数字高斯白噪声的频域和时域特性分析

分析了数字高斯白噪声在频域的频谱特性和在时间域的统计特性,提出在数字处理速度一定时,随着输出噪声频域带宽的增加,输出噪声的时间统计特性不再符合高斯分布.通过增加滤波器阶数可以提高噪声的时间统计特性,但是将增加输出噪声的带内波动.通过计算机仿真验证了上述的理论分析,并给出了频域和时域特性都满足相应要求的带宽范围实验值.     

基于网格搜索的PCA-SVM道路交通标志识别

针对现有识别方法对交通标志的识别精度和算法效率不高的问题,提出了一种基于网格搜索的主成分分析-支持向量机(PCA-SVM)道路交通标志识别方法。该方法首先采用主成分分析(PCA)法对交通标志进行降维处理,提取出交通标志的主元特征,然后利用网格搜索法(GS)对支持向量机(SVM)进行参数优化,最后利用参数优化好的支持向量机分类器实现对交通标志的识别。通过实验仿真,并与现有的其他交通标志识别算法进行分析对比,实验结果表明,本文方法在保证较高识别精度的同时,算法效率得到显著提高。     

PCNNģ����ϲ������Ż�������ͼ��ָ�

脉冲耦合神经网络（PCNN）具有良好的图像分割特性,但神经网络参数的选取对分割效果有较大影响,如何自适应地选择网络参数是脉冲耦合神经网络应用研究的重要内容.本文首次从脉冲耦合神经网络的耦合特性出发,结合神经计算原理及图像局部区域的灰度特性,提出了脉冲耦合神经网络耦合参数的优化算法.首先利用Hebb学习规则对脉冲耦合神经网络模型的链接权值矩阵进行更新,然后利用图像局部区域的均方差自适应确定神经元链接强度系数,最后将优化的PCNN模型应用于运动车辆图像分割.通过耦合参数的优化,增强了神经元之间的耦合强度,与传统PCNN的车辆分割结果相比,较好地避免了过分割和欠分割现象,提高了运动车辆图像中车牌区域的分割质量,为后续车辆特征的提取奠定了良好的基础.     

基于颜色规格化和轮廓多边形的交通标志检测

干扰区域排除是交通标志检测的难点.本文对颜色规格化后的图像进行二值化,讨论了二值化过程中感兴趣颜色的选取,得出了以红、蓝、黄为感兴趣颜色引入干扰较少的结论.根据我国交通标志的形状特征提出了两个基于重心的干扰区域判定规则和一种基于道格拉斯-普克算法的交通标志最外层轮廓多边形拟合方法,该方法通过判断拟合多边形的凸性来区分干扰区域与交通标志候选区域.本文算法可以检测我国任意形状的交通标志并对交通标志倾斜及旋转的情况具有较好的鲁棒性.     

基于多车型CNN-GRU性能预测模型的轨道状态评价

不同车型高速综合检测列车的动力学传递特性不同，使得其对同一线路的车体加速度评价结果存在一定差异.为解决上述问题，本文基于多列动检车的检测数据，将卷积神经网络（convolutional neural network,CNN）与门控循环单元（gated recurrent unit,GRU)相结合，建立了多车型车辆动力学响应预测模型，通过输入多项实测轨道不平顺和车速预测各车型的车体垂向和横向加速度，并将多车型车体加速度预测值的最大包络作为轨道状态评价依据.结果表明：将高低、轨向不平顺等8项轨道不平顺和车速共同作为输入参数的模型预测性能最优，车体垂向和横向加速度预测的评估指标分别提升了5%～13%和25%～36%;CNN-GRU模型所预测的车体加速度在时域和频域均与实测结果吻合较好，相关系数最大达到0.902；且相比于BP (back propagation)神经网络，各项车体垂向和横向加速度预测的评估指标分别提升了36%～109%和11%～167%；针对某轨道几何状态不良区段应用效果，预测6种车型中有4种车型达到车体垂向加速度Ⅰ级或Ⅱ级超限，有1种车型达到车体横向加速度Ⅰ级超限，提高了轨...     

重载铁路轨道不平顺谱的分析和表征

轨道不平顺的数学表达对线路状态评估和轮轨动力学分析具有重要意义。计算和分析大秦和朔黄重载铁路2～70 m波长范围内的轨道不平顺谱特征，提出重载铁路轨道不平顺的数学描述，可用于轨道不平顺序列模拟和线路状态评估。数据来源为这两条铁路的高低、轨向、水平和轨距轨道不平顺实测数据。使用小波分析和Welch修正周期图法计算轨道不平顺谱，并与国内外标准轨道谱进行对比；使用多项式拟合算法拟合轨道不平顺谱包络，并使用国内外标准谱拟合公式进行拟合实验对比。最后，给出了发生在钢轨焊缝位置的周期不平顺表达式，并结合轨道拟合谱的逆傅里叶变换方法，对轨道不平顺空间序列进行数值模拟。研究表明：大秦和朔黄轨道不平顺谱的频率和幅度特征基本一致，因此可以使用统一的拟合公式进行拟合；提出的8阶多项式拟合公式能精确地拟合轨道不平顺谱的形状；随机不平顺和周期不平顺的共同表达使轨道不平顺拟合谱的形状和轨道不平顺的数值模拟更为合理和准确。