非线性系统Wiener模型辨识

本文采用不同幅值的三电平伪随机m序列作为输入信号,辨识了离散非线性系统Wiener 模型的线性脉冲响应函数和非线性增益系数.同时讨论了参数估计的统计特性及其区间估 计,并附有仿真结果.     

不锈钢负载半导体薄膜光降解有机染料的研究

研究了以100 W直管高压汞灯为光源,以TiO2为催化剂,并将TiO2固定在不锈钢质反应器内壁,对有机染料活性艳红X-3B进行光降解的可行性.结果表明,在本实验条件下,本系统对该染料有明显的光降解作用.浓度为50 mg(A)l-1的染料溶液,经30 min光照,其降解率达95.8%.此外,还探讨了多种因素对光降解的影响.     

微电解-光催化氧化法处理印染废水

采用微电解-光催化法对印染废水的处理进行了研究。结果表明：当进水COD为2000mg／L左右，色度为800-1000倍时，经本法处理的废水，出水COD为150～180mg／L，色度为0～10倍，COD去除率达92％，脱色率接近100％。主要水质指标达到了GB8978-1996《污水综合排放标准》中染料工业的二级标准。研究了一些因素对处理过程的影响。     

基于ECoG的运动想象脑-机接口分类方法

脑—机接口BCI(Brain-Computer Interface)技术是近年来国际上的研究热点之一,它通常利用脑电EEG(electroencephalo-gram)来实现无动作的人机交互,运动想象是其中一种重要的BCI实验范式。有关研究表明,脑皮层电位ECoG(electrocorticogram)具有更好的信噪比与频带特性。研究基于ECoG的运动想象BCI系统,针对ECoG信号的特点,改进了信号处理方法,提取数据的公共空间模式CSP(Common Spatial Pattern)特征,并利用支持向量机SVM(Support Vector Machines)进行分类器设计,提高了运动意向的识别正确率。用相应方法处理2005年脑-机接口竞赛中的一组实验数据,正确率达到92%,相比于当时参赛时所用的方法提高了6%。实验还发现,支持向量机在克服"维数灾难"和"过拟合"方面具有更好的鲁棒性。     

基于主动形状模型的人脸脸型自动分类算法

研究表明人脸脸型可以分为圆脸、椭圆脸、方脸、三角脸等.基于主动形状模型(ASM)提出了一种自动人脸脸型分类方法.首先利用各种脸形的样本进行训练以建立脸型形状模型库,然后运用ASM算法对测试样本自动定位正面人脸形状,比较其与各个脸型形状模型的距离,最后应用最近邻方法实现脸型的自动分类.仿真实验表明,该方法优于利用人脸轮廓曲率或下颌曲率的方法,能够充分挖掘人脸形状信息,分类结果稳定准确,可以有效提高大库人脸识别的速度和准确率.     

不确定条件下控制分配问题的鲁棒优化方法

针对具有冗余执行机构的过驱动系统, 在考虑控制效率不确定性的条件下, 提出了一种基于鲁棒优化理论的控制分配算法. 研究了原始不确定鲁棒优化模型的建立和基于椭球不确定集的鲁棒对等式的转化问题, 并推广到可由锥二次不等式表示的不确定集的情况. 讨论了鲁棒优化控制分配算法的求解方法及其计算复杂度. 最后, 针对多操纵面飞机的最优控制分配问题与传统算法进行了仿真比较, 结果表明鲁棒优化算法能有效降低控制效率不确定性的影响, 使分配结果更为合理, 从而具有更好的鲁棒性, 同时能有效提高操纵面故障情况下闭环系统的控制重构能力, 很好地改善了飞控系统的性能.     

低速七连轧系统的计算机控制

介绍一种低速七连轧系统的计算机同步控制系统的软、硬件设计方法,用于料带连轧。由于是低速连轧系统以及连轧系统的轧辊过多,故使用比例线性调节算法。该系统主控部分是STD工控机,该系统的软、硬件的设计也简单可行,适用于中、低速连轧同步控制系统。     

方向相似性聚类方法DSCM

针对方向性数据提出了一种鲁棒的基于方向相似性度量的聚类方法DSCM．DSCM首先基于方向性度量构造目标函数，然后通过不动点迭代法对目标函数优化，获得各个样本的最终稳定状态，最后基于样本的最终状态集利用层次聚类技术实现聚类．DSCM的优势在于对方向性数据聚类时不依赖于具体的初始化参数，且能自组织地求解最优聚类划分因而有很好的鲁棒性．通过实验证实了DSCM的有效性以及对已有的两个传统方向性聚类算法的优越性．     

一种基于学习的视频字幕验证方法

视频字幕验证是字幕检测中的重要环节，其目的在于提高检测准确率。当前的验证方法多是依据经验规则。这些方法在图像背景复杂、图像分辨率低以及字幕字体、大小、颜色多变这些条件下，适应性差。为提高验证方法的适应性和准确性，通过将2维主成分分析（2DPCA）应用到视频字幕验证中，提出了一种基于2DPCA和支撑向量机（SVM）的视频字幕验证方法。该方法分训练和判别两个步骤，即首先采用2DPCA方法提取视频图像块特征，然后通过训练SVM对图像块进行验证和分类。实验结果表明．在图像背景复杂、图像分辨率低以及字幕字体、大小、颜色多变这些传统验证方法或多或少都存在困难的条件下，该方法不仅具有良好的视频字幕验证能力，而且也能明显降低算法的运行耗时。     

一种基于比例因子的PCA人脸识别方法

主成分分析(PCA)是自动人脸识别的常用方法。在基于传统K-L变换的PCA人脸识别方法的基础上，提出了一种基于比例因子的PCA人脸识别的改进方法。研究表明，较之K-L变 换，基于比例因子的方法更有效，合理选取比例因子和主成分是提高识别准确率的关键。