一种基于随机码本的运动目标检测算法

针对传统码本算法模型建立时间过长、更新效果 差等问题,将视觉背景提取(ViBe)算法中模型建 立和更新的 思想用于改进码本算法,提出了一种基于随机码本(RCB)的运动目标检测算法。为减少计算 量,提出了一种基于 YUV空间的码本模型;为减少背景建模时间、提高模型的洁净度 ,提出了随机选取第1帧图像空间领域内 像素点的码本训练方法;为提高背景模型对复杂场景的适应能力,提出了基于随机策略的码 本更新方式。 与典型算法进行了两组实验。结果表明,本文算法兼有二者的优点,不仅能迅速适应场 景的转换,而 且在检测精度、动态适应能力和实时性等方面都有较大提高。     

一种超宽带与惯导融合的LSTM室内定位算法

针对复杂环境下的室内高精度定位需求,提出了一种超宽带和惯导融合定位方案。结合位置估计过程可被划分为时间序列预测问题的特点,提出了一种基于长短时记忆(Long Short Term Memory,LSTM)网络的联合定位算法,并对其总体架构设计、数据预处理方法、网络结构设计、模型训练方法进行了研究。在此基础上,通过仿真和实测实验对联合定位算法进行验证,实验结果表明,该LSTM神经网络联合定位算法的定位精度优于传统TOA(Time of Arrival)、UKF(Unscented Kalman Filter)联合定位算法,适用复杂室内定位。     

NiTi形状记忆合金的HREM观察

本工作观察了NiTi形状记忆合金相变温度上下的结构变化。实验用400KV电镜、单倾样品加热台,用TV录相并拍摄了电镜照片。图1中的左图是室温M(001)面的投影。从图中可以看出平行的重复孪晶带,其孪晶面为(100),在每个孪晶带内都能看到平行于(110)面的周期性黑白衬度(B-W)。中图是区域放大像,在B-W带能看到非常小的晶格条纹位移。相似的B-W带在接近(100)面的投影上也能观察到(右图)。由此可知,堆垛层错或孪晶薄层是沿[001]和[100]两个方向上形成的。     

一种快速多层神经网络训练算法及其在系统辩识中的应用

本文提出了一种新的多层前馈神经网络快速训练方法.该算法是基于指数加权局部最小二乘(EWLLS)目标函数及殴几里得方向集(EDS)方法的,在训练过程中,通过估计局部期望输出,多层神经网络可以被分解成若干个自适应线性神经元(Adaline),而Adaline是通过EDS方法进行训练的.该算法的性能是通过将其应用于系统辩识中加以说明的.     

基于GMM的算法在语音检出系统中的应用研究

高斯混合模型(GMM)由于通过改变高斯的混合度,能够逼近任意概率分布,所以在语音识别领域应用广泛。对高斯混合模型的训练,常见的训练方法是最大似然估计(MLE),这种训练方法能最大程度拟合所有样本的分布,但没有考虑模型之间的相互影响,导致识别过程会出现混淆情况;区分性模型训练算法,适合应用于大数据量复杂组合类别的区分问题。这里提出采用的区分性模型训练方法,其原则是最小化分类错误风险,通过更精确细致地刻画不同模型之间的分类面,提升识别的效果。实验结果表明,该训练方法比最大似然估计的训练方法在多类别语音检出任务中具有更好的识别效果。     

基于蚁群BP神经网络的汽车排气噪声有源控制

BP算法容易陷入局部极小值,对初值设置敏感,以及学习速度慢等缺陷,而蚁群算法具有全局寻优、正反馈以及分布式计算等特点,提出一种蚁群BP神经网络混合训练方法(AMMAS-BP).采用自适应最大-最小蚁群算法(AMMAS),对BP网络的权值参数进行全局训练,再使用BP算法对其进行局部学习.建立基于AMMAS-BP算法的汽车排气噪声有源控制系统的仿真模型.仿真结果表明,该方法改善了BP算法的收敛速度和收敛精度,提高了控制系统的降噪效果.     

多小区OFDMA系统基于改进PSA的资源分配算法

针对载波、功率资源分配问题,考虑本小区对其它小区的干扰情况,提出了一种应用于多小区正交频分多址复用(OFDMA)系统中的改进罚函数模拟退火(PSA)算法.该问题模型是在传输速率和性能一定的条件下,最小化传输功率.该算法是一种随机寻优算法,是一种能将局部搜索扩展为全局搜索的启发式算法.仿真结果表明,改进算法简化了问题模型...     

正则化粒子滤波在水下目标跟踪中的应用

针对传统卡尔曼滤波(KF)及扩展卡尔曼滤波(EKF)在非线性目标跟踪模型中,跟踪精度较差的问题,本文给出了一种基于正则化粒子滤波(RPF)的水下目标跟踪算法。文中在一种模拟水下目标跟踪环境的非线性动态模型中对所提出的算法进行了仿真试验,并将其跟踪性能与扩展卡尔曼滤波和标准粒子滤波算法(PF)进行了比较。仿真结果表明,PF算法比EKF算法滤波精度更高,RPF的跟踪性能优于PF和RPF,而且随着粒子数的增加,PF和RPF的跟踪性能也不断提高。     

改进的交互式当前统计模型算法

交互式多模型(IMM)算法是一种有效的机动目标跟踪算法,但其性能与模型的选择、个数以及参数有关,而当前统计模型(CSM)是一种模型自适应的方法.因此,利用CSM为IMM提供模型,提出一种改进的交互式当前统计模型算法.仿真结果表明,该算法能有效地提高机动目标跟踪精度.     

基于难分样本挖掘的快速区域卷积神经网络目标检测研究

针对经典的快速区域卷积神经网络(Faster RCNN)训练过程存在太多难训练样本、召回率低等问题,该文采用一种基于在线难分样本挖掘技术(OHEM)与负难分样本挖掘(HNEM)技术相结合的方法,通过训练中实时筛选的最大损失值难分样本进行误差传递,解决了模型对难分样本检测率低问题,提高模型训练效率;为更好地提高模型的召回率和模型的泛化性,该文改进了非极大值抑制(NMS)算法,设置了置信度阈值罚函数,又引入多尺度、数据增强等训练方法。最后通过比较改进前后的结果,经敏感性实验分析表明,该算法在VOC2007数据集上取得了较好效果,平均精度均值从69.9%提升到了74.40%,在VOC2012上从70.4%提升到79.3%,验证了该算法的优越性。     

混合动力汽车控制策略优化研究

将自适应遗传算法与序列二次规划算法结合构成混合遗传算法,用于求解混合动力汽车控制策略参数优化问题。一方面,分析并建立了控制策略参数优化的有约束非线性模型;另一方面,改进算法中自适应交叉和变异概率调整公式,并提出了序列二次规划算子与遗传算法结合的新方式。仿真结果表明,该算法提高了收敛速度和求解精度,保证了全局收敛性,在混合动力汽车控制策略参数优化中的应用是有效的。     

基于混合遗传算法的中央空调空调水系统控制方法

针对空调系统在固定参数模式下能耗高的问题,本文提出了一种基于混合遗传算法的中央空调水系统控制方法.混合遗传算法融合了爬山法和标准遗传算法,有利于避免算法陷入局部最优解,并且可以快速找到全局最优解,适合于空调水系统的控制优化问题.实验结果表明,空调水系统的能耗优化模型在混合遗传算法下可以快速找到最优的运行参数,方法显著的降低了空调水系统的能耗.     

A FUZZY CLOPE ALGORITHM AND ITS OPTIMAL PARAMETER CHOICE

Among the available clustering algorithms in data mining, the CLOPE algorithm attracts much more attention with its high speed and good performance. However, the proper choice of some parameters in the CLOPE algorithm directly affects the validity of the clustering results, which is still an open issue. For this purpose, this paper proposes a fuzzy CLOPE algorithm, and presents a method for the optimal parameter choice by defining a modified partition fuzzy degree as a clustering validity function. The experimental results with real data set illustrate the effectiveness of the proposed fuzzy CLOPE algorithm and optimal parameter choice method based on the modified partition fuzzy degree.     

基于仿射迭代方法的大基线图像匹配技术研究

两幅图像中相应特征点邻域窗口之间的单应映射可以用仿射变换模型来近似。本文首先通过奇异值分解给出仿射变换矩阵4个自由度的几何含义,然后将其分解为一个相似变换矩阵和一个旋转的准单位矩阵(Rotated Quasi-Identity Matrix)的乘积,即在基于相似变换模型匹配的基础上再用基于仿射变换模型的迭代算法对相应特征点精确定位。针对相似变换中初始旋转角度的难确定性,在初始匹配中提出基于亮度最速下降方向的对齐方法,而在引导匹配阶段提出基于相应极线方向的对齐方法,这两个策略不仅提高了算法效率,还能为进一步的仿射迭代提供良好的初值。在得到最优仿射变换参数之后,实现了对相应特征点定位误差的精确补偿及其邻域窗口的透视矫正。最后通过真实图像的实验以及和现有算法的比较验证了本文算法的可行性和精确性,并给出了相应的实验数据和结果。     

基于不对称高斯调制模型的超声回波参数估计

该文将用于连续函数优化的蚁群算法成功应用到超声回波参数估计中,根据不对称高斯调制模型,给出了用于超声回波估计的蚁群算法的基本原理和参数估计步骤.通过数值仿真,对不同信噪比条件下超声回波参数进行了估计.仿真结果表明,该方法不依赖于初始值的选取,可在较大范围内搜索,得到全局最优解,且估计出的超声回波参数具有较高的精度.     

飞行器参数辨识的一种演化计算方法

将混合遗传算法应用于飞行器气动参数辨识。该方法结合了遗传算法的全局寻优能力和极大似然法的局部寻优能力，使得混合遗传算法不受极大似然法初值选取的影响，同时也解决了遗传算法收敛速度慢和收敛精度较低的问题。在混合遗传算法寻优过程中，仅对最优个体和变异后的个体执行局部寻优操作，从而使得混合遗传算法的计算量维持在一个适当的水平。最后，一个飞行器纵向模型气动参数的辨识仿真表明：混合遗传算法的收敛性和精度都远高于没有采用局部寻优策略的遗传算法。     

基于Riccati方程的相控阵雷达稳态资源管理

针对相控阵雷达多目标跟踪中的资源管理问题,基于协方差控制的思想,建立了资源分配的最优化模型,提出一种基于Riccati方程的稳态资源管理算法。在预先设定期望协方差阵的前提下,算法可以通过求解Riccati方程算出相控阵雷达对各个目标最佳的跟踪参数,使得每个目标的实际跟踪协方差矩阵逼进期望协方差阵。该资源管理算法可以独立于目标跟踪滤波循环之外预先计算好雷达的跟踪参数,是一种离线的资源管理方法。通过选取三种不同的矩阵度量形式进行仿真试验,仿真结果验证了算法的有效性。     

基于差分进化算法和 NSGA-Ⅱ的混合算法

本文提出的改进的DE-NSGAⅡ算法,利用差分进化算法的变异交叉操作代替NSGA-Ⅱ算法的交叉算子,将快速非支配排序机制与剪枝方法相结合用于父代种群的生成与非支配集的更新.为保证初始种群均匀分布,该混合算法采用拉丁超立方体抽样技术生成初始种群.然后在参数取值固定的前提下,将该混合算法与NSGA-Ⅱ算法、AMGA-Ⅱ算法进行横向对比.为了进一步提升该混合算法的优化性能,该混合算法采用了参数自适应策略,并且基于此策略纵向比较了该混合算法在不同参数组下的优化性能.经过一系列对比发现:合理的参数选择能使该混合算法表现出良好的综合性能.     

基于最优导频的自适应Kalman滤波信道估计方法

针对时变信道中的子载波间干扰(ICI)和噪声的统计模型不准确引起的滤波发散问题,介绍了一种基于最优导频预滤波的自适应Kalman联合算法。该算法通过使用最优导频滤除ICI,获得理想信道初始状态,然后将其作为Kalman滤波初始信息在时域上进行自适应Kalman信道估计。最后仿真实验表明,和传统的基于导频的Kalman滤波(KF)算法相比,该方法能有效抑制KF发散和改善信道估计精度。     

A Hybrid Optimization-Based Approach for Parameter Estimation and Investigation of Fractional Dynamics in Ultracapacitors

The increasing demand of electrical energy storage has motivated the wide usage of ultracapacitors. Ultracapacitors are capable of storing and delivering energy at a rate much higher than conventional rechargeable batteries. The dynamics characteristics of ultracapacitors are better exhibited by fractional calculus as compared to the conventional calculus. The present work aims at estimating the fractional model parameters of an ultracapacitor using experimental data and further investigating the dependency of fractional parameters on the operating conditions. The parameter estimation task has been formulated as an optimization problem which aims at minimizing the deviation between the model and experimental output using a hybrid optimization technique. The hybrid algorithm combines an improved version of seeker optimization algorithm for global exploration with a local search technique, i.e., Nelder–Mead simplex search. The results show that the hybrid algorithm is capable of identifying the model parameters efficiently in both time and frequency domain. The fractional behavior has been found to be dependent on the initial condition, magnitude and offset of the applied voltage.