降雨衰减对移动卫星系统通信的影响及补偿

针对移动卫星系统的特点，分析了降雨引起的信号衰减的原因，给出了雨衰的计算方法。Ka波段一般用于移动通信业务，从分析结果上看该波段信号受降雨影响较大。提出几种补偿雨衰的方法，给出了上行功率控制法的系统原理图。     

双线性融合网络的驾驶员分心行为识别

准确识别驾驶员的分心行为能够从源头上减少交通事故的发生。传统的识别方法类别少,准确率不高,对此,引入并改进残差神经网络(ResNet-50)对驾驶员分心行为进行识别。为了进一步提高模型特征的提取能力,从改进后的ResNet-50和EfficientNet-B0模型中提取特征,并将其双线性融合,从而进一步提高模型的识别准确率。通过对正常驾驶、玩手机、打电话、喝水、向后座拿东西、与副驾交谈6种驾驶员的行为进行测试,改进后ResNet-50模型的平均识别准确率达94.2%。将改进后的ResNet-50与EfficientNet-B0模型进行融合,融合模型的平均识别准确率高达96.7%。实验结果表明,该方法对驾驶员分心行为的检测有较好的分类效果。     

基于改进萤火虫算法的区域交通信号配时优化

城市的快速机动化导致道路资源供需失衡愈加严重,目前使用的交通信号定时控制方式无法根据交通流的变化调整信号配时,降低了路网运行效率.针对区域内多路交通信号配时优化问题,提出一种基于改进萤火虫算法的求解方法,以多路信号各相位的绿灯时长作为控制变量,建立以区域总延误最小为目标的规划模型进行优化.针对标准萤火虫算法存在的优化精度不高、容易陷入局部最优的问题,提出一种驱散机制,同时在种群进化过程中引入变异操作进行改进.利用5个标准测试函数进行实验验证,实验结果表明,改进的萤火虫算法能够提高求解的精度和稳定性.最终以典型多路口区域为例,将改进的萤火虫算法应用在区域配时优化问题上,通过对比实验表明求解的有效性.     

基于脑电信号的癫痫疾病智能诊断与研究

针对医疗诊断中癫痫脑电信号分类准确率低、分类类别少的问题,依据粒子群算法和支持向量机理论,提出了一种基于粒子群算法优化支持向量机参数的信号分类检测技术。首先利用小波分析对脑电信号进行5层分解与重构,然后提取含有癫痫特征频率的3、4、5层重构信号的波动系数和近似熵等特征,计算不同状态不同尺度的脑电信号能量,根据不同状态不同尺度的能量分布,调整特征向量的系数。最后使用粒子群算法优化的支持向量机对脑电信号进行分类。实验结果表明,本文提出的方法可以正确识别健康、癫痫发作间期、癫痫发作期3种类型脑电信号,最终的识别率可以达到99.83%。     

机动目标跟踪的完全最小二乘法输入估计

针对最小二乘法对目标机动进行估计时忽略系数矩阵偏差的问题,采用完全最小二乘法,同时考虑测量数据偏差和系数矩阵偏差对目标机动估计的影响,给出了机动目标跟踪中基于完全最小二乘法的输入估计方法。根据卡尔曼滤波器的一致性条件判断目标是否发生机动,使用完全最小二乘法估计出目标所发生的机动大小,并用目标机动的估计值对跟踪算法进行了补偿。仿真结果表明,基于完全最小二乘法的输入估计方法的跟踪效果要优于基于最小二乘法的输入估计方法。     

基于多通道多尺度卷积神经网络的单幅图像去雨方法

雨天等恶劣天气会严重影响到图像成像质量,从而影响到视觉处理算法的性能。为了改善雨天图像的成像质量,该文提出一种基于多通道多尺度卷积神经网络的去雨算法,建立了多通道多尺度卷积神经网络结构来提取雨线特征。首先利用小波阈值引导的双边滤波将有雨图像进行分解,得到高频雨线图像和轮廓保持度高的低频背景图像。然后为了使图像高频部分的雨线信息更为明显,减少雨线特征学习时高频图像中的背景误判,将得到的高频雨线图像再一次通过滤波器得到减弱背景信息同时增强雨线信息的到更高频雨线图像。其次针对低频背景图像上也残留了大量雨痕,该文提出将低频背景图像和更高频雨线图像一起送入卷积神经网络进行特征学习,其中对图像提取的是多尺度特征信息,最后得到雨线去除更彻底的复原图像。同时在构造网络模型时利用空洞卷积代替标准卷积来提取图像的特征信息,得到更丰富的图像特征,提高了算法的去雨性能。从实验结果可以看出去雨之后的图像清晰,细节保持度较高。     

全天候车辆实时检测系统

为解决全天候车辆检测技术精度不高的难题,提出了一种新型联合检测算法。通过在混合高斯背景建模法中加入膨胀、腐蚀算法,减少了视频车辆图像中的大量断点和随机噪声;利用最小面积法设置外接矩形框并通过不断调整矩形框的大小和位置,准确框选出视频图像中的目标车辆。由于夜间光线场景复杂,以能被明显区分的车前灯作为目标,通过直方图双峰阈值法和分水岭分割法将其从视频图像的背景中分离,并基于车前灯的形态参数,设置合适的车灯匹配条件,提出一种实时的车灯配对、车辆跟踪算法,大幅提高了夜间车辆检测的准确度。提出的新型联合车辆检测算法,有效地消除了由于外界光线环境改变造成的车辆检测误差,为全天候车辆检测提供了新思路,具有很强的针对性和重要的现实意义。     

基于脑电信号的情绪特征提取与分类

情绪作为人脑的高级功能,对人们的个性特征和心理健康有很大的影响,利用网上公开的脑电情绪数据库(Deap数据库),根据心理较价和激励唤醒度等级进行情绪划分,对压力和平静两种情绪进行研究分析。在利用db4小波分解与重构算法分解信号的基础上,根据左右脑脑电在产生情绪时脑电信号非对称性的特点,提出一种新的情感特征提取方法,通过计算右侧导联的微分熵值除以左、右对称导联的微分熵之差与右侧导联的微分熵值除以左、右对称导联的微分熵之和,提取出脑电信号的不对称熵特征。利用遗传算法优化的支持向量机对情绪分类识别,平均识别率为88.625%,对比传统特征的分类识别率,利用不对称熵特征的分类识别率有明显提高。     

基于车前灯的夜间车辆视频检测研究

针对夜间车辆视频检测和车流量统计的难题，提出了一种改进的基于视频图像处理提取车前灯的算法。通过分析夜间车辆视频的特点，利用梯度滤波法消除地面反射光对车灯的干扰，实现图像增强，并将分水岭分割算法和直方图双峰法相结合提取车前灯的信息。利用车灯配对匹配原则设计了一种新的匹配算法和跟踪算法实现车灯的配对与跟踪，最终准确地实现了车辆检测和车流量的统计功能。