC=0；ST=(T-Ts)/T,当TTs
时，取SＴ＝0；SI=(I-Is)/I，当IIs
时，取SI=0；SC、ST、SI
为各个费用、工期和其他目标值的满意程度，u1,u2,u3
为承包商的索赔偏好系数，即各指标的满意度权重。
对不同的方案
Am，S＝maxSm
(2)当S＞0，表示满意，应该继续进行索赔工作。否则，应放弃索赔。因为索赔事件
A
符合不同的索赔依据条款，即P
取值不同，则索赔额计算会产生差异，故满意度也会产生差异。对应Pm
取值区间，有C、I、T、S
的取值区间［C1，C2］［0，1］，［t1,t2］［0，1］，［i1,i2］［0，1］，［s1,s2］［0，1］。如果
S
取值大于［s1,s2］，说明索赔初期估算有失误，应返回调整Pmn
符合程度的估计或修正索赔计算方法，重新计算得S
后，再评价索赔结果是否满意。
3．2索赔方案的选择方法在索赔过程中，工程承包需先报出索赔方案，提出自己的索赔主张，再以此同对方谈判。虽然在索赔规定时间和程序内，承包商可以对自己已提交的索赔报告(索赔方案)进行修正和补充，显然，如果先报出了一个错误的方案将对索赔结果产生严重不利影响。经验表明，对一个报出的索赔方案一定要尽可能优化和科学，现实人大多有先入为主的特性，所以开始就报出一个良好的索赔方案，对索赔的成功将大有裨益。前己述及，因为
Pmn
是一个估值范围，所以C、I、T
的取值也为一个范围，由Pmn
值域中取定一组m
个值，得到一组不同的(A1,A2,A3,Am)。承包商报出的索赔方案，就是从这组方案集(A1，A2，A3，Am)中优选后得到的方案。为了使最终索赔成果满意度最高，优选方案时，必须考虑后续谈判中将对索赔结果起影响作用的3
个不确定性因素：
总结大全
(1)对方或仲裁方对事件A
符合合同文件等索赔证据文件H
的预期Pmn值的认可程度。(2)对方或仲裁方等审核和谈判人的个人偏好特性。(3)对方或仲裁方等手中掌握的不利于己的证据资料。设这些不确定因素造成的对索赔成果的预期影响概率为
P(PC，PT，PI)，PC、PT、PI
分别为对费用索赔、工期索赔、其它索赔的认可程度，取值［0，1］，则上述式(1)改变为S１＝PCu1SC1+PTu2ST1+PIu3SI1;S2＝PCu1SC2+PTu2ST2+PIu3SI2;SM＝PCu1SC3+PTu2ST3+PIu3SI3。取S＝maxSi(i=1，2，，m)的方案报出。综上所述，运用本文索赔机会识别模型及索赔决策模型对实际工程进行索赔机会识别及决策，具有较高的准确性和实用性。索赔机会辨识可根据不同工程进行具体分析,分析的深浅也可随索赔管理与控制的要求而定,表现出了极大的灵活性和适应性。运用索赔机会的模糊综合辨识模型对引起索赔的因素进行计算,简单可行、易于操作,这为索赔管理者进行索赔预测、分析与管理提供了极大的方便。在进行索赔机会分析时，建立了索赔及索赔机会的数学模型，模型的建立是在一定的假设的基础上，因此模型需要进一步的完善，同时模型的求解尚待进一步的研究。
参考文献：
张丽霞.
建设工程项目承包商索赔研究，[博士学位论文]，南京:河海大学
2005,12.
张传友;刘元芳.合同索赔机会的模糊评判研究[J],《福建建筑》,2006,11.
刘学海，王仁超一种基于满意度方法的建筑工程索赔决策模型[J]，水利学报，2003,8:
105-110.
徐扬等编著.模糊模式识别及其应用[M].成都:西南交通大学出版社，1999.
白思俊等著.系统工程[M].北京:电子工业出版社，2006:192-194.6
本文作者上官用弼，中铁二十四局集团上海电务电化有限公司，转自城市建设理论研究
总结大全
篇3：世格停车场系统车牌识别仪参数介绍
世格停车场系统车牌识别仪参数介绍 本文关键词：车牌，停车场，识别，参数，介绍
世格停车场系统车牌识别仪参数介绍 本文简介：“停车场车牌识别仪”是集视频采集、图像处理、图像识别、网络通信、自动控制等多项技术为一体的嵌入式设备，它更适应停车场、智能小区这样特殊的工作环境；独立性强，不依靠工控机等其他辅助设施；精准、快速得出识别结果，整牌识别率高；不占用系统资源、又与收费软件无缝式兼容；快捷式操作、方便安装、调试、维护等特点
世格停车场系统车牌识别仪参数介绍 本文内容：
“停车场车牌识别仪”是集视频采集、图像处理、图像识别、网络通信、自动控制等多项技术为一体的嵌入式设备，它更适应停车场、智能小区这样特殊的工作环境；独立性强，不依靠工控机等其他辅助设施；精准、快速得出识别结果，整牌识别率高；不占用系统资源、又与收费软件无缝式兼容；快捷式操作、方便安装、调试、维护等特点。
适用场所
停车场、高档小区出入口、工厂单位、称重地磅、货运码头、煤矿场所等有关车辆进出口。
产品图片
产品功能
◎图像叠加。可根据用户的定制，将识别结果、车牌小图、时间、地点等信息叠加到指定的特征图上。
◎可用网络进行数据传输。
◎支持多种触发信号：开关量信号，电平量信号。
◎支持上位机对下位机的指令控制。
◎数据重联、缓冲机制。网络不通时，可以将数据缓存在识别仪的处理单元内，当网络接通时再上传车道控制机。
◎自动状态监控，可实时监控数据通道的拥堵状态，并在发生故障时自动重启。
◎可多台同联。一台计算机可以同时连接多台识别仪。
产品特点
◎嵌入式一体化设计，结构紧凑实用；
◎一分钟安装：内部采用模块化设计，易于器件安装拆卸；
◎一站式管理：基于WEB管理平台，联网的车牌识别设备统一管理；
◎一键OK傻瓜化设置：简化安装、调试设置，设备维护更加快捷；
◎自动自检、自动报警功能；
◎设备自载调试软件，可提供调试软件下载；
◎无风扇设计，解决了多粉尘等恶劣环境影响；
◎可按时间、地点、车牌号码等进行查询纪录，模糊查询功能。
性能指标
◎车辆速度范围：
0
~
220
km/h
◎识别时间：
＜
0.2秒
◎图片分辨率：
768×576
◎供电电源：
48-52
HZ
AC
165V~265V
◎工作环境温度：
﹣20℃
~
+70℃
◎工作环境湿度：
30000小时
◎识别率：
>95%