无线传感器网络移动节点自装配方法研究

移动传感网络系统的自装配功能实现了对系统形态上的控制,提高了系统对环境的适应能力。本文设计并实现了一套可自装配的移动传感器网络系统,并且提出了一种系统自装配的方法。无线传感器网络中的一个移动节点可以自主移动到另一移动节点的装配面附近,在误差范围内,通过红外测量与电子罗盘的引导实现两个节点之间的自装配。实验结果表明该系统与方案可行。     

压缩感知算法在阵列测向中的相干信号分辨

现有算法在进行信号重建时,需要原始信号的稀疏信息来控制初始原子集的大小和算法迭代的最大次数,这削弱了重建精度,增加了计算复杂度,限制了其实际应用能力。为了克服这个问题,提出了基于正交匹配追踪算法的改进算法。该算法将阵元个数作为假设稀疏度,在稀疏度未知的初始阶段扩展初始原子集。最后通过对测量信号的幅度进行阈值过滤以实现信号的分辨和信源数的估计。为解决测向人员面对监测软件所指示的多个信号示向度中,无法分辨哪些指示方向是同一个信号源所产生的折反射信号的问题,首次提出了基于压缩感知算法的相干关系分析和相干信号分辨的模型。实测数据结果表明,该算法在不同环境下可以清晰分辨相干信号,并且能够适应多种实验平台。     

基于改进Candide-3模型的眼部动画建模

针对在Candide-3模型上进行三维人脸重建时不能表达人眼部细节动作的问题,提出了一种改进Candide-3模型重建人脸的方法。该方法首先在Candide-3模型上对眼部进行建模,其中眼部的建模具体分为眼球的建模以及眼睑的建模。对于眼球采用2个半球结合的方式进行建模。对于眼睑的建立,分别在Candide-3的模型上对眼睑的内边缘、外边缘以及上眼睑沟用Bezier曲线进行建模。然后结合人脸特征点的信息和局部最小二乘法匹配原理建立了与输入人脸图像相仿的三维人脸模型。接着,对脸部进行特征点约束的方法贴纹理,眼球分别用局部球形纹理贴图以及球形纹理贴图的方法贴图。最后,在该模型上用分段线性插值的方法,逼真地完成了眼睑的睁闭、眨眼以及眼球的旋转等相关动作。     

基于卷积神经网络的无线电广播同频干扰检测

针对无线电干扰中较为突出的同频干扰问题,将深度学习应用于干扰信号检测,提出一种无线电调频广播同频干扰检测算法。将调频广播数据转化为能体现信号特性的小波变换时频图,并将其作为卷积神经网络(CNN)的训练数据,训练CNN学习信号的时频特征,得到干扰检测模型。实验结果表明,与传统的机器学习算法相比,该算法能更准确地检测出广播信号中是否存在同频干扰信号,其干扰检测准确率达95.0%。     

基于决策树C4.5集成算法的图像自动标注

集成学习逐渐成为机器学习的研究热点。针对决策树C4.5集成算法中基分类器多样性差的问题,提出了修正矩阵Correction Matrix –C4.5(CMC4.5)集成学习算法,并将其应用于图像自动标注。算法首先对特征子集进行多样性处理,然后通过构造修正矩阵依次得到基分类器C4.5全新训练数据集,实现训练数据集之间的多样性和属性特征完整性,完成集成算法。对比实验表明,CMC4.5集成学习方法大大提高了分类准确率。将CMC4.5集成学习与图像标注相结合,实现了基于CMC4.5的图像自动标注。     

真实感虚拟人头发动态仿真研究

针对头发的不可伸展性和数量过大造成的头发仿真时性能低效、真实感不高问题,提出一种新的头发动态仿真方法。该方法首先利用弹簧模型对单根头发进行建模,然后采用DFTL(Dynamic Follow The Leader)算法进行变形计算,并基于FTL(Static Follow The Leader)算法对头发进行快速插值,最后运用Deep Opacity Mapping技术对头发进行渲染,增强虚拟人头发的真实感。同时,对头发与头部模型、头发与头发进行碰撞检测与响应。实验结果表明,该方法生成的头发逼真自然,而且在大量渲染时保持了较高的稳定性。     

一种低参数的孪生卷积网络实时目标跟踪算法

针对基于深度学习的目标跟踪算法模型参数多、难以部署于嵌入式设备上的问题,提出一种改进的孪生卷积网络实时目标跟踪算法。设计一个非对称卷积模块来构建整个网络框架,通过非对称卷积模块的压缩层减少模型参数量,利用非对称层进行特征融合,以在保证精度的同时压缩模型大小。使用三元组损失函数代替逻辑损失函数进行模型训练,在输入不变的情况下提取表达性更强的深度特征,从而完成目标跟踪任务并提高模型的跟踪精度。在GOT-10K、OTB100和VOT2016基准上对算法性能进行测试,结果表明,该算法能够将模型大小降为3.8×10⁶,且速度与精度均优于SiamFC、KCF和DAT等跟踪算法。     

基于图像深度学习的调制识别算法

针对现阶段基于深度学习的调制识别算法中出现的检测效率低下的问题,提出一种高效的调制识别算法—RadioFSDet(Radio Frequency Spectrum Detection)检测算法.RadioFSDet算法利用信号在频谱图上的特征差异,使用目标检测算法YOLOv4检测频谱图上的调制信号.相较于主流的基于深度...