物联网和嵌入式有什么关系？特点及特征介绍- 虽然嵌入式系统已经有30多年的历史，但是原来一直隐藏在背后的，自从物联网上升为国家战略后，嵌入式系统也从后台走到前台。本文主要介绍的是嵌入式与物联网之间的关系，其次介绍了嵌入式及物联网的特点及特征，具体的跟随小编来了解一下。
一种采用像素积分单元阵列结构的FPGA实现与性能分析-Adaboost 算法是Freund 和Schapire 于1995 年提出的，全称为Adaptive Boosting。它是 Boosting 算法的改进，意为该算法通过机器训练与学习不断自适应地调整假设的错误率，这 种灵活性使得Adaboost 算法很容易与实际应用联系起来。2001 年，微软研究院的P.Viola 提出了基于Haar 特征的Adaboost 算法，创造性地将积分图的概念引入到人脸检测的特征 计算当中，由于此算法使用了大量尺寸不一的矩形作用来表征人脸。并且该算法中用以检测 人脸的分类器是采用的级联结构，按照由弱到强的顺序组织的，其优点在于按照统计概率， 在图像检测的一开始就能够将大部分不包含人脸的区域排除在外，省去了后面计算负载更重 的检测步骤，以此达到检测速度提升的目的。经过实际测试，P3 700MHz 的处理器对352*288 的图像进行检测的速度为15 帧/秒。但是如果在嵌入式平台上运行的话
C到VHDL的编译器设计与实现详解-本文主要介绍了C到VHDL的编译器设计与实现，首先介绍了C与VHDL的语言特征，其次阐述了设计方案，最后介绍了转换过程及测试分析，具体的跟随小编一起来了解一下。
详解指纹传感器工作原理及提高匹配性能的方法-指纹识别过程同所有的生物体特征识别的过程类似，分为用户注册和特征匹配2个部分。首先，需要录入指纹图像，对获取的原始图像进行处理，包括图像增强、分割、细化、二值化等。
人脸识别技术原理、特点及应用-生物识别技术中的指纹识别已经广泛应用于智能手机，除了指纹识别，人脸、虹膜等技术也受到关注。其中，人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流 。 首先判断其是否存在人脸 ，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。
压力传感器的信号特征及误差分析-一般而言，在未经数字化处理之前的压力传感器，多会在产品的特性栏中描述迟滞（压力、温度）及线性度、温度系数等特征参数，而经过数字化处理后的压力传感器或者变送器，在描述输出信号特性的时候，大多不再描述这些参数指标，而是提供总体的测量精度等参数。
传感器是如何进行命名的-命名：由主题词加四级修饰语构成
①主题词——传感器
②第一级修饰语——被测量，包括修饰被测量的定语
③第二级修饰语——转换原理，一般可后续以“式”字
④第三级修饰语——特征描述，指必须强调的传感器结构、性能、材料特征、敏感元件及其它必要的性能特征，一般可后续以“型”字。
⑤第四级修饰语——主要技术指标（量程、精确度、灵敏度等）。
基于ARM的振动信号采集及文件存储系统, 引言在机械结构的振动过程中，许多微弱信号包含机械运动的丰富特征信息，如故障特征信息等，有必要提取出来加以分析。在微弱信号提取过程中，有时信号非常微弱，极易受到
