一种融合深度信息的视频目标压缩跟踪算法

针对复杂环境下单一特征在跟踪过程中易造成准确率下降和鲁棒性差的问题,提出一种融合深度信息的视频目标压缩跟踪算法。利用压缩感知理论分别提取目标灰度图像和对应深度图像的正负样本压缩特征,通过特征训练弱分类器,利用马氏距离赋予弱分类器权值,加权组合为强分类器,实现目标的多特征融合,视目标跟踪为一个二分类问题,确定目标跟踪结果。使用由粗到细的搜索策略减小计算复杂度。实验结果表明,该算法跟踪目标平均中心位置误差为9. 95像素,平均成功帧率可达96%,算法保持实时性的同时对视频目标运动遭遇的部分遮挡、姿态变化、光照变化以及相似物干扰等情况下的跟踪均具有较好的效果。     

基于多目标混沌云布谷鸟算法的HAPF优化研究

大量非线性电力电子设备的使用给人们的生产生活带来了极大的谐波危害,目前治理谐波的主要手段是投入滤波器。而混合有源滤波器(HAPF)结合了无源滤波器和有源滤波器的特点,是很有前瞻性的滤波系统。HAPF参数优化的算法大多存在收敛精度不高,易陷入局部最优等缺陷。因此,利用混沌云模型多目标布谷鸟搜索算法优化HAPF参数,具有十分重要的工程意义。通过Matlab/Simulink仿真结果对比可知,该算法同粒子群算法(PSO)及原始多目标布谷鸟算法(MOCS)相比,有良好的补偿及效果,成本也有所降低。     

基于LM算法的BP神经网络的混沌背景下瞬态弱信号检测

分析了BP神经网络的改进算法,用神经网络实现混沌时间序列相空间重构,用基于LM算法的BP神经网络对混沌背景进行预测,从而检测出信号。     

基于Simulink的忆阻器模型

为了使忆阻器具有与其他器件相结合的能力,本文在惠普实验室提出的忆阻器物理模型电路关系的基础上,在Simulink中用二种方法对忆阻器进行了双端口建模,方便准确的实现了对于忆阻器的仿真。与编写M文件、构建图形用户界面和搭建输入输出模型的建模方法相比,基于Simulink的双端口模型不仅能够方便准确的观察忆阻器的输入输出特性,而且具有更广阔的应用范围,对于忆阻器的研究有一定的指导作用。     

混沌背景下基于小波神经网络的弱信号检测

依据Takens嵌入定理提出了一种基于小波神经网络（WNN）的强混沌背景中微弱信号的检测方法。该方法利用混沌系统的单变量值对混沌背景重构相空间，采用小波神经网络所具有的强大的学习能力和非线性处理能力建立了混沌背景噪声的一步预测模型，使其与混沌背景噪声具有相同的基本动力学特征，并通过设定合适的预测误差门限来检测掩埋在混沌背景中的有用微弱信号。仿真结果验证了该方法的可行性。