基于似然函数的自适应Singer模型滤波算法

Singer模型滤波算法可以对机动目标进行有效跟踪,但其模型参数的确定依赖于先验知识,且一旦确定,将在滤波过程中不再变化.因此,当事先确定的参数与目标机动不匹配时,跟踪精度会变得比较差.针对模型参数失配时,传统Singer模型不能有效跟踪机动目标的问题,提出一种自适应Singer模型滤波算法.在滤波过程中,构造多模型的模型似然函数,并随着滤波过程实时计算模型似然函数,根据似然函数的变化,自适应调整Singer模型加速度参数.仿真表明,该算法能够有效跟踪目标不同的机动情况,滤波效果较固定参数的Singer模型算法和离散自适应Singer模型算法更优.     

基于分布式纳什Q学习的多传感器协同目标跟踪

针对传统目标跟踪算法过分依赖环境模型的问题,提出了一种基于分布式纳什Q学习的多传感器协同目标跟踪算法.分析了强化学习与分布式纳什Q学习算法的原理;描述了多传感器的协同跟踪态势,建立了离散系统的非线性模型,给出了传统的扩展卡尔曼滤波解决方法;定义了对分布式纳什Q学习性能影响至关重要的传感器行为和奖惩函数,奖惩函数通过计算预测误差方差阵的迹得到;采用基于贝叶斯推理的概率统计方法解决了Q函数的更新问题.纯方位量测信息的被动跟踪仿真结果表明,相比于传统滤波算法,该算法增强了传感器对环境变化的适应性,实现了对目标的有效跟踪,提高了跟踪精度.     

基于LR-GST变换的稳定层间Q值提取方法

为了解决常规谱比法不稳定及等效Q值储层识别精度低的问题,在基于Lucy-Richardson算法的广义S变换(LR-GST)的基础上,改进了谱比法计算Q值的公式,同时构建反演目标函数将等效Q值转换为层间Q值。结果表明：Q值求取精度与噪声比率、求取方法等因素有关,含噪比率不同每种方法的准确性也差异较大。通过合成数据及实际应用表明,本文方法的分辨率及聚集性更高,方法的稳定性更好,得到的Q值在含油气区域异常明显。     

A branch and bound algorithm for a class of nonlinear sum of ratios problem

首先将问题(P)转化为其等价问题(Q),然后利用线性化技术,给出(Q)目标函数及约束函数的线性下界函数,建立了(Q)松弛线性规划问题(RLP),通过求解其子域上一系列线性规划问题,不断更新(Q)的上下界,理论上证明了算法的收敛性,数值实验表明了算法的可行性.     

迭代容积卡尔曼粒子滤波算法

针对标准粒子滤波算法粒子退化和贫化问题,提出了一种基于高斯-牛顿迭代思想的容积卡尔曼粒子滤波算法.该算法利用当前量测信息,使用容积数值积分原则通过以一组确定的点集和相应的权值直接计算非线性随机函数的均值和方差,避免了求导运算,并通过Gauss-Newton迭代方法对容积卡尔曼滤波(CKF)的非线性最小二乘问题进行求解,减小了线性化误差,以此来产生粒子滤波算法的重要性密度函数,使得迭代CKF产生的重要性密度函数更接近于真实后验概率分布,从而改进了滤波性能.仿真结果表明,与粒子滤波和CPF滤波相比,迭代CKF粒子滤波具有更高的估计精度.     

一种RBFN和FLD融合的说话人识别方法

提出一种新的可用于说话人识别的径向基函数网络(RBFN)阵列．RBFN网设计思想是在确定网络中心点之后采用最小线性方差作为目标函数解得最优权重,该方法并不能得到最优分类效果．使用Fisher目标函数,替代RBF中的误差目标函数来求取最优权重,用与文本无关的闭集说话人识别系统对该算法进行了验证,实验结果表明,该方法提高了RBF分类能力,比传统的RBF、算法以及ROLS算法具有更高的识别率,并在识别效果接近GMM方法的情况下计算量大幅度减少。     

基于多模型GGIW-CPHD滤波的群目标跟踪算法

针对伽马高斯逆威夏特-概率假设密度(GGIW-CPHD)滤波算法跟踪机动群目标误差较大的问题,提出基于最适高斯近似(BFG)和强跟踪的多模型GGIW-CPHD滤波的群跟踪算法.首先,在对群目标量测分割的基础上,采用BFG方法实现CPHD预测阶段的多模型融合.其次,利用强跟踪滤波(STF)中的渐消因子来修正GGIW分量的预测协方差矩阵.最后,在CPHD更新阶段完成群质心和扩展状态估计的基础上,利用多个模型对应的似然函数完成模型概率的更新.实验结果表明:所提算法能够在GGIW-CPHD框架下实现多个模型的交互,有效降低机动阶段时群目标的状态估计误差,并能有效处理群目标的合并和衍生情况.     

基于箱粒子滤波的扩展目标伯努利跟踪算法

针对复杂环境下,扩展目标跟踪量测存在漏检以及量测不精确、模糊的问题,引入区间分析技术,提出了一种基于箱粒子滤波的扩展目标伯努利滤波算法.算法首先采用伯努利随机有限集和泊松随机有限集分别描述扩展目标的状态和观测,然后将箱粒子滤波应用到扩展目标伯努利滤波算法,推导了适用于不确定量测的扩展目标伪似然函数和状态更新方程,并用伯努利箱粒子滤波递推地对扩展目标的状态进行估计跟踪.仿真实验表明:与扩展目标伯努利粒子滤波算法相比,所提算法在保证扩展目标跟踪性能的同时,有效减少了算法的计算时间.     

一种强背景噪声下的WSN目标定位算法

为了进一步提高无线传感器网络(WSN)目标定位解算精度,提出了一种改进的Cubature粒子滤波(ICPF)定位算法.该算法运用最小二乘法估计移动目标当前初始时刻的位置,使用Cubature卡尔曼滤波和Gauss-Newton迭代法来充分利用测量更新后的状态最新信息,精确设计目标状态重要性密度函数,为粒子滤波提供相应的建议分布,从而能够更加有效改善粒子滤波器的性能.仿真实验结果证明,提出的改进算法在强背景噪声下能有效提高定位精度且收敛性增强,其性能优于标准粒子滤波(PF)、扩展粒子滤波(EPF)及Unscented粒子滤波定位算法(UPF).      

基于容积原则的概率假设密度滤波算法

为改善多目标跟踪问题中概率假设密度滤波精度与算法运行时间之间的关系,提高目标状态和数目的实时估计性能,提出了基于容积原则的概率假设密度滤波算法. 该算法在高斯混合粒子概率假设密度的框架下,利用容积数值积分原则直接计算非线性随机函数的均值和方差, 产生粒子滤波算法的重要性函数,实现高精度粒子的重构,来近似目标状态和数目的概率分布,并且在高斯混合概率假设密度滤波算法中进行采样和更新. 仿真验证了所提出算法的有效性,其Wasserstein误差距离优化了17.32%,目标数估计均值也提高了23.72%.      

采用特殊镀膜分束器的高速全范围复谱OCT系统

为了提高成像质量和达到高速实时成像，在生物组织OCT成像系统结构上采用了一种特殊镀膜分束器，在分束器中心直径1mm的正反面圆内镀上增透膜，使其透射率达到99％以上，而在该分束器背面的1mm圆外镀上高反射介质膜，使其反射率近似达到100％，这样成倍增强了样品的入射光强，并将背向散射光因分束器反射的损耗减少到最低程度；同时在成像重建算法上采用了速度更快的2帧相移算法，并对样品进行了实验．实验结果表明，图像对比度高，重建的速度提高了4倍，有效探测深度可以达到全量程．     

支持向量回归在圆形检测中的应用

对圆形的识别是机器视觉中最基本和最重要的任务之一,为了准确确定复杂背景图像中圆的位置,提出了一种将支持向量回归模型与三点拟合圆联合起来的新算法,通过支持向量回归模型训练不同类型的圆形样本,得到超平面方程f(x),以f(x)为中心线,构建一个宽度为2ε的近似圆环型间隔带,在此间隔带上的点都被认为属于圆形边界上的点,然后运用三点拟合圆几何算法计算出圆心和半径,从而达到识别圆形的目的。实验结果表明,联合算法通过对训练样本的学习,能够在噪声比较大的背景图像中得到圆形的边界信息,从而确定圆的位置,较仅使用某一种圆形识别算法有一定的优势。在以圆形作为定位的机器视觉领域,具有重要的理论研究价值与实践意义。     

数学形态学在圆形目标识别和定位中的应用

利用数学形态学简单准确和便于捕捉图形特征的特点，提出了一种提取圆形目标并定位图像方法。先用形态学开运算去除较小团块，再通过形态学边缘提取算法找出图像中物体边缘，通过圆形的判别标准，提取图像中圆形目标，并定位了圆心的位置。实验表明这是一种有效的提取圆形目标的方法。是实现多种特征定位的有效尝试。     

半解析方法中圆形等效源法的前处理算法

应用计算机图形学的原理和方法,提出了一种求解数学上极值问题的扫描-生长算法,解决了二维场的圆形分割问题.该算法能够快速确定分割区域中多个极点(各分割圆的圆心)的位置和数量,达到了用尽量少的圆形数来最大限度地充满该分割区域,并能满足在需要处(如场量突变处)进行局部加密的要求.根据为广义多极技术(属半解析法范畴)创建的理论体系,这些极点确定了解函数在级数展开式中各变量的起点.正因为这些变量的准确定位,不仅克服了广义多极技术中极点位置设置的盲目性,而且提高了解的计算效率和计算精度.因此,扫描-生长算法还可推广应用于轴对称场的计算中.     

激光光斑定位的多圆拟合算法的研究

介绍了用于提取激光光斑参数的曲面拟舍和圆拟合算法，在圆拟合算法的基础上提出了新的多圆拟合算法，在不同的噪声水平下比较了曲面拟合算法和多圆拟合算法所能够达到的精度。研究结果表明，多圆拟合算法具有更好的抗噪声性能，除了可以检测光斑中心外，多圆拟合算法还可以检测其半径达到亚像素级的光斑，所以能够广泛地应用在光学测量系统之中。     

Study on circle detection algorithm based on data dispersion

To reduce time-consuming, a new algorithm is proposed for circle detection based on the theory of data dispersion.The center coordinates and radius can be detected with the following steps in this algorithm precisely and quickly.Firstly, image processing is needed to extract the boundary of the primary image, which is almost like a circle in shape, and after that, the original circle is reduced to a single-pixel width circle by image processing.Secondly, the center coordinates are calculated by three selected points on the circle.There might be a deviation between the calculated center and real center.Thirdly, a square area is determined for the center coordinates computing with an exper-imental range and each pixel inside the square is a potential center.Fourthly, the center is compu-ted with distance criterion and the center coordinate is determined when the variance reaches the minimum.Lastly, the radius is equal to the means of the distance vector with minimum variance. Experiments are conducted and the results show that the proposed algorithm gets the same accuracy and better real-time performance in comparison with traditional Hough transform.     

一些特殊矩阵Moore-Penrose逆

给出了计算无圈二分图的对应的矩阵的广义逆的求解方法,求所有最大匹配与所有SDR的算法,并给出了单圈二分图或者共圈二分图的矩阵广义逆的计算公式.     

激光质量测量的自适应衰减控制技术研究

针对激光光束质量测量的激光光强高精度控制问题, 提出一种自适应衰减调节激光光强度的方法。该方法基于单片机控制算法, 利用PC机反馈的光斑图像灰度差值计算得出激光光强需要衰减的倍数, 并通过衰减轮电机控制两组衰减片组合完成对激光光强度的自适应控制, 实现了成像系统闭环控制激光光斑强度, 从而快速、 准确地得到特定光强度的激光光斑图像。实验结果表明, 该方法与以往衰减控制相比,能准确地得到高精度灰度值激光光斑图像, 激光光束质量单次测量时间为5 s, 系统测量时间为3 min。     

一种高精度CCD测试系统的非均匀性校正方法

针对高精度光电耦合器件(CCD)测试系统中像素的非均匀性给测试结果带来较大误差的问题,根据引起图像像素非均匀性噪声的特性,建立了对应的图像模型.采用自适应阈值分割算法将图像二值化分离出有效使用像素,并提出了一种采用两点线性方法对非均匀性像素进行校正的算法.仿真实验采用高速面阵CCD采集由激光器发射的圆形光斑图像,并通过计算图像光斑的中心坐标进行了验证.结果表明,该算法能够将图像的复杂背景与光斑分离,可校正其像素的非均匀性,稳定光斑的像素灰度值.在相同条件下连续采集图像,图像光斑的中心坐标稳定.     

圆锥曲线的公切圆作图法

本文详细分析、探讨了公切圆圆心轨迹曲线。得出并证明了:以同一种方式公切于两定圆,所有公切圆上的对应切点连线,必交于两定圆的相似中心。在此基础上,提出了简便、实用的圆锥曲线公切圆作图法。它与文献[2]所提出的圆锥曲线垂足点作图法,有着本质上的内在联系,但更简便、实用。与目前常用的两同心圆作椭圆[4]相比,省去了推平行线的麻烦。