基于混沌时间序列的GPS单点定位误差预测方法

对由不同型号GPS-OEM板和不同型号天线所组成的GPS单点定位系统的定位误差时间序列进行了混沌特性分析,通过计算最大Lyapunov指数确定了其为混沌时间序列.在此基础上提出了基于混沌时间序列的GPS单点定位误差预测方法,分别将RBF神经网络和Volterra滤波器应用于预测模型,实现了对定位误差的一步预测.通过对比预测结果,发现Volterra滤波器比RBF神经网络具有更高的预测精度,且算法实时性强,可以有效地降低预测模型的复杂程度.     

基于最小一乘背景预测的红外小目标检测算法

本文提出了一种基于最小一乘背景预测的红外小目标检测算法.首先在建立最小一乘准则背景预测模型的基础上,根据最小一乘估计的性质,应用线性规划的方法解决最小一乘估计中极值的选取问题;然后将原始图像与预测图像相减得到预测残差图像;最后利用基于二维指数熵的图像阚值选取快速算法进行分割.文中给出了实验结果与分析,并与基于最小二乘背景预测的检测算法作了比较.实验结果表明,本文提出的算法具有更高的检测概率,优于基于最小二乘背景预测的检测算法.     

一种快速运动目标检测与跟踪算法

运动目标的检测与跟踪是计算机视觉和图象编码研究的主要内容,有着广泛的应用领域。基于光流场的检测与跟踪是其常用的方法之一,但其计算结果和效率是不能令人满意的。提出了基于帧间差阈值法和光流场相结合的快速运动目标检测与跟踪算法,诸结果表明该算法简单实用、运算速度快,克服了单纯光流场方法的不足。     

基于误差修正 NLSTM 神经网络的无人机航迹预测

无人机产业近年来发展迅猛,在军用和民用方面都拥有广泛的应用前景。无人机的航迹记录在其航行过程中发挥着重要作用,无人机的航迹预测也成为当前世界研究的热点,使用神经网络进行航迹预测更可以充分发挥其优势。首先对国内外学者关于航迹预测的文献进行了梳理,根据航迹预测的原理对目前飞行器航迹预测算法进行了总结和分类,针对利用神经网络模型预测无人机航迹并逐步改进模型以提高预测精度的问题进行了研究。接着对于传统神经网络模型预测精度不够高的问题,提出一种带误差修正的嵌套长短期记忆 (ENLSTM) 神经网络预测模型。ENLSTM 在嵌套长短期记忆网络模型的基础上引入了误差修正项,从而使得预测精度更高。最后使用 BP、RNN、LSTM 和 ENLSTM 四种神经网络模型分别对无人机的真实航迹数据和模拟航迹数据进行仿真实验,得出结论：循环神经网络相对 BP 神经网络在无人机航迹的预测上更具有优势,基于基础循环神经网络的逐步改进提升了模型的预测能力,ENLSTM 模型对于无人机的航迹预测具有更好的效果。     

一种高速目标检测算法研究及实现

为了实时有效的实现雷达跟踪高速运动目标检测,研究了小波检测器的算法和硬件实现。小波检测器的快速算法并对其作了优化设计构成检测系统的软件基础,采用ADSP21160DSP芯片开发出恒虚警检测并行处理系统。仿真结果和检测性能分析表明,该系统能有效检测低信噪比下高速运动目标,并且有很好的实时性。     

一种基于马尔可夫随机场的运动目标检测算法

本文提出了一种基于马尔可夫随机场的运动目标检测算法.针对传统时间分割使用主观固定阁值的缺点,使用马尔可夫随机场模型对差分图像建模,并提出了一种新的模型阶次选择算法,以及一种可以加速收敛过程的随机场迭代算法.采用期望最大算法获取高斯分布参数并检测运动变化区域,利用形态学运算修正时间分割模板;空间分割部分提出了基于人眼视觉特征的改进分水岭算法,有效地解决了过分割问题;最后对时、空间分割结果进行信息融合处理,从而得到完整的运动目标.仿真实验结果证明了本文算法可以有效地分割视频运动目标.     

坐标测量机的误差修正及空间误差检测

本文介绍了测量机的误差修正理论,并提出了一种简单、高效的空间误差检测方法。     

一种基于CAD的翼类曲面误差检测方法

数字化检测是保障机翼部件装配质量的关键技术之一.为了快速准确地获得机翼外形的形面装配质量数据,采用了一种基于CAD的非接触形面误差检测方法,针对翼类曲面误差计算研究了快速算法,开发了相应的检测程序.该方法可以快速准确地计算翼面形状误差,并实现误差分布的直观色彩显示.     

一种新的运动目标检测与跟踪算法

常用的运动目标检测算法无法解决在摄像机运动-目标运动情况下的运动目标检测，为此提出了背景匹配法。通过相关匹配算法使背景对齐，结合帧间差分技术有效地将运动目标提取出来；然后利用卡尔曼预测器对运动目标在图像中的位置进行预测，结合增量式带死区的PID控制算法，控制摄像机对准目标。实验结果表明，匹配块的选择加快了处理速度和提高了算法的稳定性，卡尔曼预测器使得跟踪更为平稳可靠。本方法具有简单、通用、抗噪等特点。     

基于深度神经网络的素色布匹瑕疵检测算法研究

目的为了改进当前布匹检测算法覆盖瑕疵种类不全、瑕疵检测准确率低和定位精度差的问题,提出一种端到端的素色布匹瑕疵检测的实用算法。方法首先通过图像增强扩充样本数量,使用以Resnet50为主干的Cascade-RCNN网络,通过加入可变形卷积、特征融合网络,增加锚框数目的方法实现素色布匹瑕疵检测。结果通过实验对比表明,该算法可实现检测20种布匹瑕疵,检测是否为瑕疵布匹的准确率为97%,瑕疵定位的平均检测精度为65%,每张样本平均时间为80 ms。结论该算法有效提升了布匹瑕疵检测的准确率和精度,检测瑕疵类别更全面,并且可以获取缺陷位置和类别,能够满足工业上的生产需求。     

Stock Price Prediction Using Predictive Error Compensation Wavelet Neural Networks

Machine Learning (ML) algorithms have been widely used for financial time series prediction and trading through bots. In this work, we propose a Predictive Error Compensated Wavelet Neural Network (PEC-WNN) ML model that improves the prediction of next day closing prices. In the proposed model we use multiple neural networks where the first one uses the closing stock prices from multiple-scale time-domain inputs. An additional network is used for error estimation to compensate and reduce the prediction error of the main network instead of using recurrence. The performance of the proposed model is evaluated using six different stock data samples in the New York stock exchange. The results have demonstrated significant improvement in forecasting accuracy in all cases when the second network is used in accordance with the first one by adding the outputs. The RMSE error is 33% improved when the proposed PEC-WNN model is used compared to the Long Short-Term Memory (LSTM) model. Furthermore, through the analysis of training mechanisms, we found that using the updated training the performance of the proposed model is improved. The contribution of this study is the applicability of simultaneously different time frames as inputs. Cascading the predictive error compensation not only reduces the error rate but also helps in avoiding overfitting problems.     

主动全向声纳浮标定位算法和定位误差研究

针对主动全向声纳浮标定位目标算法和定位误差问题,依据"纯距离测量"定位的最小二乘算法,给出了定位误差方差阵的迭代计算方法和计算流程.采用蒙特卡洛仿真方法,统计分析了定位算法的精度;对比分析了定位误差均方差理论计算值和目标位置仿真结果的均方根误差,给出了定位算法的精度,验证了定位误差算法的正确性.     

混合色彩空间多信息融合的运动目标检测算法

针对传统帧间差分算法存在漏检、空洞和虚假目标等问题,提出一种改进的帧间差分算法。对几种常见色彩空间的运动目标检测效果进行实验对比分析,选取检测效果优良的色彩通道分量构建运动目标检测的混合色彩空间CbVb*。为充分利用帧间信息的相关性,根据CbVb*空间的场景像素变化特性,提出七帧帧间差分算法以获取运动目标的时域帧间差分;采用自适应阈值的Canny算子得到梯度域的运动目标边缘,将时域帧间差分与梯度域目标边缘进行融合,并对融合信息进行腐蚀和膨胀处理得到最终的检测结果。实验结果表明,改进的算法可以更准确地检测出运动目标,并具有较好的鲁棒性、适应性和实时性。     

Research on PM_2.5 Concentration Prediction Algorithm Based on Temporal and Spatial Features

PM_2.5 has a non-negligible impact on visibility and air quality as an important component of haze and can affect cloud formation and rainfall and thus change the climate, and it is an evaluation indicator of air pollution level. Achieving PM_2.5 concentration prediction based on relevant historical data mining can effectively improve air pollution forecasting ability and guide air pollution prevention and control. The past methods neglected the impact caused by PM_2.5 flow between cities when analyzing the impact of inter-city PM_2.5 concentrations, making it difficult to further improve the prediction accuracy. However, factors including geographical information such as altitude and distance and meteorological information such as wind speed and wind direction affect the flow of PM_2.5 between cities, leading to the change of PM_2.5 concentration in cities. So a PM_2.5 directed flow graph is constructed in this paper. Geographic and meteorological data is introduced into the graph structure to simulate the spatial PM_2.5 flow transmission relationship between cities. The introduction of meteorological factors like wind direction depicts the unequal flow relationship of PM_2.5 between cities. Based on this, a PM_2.5 concentration prediction method integrating spatial-temporal factors is proposed in this paper. A spatial feature extraction method based on weight aggregation graph attention network (WGAT) is proposed to extract the spatial correlation features of PM_2.5 in the flow graph, and a multi-step PM_2.5 prediction method based on attention gate control loop unit (AGRU) is proposed. The PM_2.5 concentration prediction model WGAT-AGRU with fused spatiotemporal features is constructed by combining the two methods to achieve multi-step PM_2.5 concentration prediction. Finally, accuracy and validity experiments are conducted on the KnowAir dataset, and the results show that the WGAT-AGRU model proposed in the paper has good performance in terms of prediction accuracy and validates the effectiveness of the model.     

一种红外图像序列弱小目标的检测方法

针对低信噪比条件下红外弱小目标的相关检测算法存在的局限性,本文提出组合式相关检测算法.基于DBT的相关检测算法运算量小但检测性能较差,而基于TBD的相关检测算法检测性能较高但计算复杂.根据对两者优缺点的分析,采用将两种算法级联的方法,首先使用基于TBD的相关检测算法形成一个过渡帧,再以此为基础使用基于DBT的相关检测算法进行进一步检测.算法性能分析和实验结果均表明,低信噪比条件下该算法具有较高的检测性能并且计算量较低.     

核最小二乘算法检测红外点目标

对于背景呈非线性变化的复杂图像,用背景预测的方法对红外点目标进行检测时,传统的线性最小二乘法(Least Squares,LS)的效果比较差.文章使用核方法(Kernel Methods,KMs)推导了最小二乘法的非线性版本:核最小二乘算法(Kernel Least Squares,KLS);进一步推导出了更适合动态系统时序预测的指数加权形式的核最小二乘算法(Kemel Exponential wleighted Least Squares,KEWLS).提出了一种基于核方法的红外点目标检测算法,先用KEWLS非线性回归算法预测红外图像背景,再通过自适应门限检测残差图像中的目标,非线性函数回归和红外序列图像检测实验表明核方法较大地改进了算法的非线性函数估计与红外背景预测能力.     

基于机床体误差模型的加工面形误差预测

零件面形精度满足要求是超精密装备实现其关键功能的重要保证.影响工件加工面形精度的因素很多,机床体误差是其中最关键的因素.通过构建机床误差元与加工面形误差之间的直接关系来进行面形误差预测研究.提出了一种基于机床体误差模型的频域多尺度面形误差预测方法,该方法可结合机床体误差模型、工艺参数、加工轨迹等进行频域多尺度面形误差预测,可为加工路径规划、机床设计等提供理论参考,从而提高加工精度.进行了低频PV面形误差预测的实例研究,采用的机床为一台五轴联动超精密机床,加工表面为凹形截圆锥台锥面.通过实验与理论分别获得PV面形误差,其相对误差为17.3%,证明基于机床体误差模型的低频PV面形误差预测是可行的.