時(shí)間：2023-03-07 14:59:31
導(dǎo)語：在識(shí)別技術(shù)論文的撰寫旅程中，學(xué)習(xí)并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優(yōu)秀范文，愿這些內(nèi)容能夠啟發(fā)您的創(chuàng)作靈感，引領(lǐng)您探索更多的創(chuàng)作可能。
基神經(jīng)于網(wǎng)絡(luò)判別指標(biāo)過濾方法的兩級識(shí)別策略，具有物理意義清晰，定量、定性的特點(diǎn)。應(yīng)用于結(jié)構(gòu)的損傷診斷，可以有效解決結(jié)構(gòu)不適定性、非線性帶來的評估誤差及精度問題。
1.1自適應(yīng)神經(jīng)網(wǎng)絡(luò)(Auto2associateNeuralNetwork)
自適應(yīng)神經(jīng)網(wǎng)絡(luò)方法基于無損傷結(jié)構(gòu)在正常服役條件下的實(shí)測響應(yīng)數(shù)據(jù)（某個(gè)動(dòng)力特性參數(shù)、或多個(gè)動(dòng)力特性參數(shù)）作為訓(xùn)練對象（人工神經(jīng)網(wǎng)絡(luò)的輸入和輸出數(shù)據(jù)X、Y），依次構(gòu)造一個(gè)自相關(guān)的神經(jīng)網(wǎng)絡(luò)Net=T(XY)。訓(xùn)練完成后，循環(huán)迭代輸入數(shù)據(jù)X進(jìn)入已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)Net，獲得輸出數(shù)據(jù)Yn。通過選取合適的殘差判斷函數(shù)，通過對比數(shù)據(jù)Y和網(wǎng)絡(luò)輸出數(shù)據(jù)Yn的差值向量,采用某種距離測度函數(shù)加以測量形成健康結(jié)構(gòu)的判別指標(biāo)Vi。當(dāng)結(jié)構(gòu)發(fā)生損傷，實(shí)測響應(yīng)數(shù)據(jù)Xd被作為輸入數(shù)據(jù)通過已經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)Net，由輸入數(shù)據(jù)Xd和輸出數(shù)據(jù)Yd可以計(jì)算得到的新的判別指標(biāo)Vd，并與Vi相比較計(jì)算差值構(gòu)建損傷指標(biāo)Di來判定損傷。當(dāng)Di大于既定殘差函數(shù)時(shí)，即判定結(jié)構(gòu)已經(jīng)發(fā)生損傷。
1.2概率神經(jīng)網(wǎng)絡(luò)(ProbabilisticNeuralNetwork,PNN)
自適應(yīng)神經(jīng)網(wǎng)絡(luò)方法構(gòu)建自相關(guān)網(wǎng)絡(luò)Net，將實(shí)測響應(yīng)信息迭代計(jì)算Di，可以定性判定是否存在損傷，在損傷確定的條件下，可通過概率神經(jīng)網(wǎng)絡(luò)PNN判定損傷的位置、類型。PNN是通過具有無參估計(jì)量的已知數(shù)據(jù)集的概率密度函數(shù)來實(shí)現(xiàn)貝葉斯決策，將其加在人工神經(jīng)網(wǎng)絡(luò)框架中,接著進(jìn)行判別未知數(shù)據(jù)最大可能屬于哪個(gè)已知數(shù)集，構(gòu)建一個(gè)包含損傷類別θ1、θ2….θq…θn集合,基于p維試驗(yàn)向量X的貝葉斯決策d(X)為d（X）∈θq(hqlqfq（X）)>hklkfk（X），k≠q
（1）hj———分類指標(biāo)θj的先驗(yàn)概率。lj———與錯(cuò)誤分類d(X)埸θj的相關(guān)損失。fj(X)———采用多變量高斯(Gauss)分布函數(shù)的概率密度函數(shù)：fq（X）∈1nq(2π)p/2σpnqi=1Σexp-（X-Xai)T（X-Xai)2σ222
（2）將該貝葉斯決策映射為一個(gè)人工神經(jīng)網(wǎng)絡(luò)構(gòu)成一個(gè)概率神經(jīng)網(wǎng)絡(luò)，如圖1所示。向量X{X1、X2、X3、X4…Xi}———輸入層的輸入?yún)?shù)。權(quán)重向量Wj和向量X的點(diǎn)積zj構(gòu)成中間層的神經(jīng)元，而相對與分類號q的決策層神經(jīng)元輸出為:fq（X）=nqj=1ΣZqj=nqj=1Σexp[(X•Wqj-1)/σ2]
（3）σ—高斯核標(biāo)準(zhǔn)差。在應(yīng)用中，構(gòu)建的損傷位置或類型假定有多種。以結(jié)構(gòu)的自振頻率變化率為例，輸入向量X為P個(gè)自振頻率變化率，將帶有某種類型損傷(或混合模式損傷)的實(shí)測模態(tài)數(shù)據(jù)輸入訓(xùn)練好的PNN，得出決策層(輸出層)各個(gè)損傷形態(tài)在試驗(yàn)向量點(diǎn)對應(yīng)的概率密度函數(shù)PDF的估計(jì)值，其中，最大PDF估計(jì)值對應(yīng)的預(yù)設(shè)損傷集合中則得出損傷的位置及類型。
2應(yīng)用及展望
美國Purdu大學(xué)的Venkatsubrmania和Chan第一次運(yùn)用BP網(wǎng)絡(luò)進(jìn)行了工廠結(jié)構(gòu)的損傷檢測與診斷，其后的研究中，Kudva將神經(jīng)網(wǎng)絡(luò)兩級識(shí)別策略運(yùn)用于平板結(jié)構(gòu)損傷診斷，提出了大型結(jié)構(gòu)損傷檢測的方法；楊英杰等開發(fā)了評估鋼筋混凝土梁的神經(jīng)網(wǎng)絡(luò)系統(tǒng)；Worden等運(yùn)用神經(jīng)網(wǎng)絡(luò)識(shí)別了一個(gè)20根構(gòu)件組成的結(jié)構(gòu)的損傷；Pandey用兩級識(shí)別策略，基于三層神經(jīng)網(wǎng)絡(luò)對大橋桁架結(jié)構(gòu)進(jìn)行損傷評估。近年來，結(jié)構(gòu)損傷診斷的研究取得了長足進(jìn)展。上述基于神經(jīng)網(wǎng)絡(luò)的損傷診斷研究表明了在這個(gè)領(lǐng)域的研究成果，同時(shí)也揭示了尚未解決的問題。
（1）如何選取合適的網(wǎng)絡(luò)形式及網(wǎng)絡(luò)參數(shù)以及樣本集的組成是神經(jīng)網(wǎng)絡(luò)兩級識(shí)別策略應(yīng)用的關(guān)鍵，研究有效的網(wǎng)絡(luò)輸入?yún)?shù)是一個(gè)新的內(nèi)容；
（2）人工神經(jīng)網(wǎng)絡(luò)具備高度適應(yīng)性，學(xué)習(xí)能力和容錯(cuò)能力，但其黑箱系統(tǒng)的特性決定了其硬件實(shí)施的復(fù)雜性，如何提高算法的實(shí)現(xiàn)效率亟待研究；
一、版畫制圖邏輯
雖然在西方，機(jī)械代替了手工，照相機(jī)的誕生也漸漸消解了刻版的制圖方式，然而當(dāng)時(shí)圖像的生產(chǎn)方式依然是以制版印刷為主。照相機(jī)是一個(gè)再現(xiàn)機(jī)制，而版畫圖像生產(chǎn)是具有詩性的，它是對再現(xiàn)機(jī)制修正后的一個(gè)呈現(xiàn)，修正了文字語言（文學(xué)）對于形象的圖像基底。也就是說，版畫的制作方式是跟人發(fā)生了關(guān)系了的。我們討論形象它分為三個(gè)層次：第一，我們看到的實(shí)物它本身是怎么樣的，它本身的存在。第二，通過我們?nèi)ビ^察它，在我們的意識(shí)觀念生成之后它變成了什么。第三，通過文字去描述這個(gè)形象，再轉(zhuǎn)換成圖專業(yè)提供論文寫作、寫作論文的服務(wù)，歡迎光臨dylw.net像。語言和文字跟這個(gè)實(shí)體它本身的差距是非常大的，在我們和這個(gè)實(shí)體之間，有所謂的識(shí)別中介，（比如一個(gè)人跟另一個(gè)人說石頭，他的腦子里會(huì)產(chǎn)生一個(gè)石頭的形象，或者是產(chǎn)生石頭這兩個(gè)字。這個(gè)字和石頭和形象已經(jīng)被轉(zhuǎn)換掉了。轉(zhuǎn)換成了什么，轉(zhuǎn)換成了描述。這種描述要通過語言來產(chǎn)生，而語言產(chǎn)生的又是信息，這種信息又重新回到了文字和圖像。這個(gè)過程比我們?nèi)ツ７乱粋€(gè)事物，更復(fù)雜，所牽連的過程更多。模仿一個(gè)事物是一個(gè)行動(dòng)的過程，而去傳播一個(gè)信息是一個(gè)制版的過程，這個(gè)信息必須具有目的的準(zhǔn)確性才能起到作為信息的價(jià)值。所以作為制圖是通過這所有的體系建立起來的制圖邏輯。
這個(gè)制圖過程本身是一個(gè)創(chuàng)作過程，它本身并不是說如何去再現(xiàn)一個(gè)實(shí)體，而更多的是有目的的信息生產(chǎn)作為有形象的制圖。比如說，我們曾經(jīng)制造的報(bào)紙，它是用制版的方式，有圖像也有文字，但它的圖像往往是被文字這種文學(xué)性所牽制的。然而，圖像學(xué)在研究到今天的時(shí)候，我們是不是要逃離出這種圖像對文字專業(yè)提供論文寫作、寫作論文的服務(wù)，歡迎光臨dylw.net的修正，讓這種制圖圖像脫離出來，形成一個(gè)真正的通過意識(shí)機(jī)制直接再現(xiàn)的語言識(shí)別過程。比如在新興木刻的時(shí)候，人們創(chuàng)作圖像，更多的是再現(xiàn)圖像本身的價(jià)值（圖像信息和立場），而不是通過文字和文學(xué)的方式成為文學(xué)的附庸，這個(gè)時(shí)候圖像更直接的識(shí)別價(jià)值大于這種文字被轉(zhuǎn)換過的語言修飾，這種轉(zhuǎn)換本身又具有語言性。就是說，為什么到了新興木刻之后，版畫被納入藝術(shù)創(chuàng)作的范疇，可以來傳達(dá)主體的意圖和信息，這個(gè)時(shí)候的版畫，它跟印刷的關(guān)系就出現(xiàn)了很大的分離，而人們的識(shí)別主體又已經(jīng)在這個(gè)機(jī)制里面形成了本身的認(rèn)知機(jī)制。這種本身的圖像生產(chǎn)不會(huì)具有障礙性，包括后來雖然說技術(shù)邏輯到了新興木刻之后停滯，它不再因?yàn)橛∷⒍ド砂娈嫷倪@種媒介機(jī)制，而更多的是作為主體欲望去生成的圖像生產(chǎn)。由此，這種信息淪為了審美的一個(gè)體系當(dāng)中去了。其中還有一個(gè)原因就是，在今天的圖像生產(chǎn)又有了更直接的工具和技術(shù)，新的制圖方式已經(jīng)產(chǎn)生（比如，電視機(jī)，網(wǎng)絡(luò)，手機(jī)，以及其他信息媒體），讓這一門曾經(jīng)在很長一段時(shí)間主導(dǎo)傳播與媒介的技術(shù)生產(chǎn)失去了它的媒介價(jià)值而被機(jī)械所代替了。今天我們在生產(chǎn)一個(gè)圖像的時(shí)候，也許就是動(dòng)一動(dòng)鼠標(biāo)弄一弄照相機(jī)，這么一個(gè)問題。
二、識(shí)別心理
作為版畫的創(chuàng)作領(lǐng)域，已經(jīng)停留在一個(gè)非時(shí)間線性的邏輯里面。而曾經(jīng)的這種制版方式和識(shí)別方式，又在今天的共知系統(tǒng)當(dāng)中完成了一套圖像識(shí)別邏輯，這套邏輯從本體在今天無法從形象上去再現(xiàn)它，而更多的它本身是一個(gè)抽象識(shí)別的精神概念。這個(gè)就跟人的生存觀念和精神觀念與形象的識(shí)別機(jī)制有關(guān)系。這種識(shí)別機(jī)制在信息與傳播，及文字語言時(shí)期已經(jīng)形成，所以我們今天所談到的圖像與制圖方式，在我們的精神機(jī)制里面已經(jīng)無法分離并且根深蒂固。就如精神分析在討論一個(gè)人的意識(shí)形成，是跟他的生存維度發(fā)生很大專業(yè)提供論文寫作、寫作論文的服務(wù)，歡迎光臨dylw.net的關(guān)系，一個(gè)人生存在某一個(gè)固定的地形維度里面，那么就會(huì)生成這種地形維度所產(chǎn)生的信息所形成的觀念和文化意識(shí)，也就形成了所謂信息和認(rèn)知圖像的方式。所以在圖像維度討論今天我們的共知識(shí)別邏輯，作為精神觀念以及認(rèn)知方式，也是有意義的。作為這種共識(shí)邏輯當(dāng)中傳播意義，并不是在媒介機(jī)制上發(fā)展的，而是跟它的生態(tài)系統(tǒng)所產(chǎn)生的生存狀態(tài)有關(guān)的。版畫這種圖像和制圖機(jī)制，在傳播中也形成了它的生態(tài)系統(tǒng)，這個(gè)生態(tài)系統(tǒng)也形成了今天我們的識(shí)別方式。
三、結(jié)語
版畫圖像與它的制圖機(jī)制，在傳播中形成了自身的生態(tài)系統(tǒng)，而這個(gè)生態(tài)系統(tǒng)也影響著今天我們對于符號信息的識(shí)別方式。如今，在當(dāng)下大眾文化中，不論是當(dāng)代藝術(shù)，設(shè)計(jì)，還是泛文化的大眾領(lǐng)域，以及文化心理，都有作為傳統(tǒng)視覺藝術(shù)的版畫圖像的存在，版畫以它本身的圖像形態(tài)進(jìn)入我們的日常。作為版畫的圖像已經(jīng)通過其他媒介方式進(jìn)行生產(chǎn)傳播，而這些媒介也成了新的版畫式圖像生產(chǎn)傳播機(jī)制。
本書共5章：1.射頻識(shí)別系統(tǒng)：包括超高頻RFID標(biāo)簽的設(shè)計(jì)、超高頻RFID讀寫器的體系結(jié)構(gòu)及無芯片RFID系統(tǒng)（標(biāo)簽與讀寫器），最后對本書各章節(jié)內(nèi)容進(jìn)行概括；2.無芯片RFID標(biāo)簽散射場的數(shù)學(xué)描述：首先是奇異擴(kuò)展方法（SEM），具體包括在電路理論及瞬態(tài)散射的應(yīng)用、基于SEM的散射體的等效電路，然后介紹了本征模展開法，最后特征模式理論的引入；3.無芯片RFID標(biāo)簽：包括無芯片RFID標(biāo)簽復(fù)雜的自然共振設(shè)計(jì)、基于特征模式理論的無芯片RFID標(biāo)簽設(shè)計(jì)；4.無芯片RFID標(biāo)簽在讀寫器的識(shí)別：包括通過散射信號、散射信號時(shí)間頻率分析、短時(shí)間矩陣束法等分析識(shí)別原理；5.無芯片RFID標(biāo)簽的檢測、識(shí)別和定位：包括無芯片RFID標(biāo)簽的空時(shí)頻防碰撞算法的原理與實(shí)驗(yàn)、無芯片RFID標(biāo)簽的定位算法等。
作者Reza Rezaiesarlak博士畢業(yè)于弗吉尼亞理工學(xué)院暨州立大學(xué)電氣與計(jì)算機(jī)工程系，現(xiàn)為摩托羅拉移動(dòng)的高級射頻工程師。擁有微波、天線、射頻和通信系統(tǒng)7年以上工作經(jīng)驗(yàn)，微波與天線結(jié)構(gòu)的電磁特性深厚的理論基礎(chǔ)和專業(yè)知識(shí)，在射頻和微波系統(tǒng)的設(shè)計(jì)、實(shí)施和調(diào)試方面經(jīng)驗(yàn)豐富。發(fā)表超過10篇會(huì)議論文/報(bào)告和14篇期刊論文。
本書內(nèi)容涵蓋了無芯片RFID的優(yōu)點(diǎn)、各部件設(shè)計(jì)、識(shí)別、檢測、防碰撞及定位等多個(gè)方面的內(nèi)容，并包含一些應(yīng)用程序，方便讀者深入理解所述內(nèi)容。本書適合通信、無線傳感器網(wǎng)絡(luò)、物聯(lián)網(wǎng)等方面或?qū)I(yè)的學(xué)生或從業(yè)人員參考閱讀。
關(guān)鍵詞：維吾爾文 手寫體 在線識(shí)別
中圖分類號：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：1007-9416（2015）12-0000-00
Abstract：Uygur language is an agglutinative language with words as its basic unit. Because of the different positions in the word， the letters have different writing deformation. At present， the development of handwriting technology is still lagging behind the Chinese and English languages. On the basis of analysis of the structure of Uygur language， characteristics of word formation and input habits， etc. this paper Summarizes the impact of agglutinative language on handwriting recognition， Mainly discusses the process of implementation of the Uygur handwriting recognition system and related key technologies， Hope that through the analysis and verification of these technologies， implementation of the Uygur handwriting recognition system.
Key Words：Uygur Language， Handwritten text， On-line Recognition.
1 維吾爾語手寫體識(shí)別的特點(diǎn)
維吾爾語是以單詞為基本單位的黏連語，與阿拉伯語相似，書寫形式從右到左，字母粘連，字母因在單詞中位置的不同而具有不同的書寫變形。目前，對于維吾爾語的手寫識(shí)別通常有兩種解決思路，一種是直接對整個(gè)單詞進(jìn)行整詞識(shí)別，這種方法可取的特征比較豐富，但需要建立大量的單詞數(shù)據(jù)庫；另一種思路是先進(jìn)行單詞（或粘連字母序列）進(jìn)行切分，再對切分后得到的單個(gè)字符進(jìn)行識(shí)別[1][2]。
維吾爾文中有32個(gè)字母，如下：
?? ?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
? ? ? ? ? ? ? ?? ?? ?? ?? ? ?? ?? ?
同時(shí)，每一個(gè)字母有多種形式：
（1）有四種形式的總共有24個(gè)字母：
??? ??? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ?? ???? ?? ?? ?? ??? ??? ??? ??? ?
如： ?， ?， ?， ? 都表示一個(gè)字母，共4×24=96個(gè)。
（2）有八種形式的總共2個(gè)字母：
?? ? ??
如：? ? ? ? ? ? ? ? 都表示一個(gè)字母，共2×8=16個(gè)。
（3）有兩種形式的字母總共有6個(gè)：
? ? ? ? ? ?
如：? ，? 都表示一個(gè)字母，共 6×2=12個(gè)。
（4）附字符形式有 ? ? ? ? 等四個(gè)。
總共有128個(gè)形式。
為方便聯(lián)機(jī)識(shí)別，本文把所有的維吾爾文字母筆畫符號根據(jù)它在維吾爾文字母筆畫符號中的作用分為幾類，在樣本訓(xùn)練時(shí)分類封裝：
（1）簡單符號。最普通的維吾爾文字母符號，例如"?"、 "?"、"?"、"?"、"?"、"?"、"?"等都屬于這一類。
（2）復(fù)雜操作符。右邊、上邊和下邊都可能存在筆畫的維吾爾文字母符號，例如?、?、?、?、?、?、?、?、?、?等。
（3）兩個(gè)字母音節(jié)符號。一個(gè)輔音字母加元音字母組成的兩個(gè)字符音節(jié)。例如：??、??、??、??、???、???、???、??? 等。
（4）三個(gè)字母音節(jié)。如：???、???、???、???、???、??? 等數(shù)量較多。
2 維吾爾語手寫體在線識(shí)別的過程分析
2.1 預(yù)處理
預(yù)處理是手寫識(shí)別的基本階段之一，對于提高識(shí)別率來說至關(guān)重要。
（1）幾何處理。預(yù)處理階段的主要任務(wù)是減少噪音，消除硬件干擾和書寫晃動(dòng)并規(guī)格化采集到的筆跡信息。目前普遍使用的是緩和、過濾、重取樣和規(guī)則化。①將一個(gè)點(diǎn)和它相鄰三個(gè)點(diǎn)進(jìn)行平均分配并對點(diǎn)的連續(xù)序列之間的空間距離進(jìn)行重新取樣，從而緩和在線信息的硬度。②調(diào)整手寫體筆跡的水平垂直維度，使得手寫體的大小標(biāo)準(zhǔn)化，接著將切比雪夫第二類型低通過濾器應(yīng)用于規(guī)格化筆跡中，以消除由時(shí)間和空間取樣引起的噪音。③利用過濾器緩和減少冗余點(diǎn)，用統(tǒng)一方法對符號重新取樣，并用頂點(diǎn)刪除方法將書寫速度標(biāo)準(zhǔn)化。
（2）基線探測?；€探測是用來獲取文字方向和字符間連接點(diǎn)位置的重要信息，可用于處理傾斜、字符切分和特征提取。對于在線識(shí)別來說，主要用于探測延緩筆畫或消除延緩筆畫、字符切分和特征提取。
很多基線探測方法都是基于幾何方法提出的，從離線或印刷體應(yīng)用中借鑒而來。這些邏輯方法分析了手寫體表面結(jié)構(gòu)，以辨別所搜索基線的筆跡相關(guān)點(diǎn)，幾何方法中最著名的就是直方圖映射，是Eraqi和Abdelazeem在阿拉伯文字的識(shí)別中最先使用的方法，包括兩個(gè)階段：第一個(gè)是基礎(chǔ)階段，允許探測均衡相鄰的點(diǎn)集。第二個(gè)階段是通過第一個(gè)階段找出的最密集的點(diǎn)集空間來測量驗(yàn)證整體結(jié)構(gòu)。首先，從原始輸入筆畫中切分出第二筆畫。其次，用水平映射從陰影中提取主要基線。最后，根據(jù)對特征和主要基線的估計(jì)來計(jì)算每個(gè)連體段的局部基線。[3][4]
（3）處理延緩筆畫。在維吾爾語手寫體中，延緩筆畫多出現(xiàn)在字符的上面或下面，可以用一種特殊連接筆畫將延緩筆畫與字符本身聯(lián)系起來，通過分支界定法中的雙圖形方法來處理連接變化，以區(qū)分不同的字符。借鑒阿拉伯文手寫體識(shí)別的方法，以產(chǎn)生直接串法來調(diào)整次序，在這些詞序中，延緩筆畫是用不同順序書寫出來的，通過對字符的模糊掩蓋包含在特征載體中，在合適的字符體中用延緩筆畫映射算法來合并延緩筆畫，此映射算法包含兩個(gè)步驟，即探測延緩筆畫和在合適的經(jīng)處理的點(diǎn)序列字符體中合并延緩筆畫。
2.2 特征提取
特征提取的目的在于，通過提取和計(jì)算輸入信息最相關(guān)的特征或參數(shù)來得到字符分類，粘連體文字使用的代表性的輸入信息很多，包括視覺描述符，比如遮蔽區(qū)域、凹陷處和環(huán)等。幾何描述符也有廣泛應(yīng)用，比如切線、連接角、相對速率、筆畫長度和方向，以及連續(xù)點(diǎn)之間的距離等。除此之外，輸入信息的坐標(biāo)也被用來提取時(shí)序性特征，比如曲線運(yùn)動(dòng)速度和角速度。在阿拉伯文手寫體識(shí)別中，甚至有研究人員提取到字符特征的神經(jīng)生理學(xué)和生理力學(xué)的方程式參數(shù)，描述的是手寫體的曲線運(yùn)動(dòng)速度。此外，F(xiàn)reeman鏈碼是最簡單的特征之一，也是普遍使用的特征，主要使用的freeman鏈碼的三種類型為：長筆畫、短筆畫和抬筆。特征矢量包含方向碼，描述的是被切分的筆畫、每一筆畫的長度、斜率以及坐標(biāo)系等。[5]
2.3 切分
切分指的是獲取識(shí)別算法必須處理的既完整又有意義的單元。在維吾爾文手寫體識(shí)別中，包括兩個(gè)方面，一是處理的是單個(gè)字符，關(guān)注的是線條探測。第二個(gè)方面，集中在識(shí)別單詞或連體段，將輸入體切分為多個(gè)單元，這是一項(xiàng)具有挑戰(zhàn)性的工作，目前可查的高效算法不多。
（1）整體法。這一方法所提取的信息代表的是在空間或時(shí)間上切分出的一個(gè)完整的字符或字符串，待識(shí)別的字符或字符串是識(shí)別中不可切分的統(tǒng)一體。這一統(tǒng)一體必須包含在特征庫中，因此，具體應(yīng)用上來說，整體法在詞匯量較少的情況下適用，對大詞匯量應(yīng)用來說較難實(shí)現(xiàn)。
（2）分析法。在分析方法中，對一個(gè)字符有效識(shí)別的基礎(chǔ)是識(shí)別單元是正確有效的，錯(cuò)誤的切分使識(shí)別沒有意義。最早采用外在切分分析方法的是Njeh 等人基于阿拉伯語手寫體識(shí)別開發(fā)的，手寫體由一系列基本知覺特征編碼和整體知覺特征編碼相對應(yīng)組成?；谠诰€手寫體的beta橢圓理論，使用模糊集理論來檢測基本特征，使用遺傳算法來檢測整體特征，該切分算法的主要思想在于將一個(gè)曲線分解為歐氏空間的凹凸性概念，為了避免出現(xiàn)長度非常短的分段，在分段曲線長度中應(yīng)用了臨界值，而分段曲線長度代表著構(gòu)造曲線的分段線性段的長度總和。經(jīng)過四個(gè)階段將筆畫切分成字母，這四個(gè)階段是：任意切分、增強(qiáng)切分、連接連續(xù)接頭和定位切分點(diǎn)。
遺傳算法用于找出字符的最佳組合以重建序列?；舅悸窞閷⒚恳还P畫分為一組稱為標(biāo)志的小分段，這些標(biāo)志代表了線、弧或環(huán)。計(jì)算兩組連續(xù)矢量之間角度變化的平均值，若所計(jì)算的值超過某一界限值，則這一個(gè)點(diǎn)能作為弧形末尾的候選點(diǎn)，然后此過程從下一個(gè)點(diǎn)重新開始。使用環(huán)檢測方法找出環(huán)并刪去位于環(huán)上的額外的候選切分點(diǎn)，以此來終止切分。分析方法的優(yōu)點(diǎn)是將字符的識(shí)別問題分為詞素、字符或筆畫識(shí)別的互補(bǔ)子問題。這讓分析方法適應(yīng)了大詞匯語境中的字符識(shí)別問題。[6][7]
2.4 識(shí)別
識(shí)別模塊實(shí)際上是分類算法的具體應(yīng)用，使用訓(xùn)練數(shù)據(jù)分類基本單元，包括了測試模式與每個(gè)類別的基準(zhǔn)模式的對比。模式相似度用于判定哪個(gè)模式對未知模式最匹配，目前可用的識(shí)別方法很多，如決策樹、動(dòng)態(tài)規(guī)劃、模板匹配、HMM、神經(jīng)網(wǎng)絡(luò)、k最近鄰算法以及相關(guān)技術(shù)的串聯(lián)或并聯(lián)。
（1）決策樹。決策樹也稱為判定樹，是一種有指導(dǎo)的學(xué)習(xí)方法。決策樹代表著決策及的樹形結(jié)構(gòu)，可以根據(jù)訓(xùn)練集數(shù)據(jù)構(gòu)造出決策樹。如果該樹不能對所有對象給出正確的分類，就選擇一些例外加入到訓(xùn)練集數(shù)據(jù)中。重復(fù)該過程，知道形成正確的決策樹。決策樹方法首先對數(shù)據(jù)進(jìn)行處理，利用歸納算法生成可讀的規(guī)則和決策樹，然后使用決策樹對新數(shù)據(jù)進(jìn)行分析，本質(zhì)上是通過一系列規(guī)則對數(shù)據(jù)進(jìn)行分類的過程。將每個(gè)字符集根據(jù)筆畫數(shù)分為若干個(gè)子集，并用幾個(gè)簡單的整體特征加以分類，這些特征包括寬度和高度之間的比例或其倒數(shù)、主要筆畫的x和/或y方向的極小值和/或極大值的數(shù)目和序列。將每個(gè)筆畫的斜率分類到四個(gè)方向中的其中一個(gè)，在此階段中，預(yù)處理的數(shù)據(jù)進(jìn)入到?jīng)Q策樹中。
（2）動(dòng)態(tài)規(guī)劃。動(dòng)態(tài)規(guī)劃是解決多階段決策過程最優(yōu)化的一種常用方法，對于在線手寫體維吾爾文的切分預(yù)識(shí)別，它可以看作將手寫筆畫序列分解為單個(gè)字符的最小代價(jià)決策過程，因此，只要定義合適的代價(jià)函數(shù)，應(yīng)用動(dòng)態(tài)規(guī)劃算法將可以有效地確定手寫體的最佳切分路徑。
將切分過程分為預(yù)切分和基于識(shí)別的切分兩個(gè)階段，在預(yù)切分階段，根據(jù)維吾爾文手寫體筆畫的結(jié)構(gòu)特征定義候選且分段的代價(jià)函數(shù)，并利用動(dòng)態(tài)規(guī)劃算法尋找具有最小代價(jià)的切分路徑，預(yù)切分結(jié)果通常具有一定的冗余度，即過切分，在基于識(shí)別的切分階段，預(yù)切分結(jié)果輸入神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行識(shí)別，并根據(jù)分類器給出的類概率和切分塊的位置等結(jié)構(gòu)信息確定代價(jià)函數(shù)，應(yīng)用動(dòng)態(tài)規(guī)劃算法尋找最佳切分路徑。[8][9]
（3）模糊法。在線阿拉伯文手寫識(shí)別系統(tǒng)曾成功應(yīng)用了這一方法。使用遺傳算法來選擇由模糊神經(jīng)網(wǎng)絡(luò)識(shí)別出的最佳組合字符，使用模糊學(xué)習(xí)向量量化（FLVQ）算法對筆畫的結(jié)尾標(biāo)志進(jìn)行分類，而其他標(biāo)志以使用描述簡單典型特征的模糊語意詞為特征，模糊規(guī)則用于預(yù)處理和后處理來規(guī)格化輸入和輸出，HMM應(yīng)用于模糊規(guī)則中，來識(shí)別基本形狀。[10]
（4）統(tǒng)計(jì)分類器。一般來說，統(tǒng)計(jì)分類器更可靠，但也更復(fù)雜，其要求大量數(shù)據(jù)來做訓(xùn)練。識(shí)別系統(tǒng)的訓(xùn)練過程根據(jù)的是自組織映射（SOM）和模糊k最近鄰算法（FKNNA）?；诮y(tǒng)計(jì)的方法，主要利用字符的整體形狀信息，把觀察對象表達(dá)為一個(gè)隨機(jī)向量（即特征向量），將模式類表達(dá)為有窮或無窮個(gè)具有相似數(shù)值特性的模式組成的集合。識(shí)別是從模式中提取一組特性的度量，構(gòu)成特征向量來表示模式，然后通過劃分特征空間的方式進(jìn)行分類。
3 結(jié)語
維吾爾語作為新疆維吾爾自治區(qū)的官方語言之一，目前手寫技術(shù)的發(fā)展仍然滯后，本文在中英文、阿拉伯文等手寫識(shí)別技術(shù)研究的基礎(chǔ)上，從維吾爾語言文字的結(jié)構(gòu)、構(gòu)詞特點(diǎn)和輸入習(xí)慣等特征出發(fā)，總結(jié)分析了黏著性語言對手寫輸入識(shí)別的影響，探討了實(shí)現(xiàn)維吾爾文手寫識(shí)別系統(tǒng)的過程和相關(guān)關(guān)鍵技術(shù)，以期通過對這些技術(shù)的分析、驗(yàn)證，實(shí)現(xiàn)具有實(shí)際應(yīng)用水平的維吾爾文手寫識(shí)別系統(tǒng)，為改善新疆地區(qū)人民使用電子設(shè)備的便利性作出一些貢獻(xiàn)。
參考文獻(xiàn)
[1] 萬芳.聯(lián)機(jī)手寫維吾爾文字識(shí)別技術(shù)的研究與實(shí)現(xiàn).新疆大學(xué)碩士學(xué)位論文，2007.
[2] 阿力木江.亞森，哈力木拉提.買買提.維吾爾文聯(lián)機(jī)手寫識(shí)別的預(yù)處理和特征提取.新疆大學(xué)學(xué)報(bào)，2011.
[3] 瑪依熱.依布拉音.聯(lián)機(jī)手寫維吾爾文字母與單詞識(shí)別研究.武漢大學(xué)博士學(xué)位論文，2013.5.
[4] 袁保社，吾守爾.斯拉木.一種手寫維吾爾文字母識(shí)別算法.計(jì)算機(jī)工程，2010.
[5] Mahmoud， Sabri A.； Ahmad， Irfan； Al-Khati， Wasfi G. KHATT： An open Arabic offline handwritten text database. Pattern Recognition .2014.
[6] 譚福秀.基于移動(dòng)平臺(tái)的聯(lián)機(jī)手寫維吾爾文識(shí)別.西安電子科技大學(xué)碩士學(xué)位論文，2011.
[7] 戴笑來.基于移動(dòng)平臺(tái)的聯(lián)機(jī)手寫維吾爾文單字符及單詞識(shí)別.西安電子科技大學(xué)碩士學(xué)位論文，2012.
[8] 姜文.維吾爾文單字符Gabor特征提取與識(shí)別.西安電子科技大學(xué)碩士學(xué)位論文，2012.
中圖分類號：G642
0 引 言
模式識(shí)別是信息與通信工程、計(jì)算機(jī)技術(shù)、控制科學(xué)與技術(shù)等學(xué)科的一門專業(yè)基礎(chǔ)課程，理論性和實(shí)踐性都非常強(qiáng)[1]。該課程能夠提高學(xué)生智能信息處理水平和工程實(shí)踐能力，為日后從事智能識(shí)別、工業(yè)檢測、醫(yī)學(xué)診斷等工作打下必要的知識(shí)基礎(chǔ)，受到眾多具有相關(guān)專業(yè)高校和研究所的重視[2-4]。
1 傳統(tǒng)授課過程中存在的問題
1.1 教學(xué)方法單一
在前期教學(xué)中，全部內(nèi)容均采用傳統(tǒng)的精講形式授課，即由教師講解，學(xué)生聽課，課后完成作業(yè)的形式。這種教學(xué)方式使學(xué)生嚴(yán)重依賴于教師對課程內(nèi)容的安排，造成學(xué)生僅僅是被動(dòng)接受知識(shí)，缺乏思考的積極性和主動(dòng)性。
1.2 授課內(nèi)容缺少對最新研究成果的介紹
近年來，模式識(shí)別課程所涉及的知識(shí)和方法發(fā)展得非常迅速，尤其是深度學(xué)習(xí)技術(shù)的迅速發(fā)展，使各類新型的識(shí)別系統(tǒng)大量出現(xiàn)并成功應(yīng)用于日常生活的很多方面。教材內(nèi)容在反映這些新興技術(shù)方面難免有一些滯后，這類新技術(shù)、新方法在前期的授課內(nèi)容中并沒有涉及和體現(xiàn)，使學(xué)生不能及時(shí)了解和掌握最新研究成果的進(jìn)展。
1.3 對創(chuàng)新能力的培養(yǎng)缺乏有效方法
模式識(shí)別是一門具有鮮明創(chuàng)新性的課程，內(nèi)容涉及大量的經(jīng)典算法和解決問題的巧妙思路，是體現(xiàn)人類創(chuàng)新性思維的絕佳案例。學(xué)生在學(xué)完這門課后，應(yīng)當(dāng)在創(chuàng)新思維方面具有很大的啟發(fā)，并能在以后的科研活動(dòng)中有所體現(xiàn)。如何通過這門課程對學(xué)生的創(chuàng)新性進(jìn)行培養(yǎng)，在前期的教學(xué)中未能很好地實(shí)現(xiàn)這一目的。
1.4 對學(xué)生的評價(jià)不夠全面
盡管這門課理論性和實(shí)踐性都非常強(qiáng)，但在前期教學(xué)中，對學(xué)生的考核僅僅是在課程結(jié)束后進(jìn)行閉卷答題，試卷內(nèi)容主要是對一些基本概念和基本方法的考核，對其中所涉及的需要編程實(shí)現(xiàn)的內(nèi)容無法呈現(xiàn)，同時(shí)也缺少對學(xué)生獨(dú)立思考能力方面的檢測，導(dǎo)致評價(jià)不夠全面。
2 基于研究前沿牽引的創(chuàng)新能力培養(yǎng)教學(xué)模式改革思路
基于研究前沿牽引的創(chuàng)新能力培養(yǎng)教學(xué)模式是根據(jù)課程特點(diǎn)，結(jié)合模式識(shí)別領(lǐng)域中的最新研究熱點(diǎn)問題，專注于學(xué)員創(chuàng)新能力的培養(yǎng)，為學(xué)員獨(dú)立開展學(xué)位論文的研究工作打下良好基礎(chǔ)。
該模式采取如下思路：①仔細(xì)確定課程教學(xué)內(nèi)容，全面打牢基本理論功底；②積極引入研究領(lǐng)域的前沿知識(shí)；③精選教材中的經(jīng)典算法，在實(shí)現(xiàn)基本算法的基礎(chǔ)上提出改進(jìn)創(chuàng)新思路。
通過這一教學(xué)改革模式，使學(xué)生在具備扎實(shí)理論功底的基礎(chǔ)上，以研究領(lǐng)域的前沿問題為牽引，引導(dǎo)學(xué)生實(shí)現(xiàn)基本算法的改進(jìn)，最終實(shí)現(xiàn)創(chuàng)新能力的提升。
3 教學(xué)模式改革的具體措施
3.1 全面打牢基本理論功底
堅(jiān)實(shí)的理論功底是進(jìn)行創(chuàng)新的前提，是進(jìn)一步學(xué)習(xí)研究的基礎(chǔ)。仔細(xì)確定課程教學(xué)內(nèi)容，選擇好的教材和參考書是打牢理論功底的重要途徑。在模式識(shí)別課程教學(xué)中，清華大學(xué)張學(xué)工教授編寫的《模式識(shí)別》第三版國家精品課程教材[5]，全面系統(tǒng)地講解了模式識(shí)別領(lǐng)域的基本概念和方法，并引入近年來較新的理論，內(nèi)容深入淺出，是一本很好的教材；配合這本教材的學(xué)習(xí)，為學(xué)生提供3本重要的參考書，分別是Bishop[6]編著的《Pattern Recognition and Machine Learning》，Duda[7]等編著的《Pattern Classification》（第2版）以及2016年南京大學(xué)周志華教授編著的《機(jī)器學(xué)習(xí)》[8]等書，這些參考書與教材內(nèi)容能夠很好地相互補(bǔ)充，既發(fā)掘了課程內(nèi)容的深度，又拓展了課程學(xué)習(xí)的廣度。
3.2 積極引入研究領(lǐng)域前沿
在教學(xué)過程中，如果能將所學(xué)習(xí)的基本理論與當(dāng)前學(xué)術(shù)界正在研究的前沿問題結(jié)合起來進(jìn)行講解，將會(huì)使學(xué)生在學(xué)會(huì)基本理論的基礎(chǔ)上，了解和掌握這些理論在實(shí)際研究中是如何應(yīng)用的，從而為學(xué)生在后續(xù)工作中提供良好的研究思路，這是在實(shí)施“基于研究前沿牽引的創(chuàng)新能力培養(yǎng)教學(xué)模式”中的一項(xiàng)重要措施。筆者在所研究領(lǐng)域中抽取了6類目前研究的熱點(diǎn)問題，將其中所使用的重要方法與課程內(nèi)容結(jié)合起來，通過課前提供參考資料、課中研討和課后總結(jié)的方式，有意識(shí)地培養(yǎng)學(xué)生的創(chuàng)新能力，取得了不錯(cuò)的效果。這也為改進(jìn)傳統(tǒng)教學(xué)中對學(xué)生創(chuàng)新能力培養(yǎng)缺乏有效方法的不足提供了一種思路。
抽取的6類研究熱點(diǎn)問題分別是：①背景重構(gòu)技術(shù)；②圖像檢索技術(shù)；③魯棒特征選擇技術(shù)；④人臉識(shí)別技術(shù)；⑤車輛牌照識(shí)別；⑥生物特征識(shí)別等。其中，在完成參數(shù)和非參數(shù)概率密度估計(jì)的教學(xué)之后，學(xué)生對這兩類概率密度估計(jì)方法的理解有一定難度，尤其是對這兩類方法的應(yīng)用感覺很抽象，而經(jīng)典的背景重構(gòu)技術(shù)中，恰好有這兩類方法應(yīng)用的生動(dòng)實(shí)例。這兩類方法在背景重構(gòu)技術(shù)中還在繼續(xù)發(fā)展，非常適合用于研討，背景重構(gòu)技術(shù)的引入一方面使?W生掌握了參數(shù)和非參數(shù)概率密度估計(jì)的方法，另一方面使學(xué)生明白如何將所學(xué)理論與需要解決的實(shí)際問題很好地聯(lián)系起來，從而為學(xué)生提供一個(gè)提升創(chuàng)新能力的例子。特征的選擇和提取是模式識(shí)別中的難點(diǎn)問題，大量的模式識(shí)別難題都是因?yàn)樘卣麟y以表述而引起的，因此，我們?yōu)閷W(xué)生提供了更多的研討內(nèi)容，如圖像檢索技術(shù)向?qū)W生展示怎樣利用目標(biāo)的原始信息去構(gòu)造特征；魯棒特征選擇技術(shù)向?qū)W生展示怎樣采用一定的處理方法去發(fā)現(xiàn)更好的特征表達(dá)；在學(xué)習(xí)PCA 方法后，我們對基于這一基礎(chǔ)方法的人臉識(shí)別算法進(jìn)行研討；而對模式識(shí)別系統(tǒng)的進(jìn)一步認(rèn)識(shí)則是通過車輛牌照識(shí)別和生物特征識(shí)別的研討加深理解。在教學(xué)過程中，我們還積極介紹諸如遺傳算法、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等模式識(shí)別領(lǐng)域中方法的最新研究進(jìn)展情況。
3.3 精選經(jīng)典算法改進(jìn)創(chuàng)新
模式識(shí)別課程的實(shí)踐性非常強(qiáng)，而實(shí)踐能更好地推動(dòng)創(chuàng)新。我們從教材中選取3種基本算法，以大作業(yè)（Project）的形式布置給學(xué)生在課后進(jìn)行編程實(shí)現(xiàn)，并要求在最后一次報(bào)告課中進(jìn)行算法的現(xiàn)場展示。選取的3種基本算法分別是：①基本Parzen窗法的設(shè)計(jì)與實(shí)現(xiàn)；②Otsu方法（大津法）的設(shè)計(jì)與實(shí)現(xiàn)；③基本C-均值算法的設(shè)計(jì)與實(shí)現(xiàn)。對這3種算法要求首先實(shí)現(xiàn)基本算法，其次，為了更好地引導(dǎo)學(xué)生發(fā)揮主動(dòng)性和創(chuàng)造性，要求在實(shí)現(xiàn)基本算法的基礎(chǔ)上，對Parzen窗法需要選取不同的核函數(shù)，并嘗試參數(shù)的自適應(yīng)處理；對Otsu方法需要考慮如何利用Fisher思想對原始算法進(jìn)行改進(jìn)；對基本C-均值算法需要考慮如何更好地進(jìn)行初始化等。
也就是說，要求學(xué)生不僅實(shí)現(xiàn)基本算法，還需要考慮對基本算法的改進(jìn)。更進(jìn)一步要求學(xué)生在實(shí)現(xiàn)基本算法并改進(jìn)的基礎(chǔ)上撰寫課程論文，從而通過具體的手段實(shí)現(xiàn)對創(chuàng)新能力的初步引導(dǎo)和培養(yǎng)。采用這種方法有不少學(xué)生在課程結(jié)束后將所撰寫的在了核心期刊上。
3.4 采用多種方式實(shí)施教學(xué)
與傳統(tǒng)的教師在課堂上從頭到尾唱獨(dú)角戲不同，我們對課程教學(xué)采取了3種授課方式：精講、研討和報(bào)告課。本門課一共設(shè)置40學(xué)時(shí)，課時(shí)分配是精講課26學(xué)時(shí)，研討課12學(xué)時(shí)，報(bào)告課2學(xué)時(shí)。精講課是采用傳統(tǒng)方式對基本理論和基本方法進(jìn)行詳細(xì)講解；研討課是將研究前沿和研究熱點(diǎn)與所講解的基本理論與方法結(jié)合起來，由學(xué)生組織研討，教師在課堂上起維持秩序和引導(dǎo)作用；報(bào)告課雖然只有2個(gè)學(xué)時(shí)，但是“功夫在詩外”――平時(shí)的大量工作要在短短的時(shí)間內(nèi)展示匯報(bào)完，所布置的3個(gè)大作業(yè)的結(jié)果展示和撰寫的論文都需要在報(bào)告課上逐人進(jìn)行演示報(bào)告，這次課在教學(xué)過程中學(xué)生表現(xiàn)最為積極踴躍。
多種授課方式有效地改變了以往教師講、學(xué)生被動(dòng)聽的局面，學(xué)生學(xué)習(xí)的積極性和主動(dòng)性明顯增強(qiáng)。同時(shí)，為了適應(yīng)教學(xué)方式的改變，在考核方式上也采取多種形式，學(xué)生的評價(jià)由大作業(yè)成績、小論文成績、平時(shí)研討成績和閉卷考試成績綜合評定，從而能更全面地反映學(xué)生對知識(shí)的掌握和理解的程度。
3.5 撰寫指導(dǎo)材料輔助學(xué)生
為了有效地指導(dǎo)學(xué)生開展研討以及順利完成大作業(yè)，我們還編寫了模式識(shí)別研討與實(shí)驗(yàn)指導(dǎo)手冊。該手冊內(nèi)容分為兩個(gè)部分，第一部分是研討課指導(dǎo)，第二部分是編程作業(yè)。第一部分內(nèi)容包括6次研討課，在對相關(guān)理論基礎(chǔ)和研討內(nèi)容進(jìn)行介紹之后，列出討論要點(diǎn)，學(xué)生圍繞討論要點(diǎn)進(jìn)行重點(diǎn)思考，同時(shí)我??還提供10篇左右的參考文獻(xiàn)指導(dǎo)學(xué)生進(jìn)行閱讀和準(zhǔn)備；第二部分內(nèi)容包括3次編程作業(yè)，給出的算法編程任務(wù)需要學(xué)生在掌握基本理論的基礎(chǔ)上獨(dú)立完成。
4 結(jié) 語
關(guān)鍵詞：車牌識(shí)別，聯(lián)合編程，多特征，灰度二值化，傾斜矯正
0 前言
車牌是機(jī)動(dòng)車唯一的管理標(biāo)識(shí)符號，車牌識(shí)別是智能化交通系統(tǒng)中的核心技術(shù)[1]。目前，小轎車數(shù)量大大增加，如何設(shè)計(jì)一種適合校園使用的車牌識(shí)別系統(tǒng)成為研究的熱點(diǎn)。
1 校園車牌識(shí)別系統(tǒng)中的困難
一般的車牌識(shí)別系統(tǒng)，往往需要高速攝相機(jī)、采集卡、高性能計(jì)算機(jī)和設(shè)計(jì)比較復(fù)雜的軟件，造價(jià)較高。能不能通過常規(guī)的攝像頭等低廉的硬件，配合簡化識(shí)別流程的快速識(shí)別系統(tǒng)實(shí)現(xiàn)校園車牌識(shí)別系統(tǒng)呢？筆者對此進(jìn)行了研究。
2 校園車牌快速識(shí)別系統(tǒng)的思路
實(shí)際上，校園中的車牌識(shí)別是有一定特點(diǎn)的。首先，校園中的車輛主要為小轎車傾斜矯正，也就是具有藍(lán)底白字的特征[2]。其次，這些車牌的長寬比是固定的，沒有邊框的為4.5，有邊框的為2.7。再次，車牌中含有類字符區(qū)，即橫向區(qū)域灰度有明顯波峰波谷變化[3]。另外，與高速公路上的汽車不同，校園中的小轎車行駛的速度較慢，普通攝像頭完全能滿足應(yīng)用需求。綜合這些特點(diǎn)，可以設(shè)計(jì)出步驟簡化、成本低廉的識(shí)別系統(tǒng)。
3 校園車牌識(shí)別系統(tǒng)的設(shè)計(jì)流程
基于多特征的校園車牌快速識(shí)別系統(tǒng)的硬件部分為普通的攝像頭和計(jì)算機(jī)，而軟件部分采用在圖像處理上具有獨(dú)特優(yōu)勢的Matlab和擅長界面的C#聯(lián)合編程實(shí)現(xiàn)。一般來說，車牌識(shí)別包括車牌定位、車牌字符分割和車牌字符識(shí)別等步驟，但實(shí)際上，攝像頭獲取到的車牌的角度并不標(biāo)準(zhǔn)，因此，還需要進(jìn)行矯正。因此，其設(shè)計(jì)流程如如1所示。
圖1 系統(tǒng)的設(shè)計(jì)流程
4 校園車牌識(shí)別系統(tǒng)的實(shí)現(xiàn)
4.1 車牌快速定位
首先，通過對藍(lán)底白字車牌的特征傾斜矯正，可以實(shí)現(xiàn)快速定位。根據(jù)經(jīng)驗(yàn)，采用如下公式能非?？焖俚恼业杰嚺疲?/p>
Blue>80&Blue>Green*1.9&Green>Red
輸入圖片和定位后的效果如圖2所示。
圖2 輸入照片和定位后的圖片
4.2圖像灰度二值化
彩色圖像信息量較大，極大影響計(jì)算的速度[4]。因此，應(yīng)把圖像轉(zhuǎn)換為灰度圖像。在Matlab中，采用rgb2gray命令[5]，即可將彩色圖像快速轉(zhuǎn)換為灰度圖像，效果如圖3所示。
圖3 圖像灰度二值化
4.3車牌傾斜矯正
由于拍攝條件的多樣性和實(shí)際情況的差異性,攝像頭采集到的圖像質(zhì)量不一樣,車牌圖像難免存在傾斜,給后面的字符分割帶來困難,進(jìn)而影響到字符識(shí)別的準(zhǔn)確率。因此需要進(jìn)行車牌傾斜矯正。
一般來說，可以采用radon變換或Hough變換[6]。例如，采用sobel邊緣檢測算子對圖3進(jìn)行radon變換，即可實(shí)現(xiàn)快速矯正：
[R,P]=radon(I,theta);
[K,J]=find(R>=max(max(R)));
I=imrotate(I, 90-J);
效果如圖4所示。
圖4矯正后圖像
4.4字符分割和字符提取
完成定位、矯正后，可以采用垂直投影法、連通區(qū)域法和靜態(tài)邊界法等方法實(shí)現(xiàn)字符分割和字符提取[7]。最后，利用神經(jīng)網(wǎng)絡(luò)、PSO算法等技術(shù)，將提取到的字符和字庫中存放的模板進(jìn)行比較分析，即可獲得最終的結(jié)果[8]。
4.5聯(lián)合編程
雖然Matlab在圖像處理方面具有無可比擬的優(yōu)點(diǎn)，但是其GUI設(shè)計(jì)、網(wǎng)絡(luò)通信、數(shù)據(jù)庫交互等方面的能力不足，因此本系統(tǒng)采用了微軟的旗艦語言C#進(jìn)行設(shè)計(jì)架構(gòu)、調(diào)用Matlab子函數(shù)的思路。
首先，在Matlab中設(shè)計(jì)好各個(gè)圖像處理的子函數(shù)。然后，用deploytool對子函數(shù)創(chuàng)建NET類型的工程傾斜矯正，編譯好相應(yīng)的動(dòng)態(tài)鏈接庫文件(dll)。最后，在Visual Studio 2010中引用MWArray.dll后，即可正確調(diào)用Matlab圖像處理的功能了。其核心程序如下：
using bao;
usingMathWorks.MATLAB.NET.Utility;
usingMathWorks.MATLAB.NET.Arrays;
bao.LPR carPic = newbao.LPR );
carPic.identify(image);
該系統(tǒng)對某大學(xué)校園中抓拍的一百多張小車圖片進(jìn)行了識(shí)別，效果良好。
5 結(jié)束語
根據(jù)校園車牌的多種特征，利用Matlab和C#聯(lián)合編程，通過快速定位、灰度二值化、傾斜矯正、字符分割和字符提取步驟，實(shí)現(xiàn)校園車牌識(shí)別系統(tǒng)，大大簡化識(shí)別流程，減低成本，提高了識(shí)別的速度和準(zhǔn)確率。
參考文獻(xiàn)
[1]陳銀燕.車牌識(shí)別算法的研究與實(shí)現(xiàn)[D].優(yōu)秀碩士論文,哈爾濱理工大學(xué),2008:1-5.
[2]魏先民.藍(lán)底白字汽車牌照的定位方法[J].福建電腦,2006,(04):160-161.
[3]馮偉興.汽車牌照定位及車號識(shí)別技術(shù)研究[D].哈爾濱工程大學(xué),2005:12-13.
[4]龐茂群,鄧開發(fā).一種基于灰度圖像的車牌定位方法[J].計(jì)算機(jī)工程與科學(xué),2009,31(10):39-41.
[5]王嘉梅,蘇紅,陸高等.基于圖像分割的靜止圖像車牌識(shí)別系統(tǒng)研究[J].云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版),2005,14(1):75-77.
[6]林俊,楊峰,林凱.一種利用Hough變換和先驗(yàn)知識(shí)的車牌識(shí)別新方法[J]. 信息化縱橫,2009,(17):23-25.
[7]Sang U k Lee,Seok YookChung.A Comparative Performance Study of Several Global Thresholding Techniquesfor Segmentation[J].Computer Vision,
Graphics,and ImageUnderstanding.1990,50(2):17-19.
關(guān)鍵詞：識(shí)別和跟蹤，Netfilter防火墻框架，深度包檢測技術(shù)，協(xié)議分析
1.引言
非法語音業(yè)務(wù)的出現(xiàn)，不僅擠占了正常帶寬，導(dǎo)致語音業(yè)務(wù)收入大幅度降低，同時(shí)通信質(zhì)量也得不到有效保證，影響了用戶的利益。基于上述原因，語音系統(tǒng)的信息過濾與分析就具有十分重要的意義，迫切需要一種能有效識(shí)別應(yīng)用和跟蹤的方案。本系統(tǒng)是根據(jù)網(wǎng)絡(luò)正常行為而進(jìn)行設(shè)計(jì)的，可有效監(jiān)測到語音信號的通信，在保障網(wǎng)絡(luò)安全上起到了重要的作用。論文參考網(wǎng)。
2. 系統(tǒng)開發(fā)平臺(tái)
此系統(tǒng)是在Linux操作系統(tǒng)下進(jìn)行開發(fā)，主要用到Linux2.6內(nèi)核版本[1]操作系統(tǒng)本身所帶的Netfilter防火墻框架[2]。由于Linux操作系統(tǒng)具有穩(wěn)定、靈活的特點(diǎn)以及其提供的優(yōu)秀防火墻框架，用戶可以根據(jù)自己的實(shí)際需要，將防火墻設(shè)計(jì)的一般理論和方法與自己系統(tǒng)的具體情況相結(jié)合，設(shè)計(jì)出新的可實(shí)用的安全防護(hù)系統(tǒng)。
3. 采用方法
在眾多的網(wǎng)絡(luò)安全技術(shù)中，防火墻使用最為廣泛，其中最為關(guān)鍵的技術(shù)包括數(shù)據(jù)包的捕獲、數(shù)據(jù)包的過濾、歷史記錄的存儲(chǔ)。隨著技術(shù)的發(fā)展和要求的提高，防火墻在被大眾接受的同時(shí)也顯露出不足。近幾年來，深度包檢測技術(shù)和協(xié)議分析技術(shù)的出現(xiàn)使得網(wǎng)絡(luò)分析更加準(zhǔn)確、有效。
3.1深度包檢測技術(shù)
深度包檢測技術(shù)[3]是包過濾技術(shù)的深入，所謂深度是和普通的報(bào)文解析技術(shù)比較而言的，普通報(bào)文檢測僅能分析出數(shù)據(jù)包中簡單的信息，而它除了對前面的層次進(jìn)行分析外，還增加了應(yīng)用層分析，能夠識(shí)別各種應(yīng)用及其內(nèi)容，具有漏檢率低、防御能力強(qiáng)的特點(diǎn)。
3.2協(xié)議分析技術(shù)
協(xié)議分析技術(shù)[4]需要對每一種協(xié)議(主要是應(yīng)用層協(xié)議)編寫一段協(xié)議檢測的代碼，例如HTTP協(xié)議分析模塊主要對HTTP進(jìn)行解碼分析，并檢測對WEB服務(wù)器的攻擊。雖然不同的協(xié)議有不同的分析代碼，但它們都遵照相同的檢測思路——將報(bào)文分解成域，然后對每一個(gè)域進(jìn)行檢查，與預(yù)期的值進(jìn)行比較，若有異常則發(fā)出警報(bào)。
下面通過一個(gè)具體的例子闡述基于協(xié)議分析的系統(tǒng)是如何進(jìn)行入侵檢測的，假設(shè)系統(tǒng)要檢測一個(gè)HTTP協(xié)議包中是否包含/hidden/admin/，如果存在則認(rèn)為是一次入侵攻擊，檢測過程如下：
（1）解碼IP包頭文件，確定IP包有效負(fù)載所包含的協(xié)議；
（2）如果是TCP包，則解碼TCP頭文件，尋找TCP的目的端口；
（3）如果端口為80，即這是一個(gè)HTTP協(xié)議包，則根據(jù)HTTP協(xié)議規(guī)則分析HTTP包中所有的成分，從中提取出URL路徑；
（4）對URL路徑進(jìn)行處理，避免路徑欺騙；
（5）查找是否存在與 “/hidden/admin/”一致的路徑，如果存在則向系統(tǒng)發(fā)出警報(bào)。
從上面可以看出，運(yùn)用字符串特征識(shí)別，就能很準(zhǔn)確地判斷出數(shù)據(jù)包是否滿足我們所設(shè)定的條件，如果是，則按照預(yù)先設(shè)定的規(guī)則進(jìn)行處理。
4. 系統(tǒng)研究及設(shè)計(jì)
識(shí)別和跟蹤系統(tǒng)的設(shè)計(jì)主要分成三部分，首先是對語音類應(yīng)用的協(xié)議進(jìn)行分析，歸納出協(xié)議中的特征字，編寫出能識(shí)別該協(xié)議的正則表達(dá)式[5]，使用Netfilter中的L7-filter模塊，運(yùn)用正則表達(dá)式對協(xié)議進(jìn)行識(shí)別，并通過數(shù)據(jù)包過濾情況進(jìn)行驗(yàn)證；使用iptables的ULOG日志記錄、MySql數(shù)據(jù)庫，通過監(jiān)測數(shù)據(jù)流的狀態(tài)，對應(yīng)用行為的過程進(jìn)行跟蹤；通過分析數(shù)據(jù)庫中的日志記錄，可以對應(yīng)用行為進(jìn)行統(tǒng)計(jì)和控制。論文參考網(wǎng)。
4.1語音聊天識(shí)別模塊設(shè)計(jì)
語音聊天時(shí)會(huì)在數(shù)據(jù)包中表現(xiàn)出一些特定的規(guī)則，這些規(guī)則可以由正則表達(dá)式進(jìn)行描述。安裝L7-filter并編譯內(nèi)核[6]，使用iptables工具進(jìn)行添加、刪除、編輯過濾規(guī)則，利用規(guī)則操作數(shù)據(jù)包并將過濾包的詳細(xì)信息記錄到系統(tǒng)日志文件中，日志記錄在/var/log/messenges中。由于該框架運(yùn)行在服務(wù)器網(wǎng)關(guān)，服務(wù)器需要對流經(jīng)系統(tǒng)的所有數(shù)據(jù)包進(jìn)行檢測，這樣將規(guī)則定義在PREROUTING鏈上最為合適，識(shí)別模塊的流程如圖1所示：
圖1 語音聊天識(shí)別模塊設(shè)計(jì)流程
我們以語音聊天工具qq為例，具體的實(shí)現(xiàn)命令如下：
iptables–F //清空所有鏈表
iptables –tmangle –I PREROUTING –m layer7 –l7proto qqtalk -j LOG --log–prefix“qqtalk” //允許符合正則表達(dá)式qqtalk的數(shù)據(jù)包進(jìn)入系統(tǒng)并在日志文件中以“qqtalk” 標(biāo)識(shí)
iptables –tmangle –L –v //查看數(shù)據(jù)包匹配情況
日志文件messages中記錄了iptables匹配數(shù)據(jù)包的結(jié)果，通過查看日志文件，可以清楚的看到所匹配數(shù)據(jù)包的記錄情況。
4.2語音聊天跟蹤模塊設(shè)計(jì)
協(xié)議跟蹤就是跟蹤應(yīng)用中關(guān)鍵事件動(dòng)作的發(fā)生，通過數(shù)據(jù)庫顯示出來，Netfilter本身自帶了五個(gè)鏈用于存儲(chǔ)規(guī)則，但我們可以創(chuàng)建新的單獨(dú)鏈對各種協(xié)議進(jìn)行處理，這樣做可以更具有針對性，而且也不復(fù)雜。我們以語音聊天工具qq為例，新建一條qqtalk規(guī)則鏈的命令為：
iptables –Nqqtalkchain
將匹配qqtalk正則表達(dá)式的數(shù)據(jù)包轉(zhuǎn)發(fā)到新建的qqtalkchain規(guī)則鏈：
iptables –IFORWARD –m layer7 –l7proto qqtalk –j qqtalkchain
研究應(yīng)用通信過程可以看到，在關(guān)鍵事件發(fā)生時(shí)，一般都伴隨著某些特征字的出現(xiàn)，例如qq發(fā)起語音聊天時(shí)出現(xiàn)的“INVITE”，取消時(shí)出現(xiàn)的“CANCEL”等，這就需要用到iptables中的string模塊，使用字符串匹配的命令為：
iptables –tmangle –m string -algo kmp --string “CANCEL” -j ULOG --ulog –prefix “cancel”
5. 實(shí)驗(yàn)環(huán)境搭建及測試
5.1實(shí)驗(yàn)環(huán)境搭建
本實(shí)驗(yàn)將語音類應(yīng)用識(shí)別與跟蹤系統(tǒng)部署在雙網(wǎng)卡服務(wù)器上，該主機(jī)用eth0作為外部網(wǎng)絡(luò)接口，與學(xué)校網(wǎng)絡(luò)相連；用eth1作為本地局域網(wǎng)的網(wǎng)關(guān)地址。客戶機(jī)運(yùn)行語音聊天軟件和抓包軟件Wireshark。服務(wù)器和客戶機(jī)的環(huán)境配置見表1：
表1 測試環(huán)境配置
關(guān)鍵詞：自然語言處理 語言翻譯 人工智能
一、引言
近年來隨著計(jì)算機(jī)技術(shù)和人工智能的快速發(fā)展，自然語言信息處理技術(shù)已取得了長足的發(fā)展。于此同時(shí)人們在快速信息檢索、語言翻譯、語音控制等方面的需求越來越迫切。如何將自然語言處理中取得的研究成果應(yīng)用于文本、語音等方面已成為目前應(yīng)用研究的一個(gè)關(guān)鍵。論文將從自然語言信息處理的基礎(chǔ)出發(fā)，系統(tǒng)的論述它在語音和文本方面的廣泛應(yīng)用。
二、自然語言信息處理技術(shù)簡介
自然語言信息處理技術(shù)產(chǎn)生于上個(gè)世紀(jì)40年代末期，它是通過采用計(jì)算機(jī)技術(shù)來對自然語言進(jìn)行加工處理的一項(xiàng)技術(shù)。該技術(shù)主要是為了方便人與計(jì)算機(jī)之間的交流而產(chǎn)生的。由于計(jì)算機(jī)嚴(yán)密規(guī)范的邏輯特性與自然語言的靈活多變使得自然語言處理技術(shù)較復(fù)雜。通過多年的發(fā)展，該項(xiàng)技術(shù)已取得了巨大的進(jìn)步。其處理過程可歸納為：語言形式化描述、處理算法設(shè)計(jì)、處理算法實(shí)現(xiàn)和評估。其中，語言形式化描述就是通過對自然語言自身規(guī)律進(jìn)行研究，進(jìn)而采用數(shù)學(xué)的方法將其描述出來，以便于計(jì)算機(jī)處理，也可認(rèn)為是對自然語言進(jìn)行數(shù)學(xué)建模。處理的算法設(shè)計(jì)就是將數(shù)學(xué)形式化描述的語言變換為計(jì)算機(jī)可操作、控制的對象。處理算法實(shí)現(xiàn)和評估就是通過程序設(shè)計(jì)語言（如C語言）將算法實(shí)現(xiàn)出來，并對其性能和功能進(jìn)行評估。它主要涉及到計(jì)算機(jī)技術(shù)、數(shù)學(xué)（主要是建模）、統(tǒng)計(jì)學(xué)、語言學(xué)等多個(gè)方面。
三、智能應(yīng)用
通過多年的研究，自然語言信息處理技術(shù)已經(jīng)取得了巨大的進(jìn)步，特別是在應(yīng)用方面。它主要被應(yīng)用于文本和語音兩個(gè)方面。
（一）自然語言信息處理在文本方面的智能應(yīng)用
在文本方面，自然語言處理技術(shù)主要應(yīng)用在語言翻譯、字符識(shí)別、文本信息過濾、信息檢索與重組等方面。其中，語言自動(dòng)翻譯是一個(gè)十分重要并具有極大現(xiàn)實(shí)意義的項(xiàng)目。它涉及到計(jì)算機(jī)技術(shù)、數(shù)學(xué)建模技術(shù)、心理學(xué)以及語言學(xué)等多個(gè)方面的學(xué)科。通過近些年的努力已得到了一定的發(fā)展。自然語言處理技術(shù)已在多個(gè)方面提升了翻譯的效率和準(zhǔn)確性。如自然語言處理中的語言形態(tài)分析與歧義分析對翻譯技術(shù)來說十分重要，可以很好的處理翻譯中的多意現(xiàn)象和歧義問題，從而提高翻譯的準(zhǔn)確性。字符識(shí)別具有廣泛的商業(yè)應(yīng)用前景，它是模式識(shí)別的一個(gè)分支。字符識(shí)別的主要過程可分為預(yù)處理、識(shí)別以及后期處理。目前，字符識(shí)別已得到了廣泛的應(yīng)用，并且效果良好，但還存在識(shí)別不準(zhǔn)確的問題，其主要問題就出在合理性上，其中后期處理就涉及到采用詞義或語料庫等對識(shí)別結(jié)果進(jìn)行合理性驗(yàn)證，通過該技術(shù)就能很好的解決識(shí)別不準(zhǔn)確的問題，當(dāng)出現(xiàn)識(shí)別不準(zhǔn)確、出現(xiàn)多個(gè)識(shí)別結(jié)果時(shí)可以通過合理性驗(yàn)證技術(shù)高效的過濾掉異常選項(xiàng)，從而實(shí)現(xiàn)快速、準(zhǔn)確的識(shí)別。目前自然語言信息處理技術(shù)在文本方面應(yīng)用最廣的就是文本檢索。通過采用自然語言信息處理技術(shù)，一方面能快速分析用戶輸入信息并進(jìn)行準(zhǔn)確理解為檢索提供更加準(zhǔn)確的關(guān)鍵詞，并且可以擴(kuò)展檢索輸入的范圍，讓其不僅僅局限在文本輸入方面，如采用語音輸入或基于圖像的輸入；另一方面，通過采用自然語言信息處理技術(shù)可以對搜索到的信息進(jìn)行處理讓用戶獲取的是更加有效、準(zhǔn)確的信息而不是海量的信息源（如許多網(wǎng)頁）。因?yàn)閷⒆匀徽Z言處理技術(shù)與文本重組技術(shù)相結(jié)合就可以極大的提高檢索的效果，縮小答案的范圍，提高準(zhǔn)確性。當(dāng)然，還可以提高檢索的效率。目前，在中文全文檢索中已得到了廣泛的應(yīng)用，并且效果良好。
如果能進(jìn)一步的研究自然語言信息處理技術(shù)，將能實(shí)現(xiàn)信息的自動(dòng)獲取與重組，這樣將能實(shí)現(xiàn)自動(dòng)摘要生成、智能文本生成、文件自動(dòng)分類與自動(dòng)整理。若能進(jìn)一步結(jié)合人工智能技術(shù)，將能實(shí)現(xiàn)文學(xué)規(guī)律探索、自動(dòng)程序設(shè)計(jì)、智能決策等諸多方面的應(yīng)用。這樣可以減輕人類的工作強(qiáng)度，讓我們從繁瑣的基礎(chǔ)工作中走出來，擁有更多思考的時(shí)間，從而能更加有效的推動(dòng)技術(shù)的進(jìn)步。
本論文研究的是利用射頻識(shí)別技術(shù)將電子施封鎖應(yīng)用于電動(dòng)車防盜系統(tǒng)。該電子標(biāo)簽外殼與RFID芯片融為一體，在不影響現(xiàn)有施封鎖功能的前提下，通過巧妙的設(shè)計(jì)使標(biāo)簽外殼附著在施封鎖的一側(cè)。
【關(guān)鍵詞】射頻識(shí)別讀卡器RFID
1、引言
隨著科學(xué)技術(shù)的發(fā)展，電子標(biāo)簽―RFID在國內(nèi)外已被廣泛的使用，如為減少行李遺失事故的發(fā)生，國際航空運(yùn)輸協(xié)會(huì)積極鼓勵(lì)全球航空公司和機(jī)場，采用先進(jìn)的RFID技術(shù)處理乘客的行李。它能通過射頻信號自動(dòng)識(shí)別目標(biāo)對象并獲取相關(guān)數(shù)據(jù)，識(shí)別過程無須人工干預(yù)，能夠工作于各種惡劣環(huán)境之中，可用于高速運(yùn)動(dòng)目標(biāo)的識(shí)別及多個(gè)目標(biāo)的同時(shí)識(shí)別，操作快捷方便。由于具有高速移動(dòng)物體識(shí)別、多目標(biāo)識(shí)別和非接觸識(shí)別等特點(diǎn)，RFID技術(shù)顯示出巨大的發(fā)展?jié)摿εc應(yīng)用空間，被認(rèn)為是21世紀(jì)的最有發(fā)展前途的信息技術(shù)之一，曾被美《商業(yè)周刊》評為將掀起新產(chǎn)業(yè)浪潮的未來四大高技術(shù)之一。
RFID技術(shù)的應(yīng)用已趨成熟。在北美、歐洲、大洋洲、亞太地區(qū)及非洲南部都得到了相當(dāng)廣泛的應(yīng)用。目前國內(nèi)RFID的應(yīng)用已經(jīng)涉及到鐵路紅外軸溫探測系統(tǒng)的熱軸定位、軌道衡、超偏載檢測系統(tǒng)等。正在計(jì)劃推廣的應(yīng)用領(lǐng)域還有電子身份證、電子車牌、鐵路行包自動(dòng)追蹤管理等。
2、射頻技術(shù)
從信息傳遞的基本原理來說，射頻識(shí)別技術(shù)在低中高頻段基于變壓器藕合模型（初級與次級之間的能量傳遞及信號傳遞），在超高頻及微波頻段基于雷達(dá)探測目標(biāo)的空間藕合模型（雷達(dá)發(fā)射的電磁波信號碰到目標(biāo)后攜帶目標(biāo)信息返回雷達(dá)接收機(jī)）。射頻標(biāo)簽與讀卡器之間的電磁藕合包含兩種情況：一是電感耦合方式，是低、中、高頻段近距離非接觸射頻識(shí)別系統(tǒng)的基礎(chǔ)。在電感耦合方式中，讀卡器的天線相當(dāng)于變壓器的初級線圈，射頻標(biāo)簽的天線相當(dāng)于變壓器的次級，因而電感藕合方式也稱為變壓器方式。電感耦合方式通過空間磁場實(shí)現(xiàn)耦合，耦合磁場在讀卡器線圈（初級）與射頻標(biāo)簽線圈（次級）之間構(gòu)成閉合回路。二是電磁藕合方式，在電磁耦合方式中，讀卡器的天線將讀卡器產(chǎn)生的射頻信號以電磁波的方式定向發(fā)送到空間范圍內(nèi)，形成讀卡器的有效閱讀區(qū)域，位于讀卡器有效閱讀區(qū)域中的射頻標(biāo)簽從讀卡器天線發(fā)出的電磁場中提取工作電源，并通過射頻標(biāo)簽的內(nèi)部電路及標(biāo)簽天線將標(biāo)簽內(nèi)存的數(shù)據(jù)信息回傳到讀卡器。電磁耦合與電感藕合的差別在于電磁耦合方式中讀卡器將射頻信號以電磁波的形式發(fā)送出去；在電感藕合方式中，讀卡器將射頻信號束縛在讀卡器電感線圈的周圍，通過交變閉合的線圈磁場，形成讀卡器天線與射頻標(biāo)簽天線之間的射頻通道，而沒有向空間輻射電磁能量。電感耦合的RFID系統(tǒng)中，電子標(biāo)簽卡在天線上形成的接收信號的調(diào)制方式常采用副載波負(fù)載調(diào)制技術(shù)；電磁耦合的RFID系統(tǒng)中，電子標(biāo)簽卡在天線上形成的接收信號的調(diào)制方式常采用電磁波反向散射調(diào)制技術(shù)。
按照讀寫距離來劃分，RFID系統(tǒng)可分為接觸式和非接觸式，而非接觸式又分為近距離（密耦合）、中距離（遙耦合）和遠(yuǎn)距離。本論文中主要探討的是遙耦合，讀寫距離從1米到10多米甚至更遠(yuǎn)的RFID系統(tǒng)稱為遠(yuǎn)距離RFID系統(tǒng)。它是依靠電磁波在空間輻射形成空間電磁場，電子標(biāo)簽卡與讀寫器之間的通信方式類似雷達(dá)探測過程。工作時(shí)，射頻標(biāo)簽位于閱讀器天線輻射場的遠(yuǎn)場區(qū)內(nèi)，標(biāo)簽與閱讀器之間的耦合方式為電磁耦合方式。閱讀器天線一般為極化（線極化或圓極化）天線，并在空間形成一個(gè)輻射場為無源標(biāo)簽提供射頻能量。遠(yuǎn)距離RFID系統(tǒng)的工作頻段為860―960MHz、2.4GHz和5.8GHz等，目前大量應(yīng)用在車輛管理、碼頭集裝箱等大物件的流通領(lǐng)域。
3、RFID技術(shù)的應(yīng)用
本論文中的RFID技術(shù)是一種無線通信技術(shù)，可通過無線電訊號識(shí)別特定目標(biāo)并讀寫相關(guān)數(shù)據(jù)，而無需識(shí)別系統(tǒng)與特定目標(biāo)之間建立機(jī)械或光學(xué)接觸。它的工作原理是：無線電信號通過調(diào)成無線電頻率的電磁場，把數(shù)據(jù)從附在物品上的標(biāo)簽上傳送出去，以達(dá)到自動(dòng)辨識(shí)與追蹤該物品的目的。
目前大部分電動(dòng)車的防盜系統(tǒng)的防盜原理是：當(dāng)盜竊者觸碰電動(dòng)車時(shí)，車子自動(dòng)發(fā)出警報(bào)鳴笛。這種防盜系統(tǒng)根本發(fā)揮不了防盜的作用：一、車子經(jīng)常被非盜竊人員觸碰，導(dǎo)致大家弄不清楚警報(bào)聲到底是否是因?yàn)楸I竊所產(chǎn)生的。二、即便是盜竊所產(chǎn)生的警報(bào)，戶主也不能及時(shí)知道是有人在盜竊自己的車子。而本論文的構(gòu)想是：把RFID技術(shù)應(yīng)用在電動(dòng)車防盜系統(tǒng)中?；緲?gòu)思是：在電動(dòng)車的電瓶安裝處加裝施封鎖自動(dòng)識(shí)別裝置并在施封鎖的一側(cè)加上電子標(biāo)簽外殼與RFID芯片，只要是電瓶處或者機(jī)動(dòng)車開鎖處被解鎖，通過RFID的讀卡器，就會(huì)發(fā)出無線射頻信號，戶主手中的應(yīng)答器就會(huì)接收到報(bào)警系統(tǒng)的提示。
整個(gè)系統(tǒng)的組成是基于主動(dòng)射頻激活后的動(dòng)態(tài)識(shí)別系統(tǒng)，系統(tǒng)由電子施封鎖，125KHZ低頻激活系統(tǒng)，如圖1所示。
讀出裝置的電路由單片機(jī)控制模塊、射頻收發(fā)模塊、接口控制及125KHZ無線喚醒發(fā)射模塊、其中接口用于控制系統(tǒng)中射頻信號發(fā)射和接收。電子施封鎖的電路由單片機(jī)控制模塊、射頻收發(fā)模塊、125KHZ無線喚醒發(fā)射模塊、電源管理幾部分組成。
電子施封鎖的電路由單片機(jī)控制模塊、射頻收發(fā)模塊及無線喚醒電路、電源等四個(gè)部分組成。單片機(jī)用于控制射頻收發(fā)模塊和保存與電子施封鎖相關(guān)的信息；無線喚醒電路則在收到讀寫器發(fā)送的特定信號后產(chǎn)生一個(gè)中斷信號喚醒休眠的單片機(jī)和射頻收發(fā)模塊；射頻收發(fā)模塊則負(fù)責(zé)接收和發(fā)射讀寫器發(fā)送來的信號；電源電路控制電源的功耗，根據(jù)無線喚醒電路的指令及無線射頻的信號強(qiáng)度控制電源的消耗，及計(jì)算電源的容量及壽命管理，確保電源能長時(shí)間可靠的工作。
系統(tǒng)單片機(jī)控制模塊采用了NORDIC最新的無線和超低功耗技術(shù)，選擇用NRF24LE1控制芯片，在一個(gè)極小封裝中集成了包括2.4G無線傳輸，增強(qiáng)型51 FLASH高速單片機(jī)，豐富外設(shè)及接口等的單片F(xiàn)LASH芯片，是一個(gè)綜合了性能及成本的完美結(jié)合，很適合應(yīng)用于各種2.4G的產(chǎn)品設(shè)計(jì)。
讀寫器和電子施封鎖都有工作及休眠二種工作模式。由安裝在電動(dòng)車上的震動(dòng)傳感器感應(yīng)到電動(dòng)車震動(dòng)時(shí)，接口控制模塊發(fā)出讀寫指令，啟動(dòng)讀出裝置的射頻收發(fā)模塊工作，同時(shí)啟動(dòng)125KHZ無線喚醒發(fā)射模塊工作；電子施封鎖受到讀出裝置喚醒信號后啟動(dòng)工作，實(shí)現(xiàn)與讀出裝置的數(shù)據(jù)交換，完成一次完整的數(shù)據(jù)交換后，讀出裝置將讀取到的信息存在于單片機(jī)控制模塊中，并迅速將車載信息發(fā)送到車主手中的報(bào)警器。讀出裝置和電子施封鎖重新進(jìn)入低功耗休眠狀態(tài)，等待下一次的喚醒。
本論文中的電子施封鎖采用電池供電，而電池是一種消耗性的電源，工作時(shí)間短，為了延長車載卡的工作時(shí)間，需要進(jìn)行電源管理，以降低功耗。當(dāng)前大多數(shù)的電源管理方法采用一種周密設(shè)計(jì)的喚醒、休眠方法。但大多數(shù)情況下，喚醒周期的大部分時(shí)間是徒勞無用的， 消耗能量。本系統(tǒng)中采用一種無線觸發(fā)喚醒的電源管理方法，在這種方法中，車載卡進(jìn)入休眠模式后就會(huì)一直保持睡眠狀態(tài)，在讀寫器沒有發(fā)送出特定頻率的無線信號時(shí)，它是不會(huì)被喚醒的。當(dāng)然，這個(gè)特定頻率的無線信號會(huì)立即地喚醒休眠的電子施封鎖這樣，就節(jié)省了在喚醒前和監(jiān)測期間的電源消耗。
高安全性，芯片內(nèi)固化Gazell協(xié)議具有AES 128bit 高強(qiáng)度加密，確保數(shù)據(jù)傳輸?shù)陌踩煽浚坏凸拘?、高頻數(shù)據(jù)交換，避免了同頻干擾。喚醒脈沖通過特定頻率是125KHZ低頻發(fā)送，而數(shù)據(jù)通信采用另外的2.4G無線頻率傳送。一旦讀寫器與標(biāo)簽建立通信連接后，雙方便跳到由讀寫器指定的固定頻率上工作。這樣，即使電動(dòng)車或是整個(gè)停車場中其它電子施封鎖在無線通信范圍內(nèi)也不會(huì)被喚醒，避免了同頻干擾起到了抗干擾的作用。