Variable step-size affine projection algorithm based on global speech absence probability for adaptive feedbackcancellation简

A novel approach is proposed for improving adaptive feedback cancellation using a variable step-size affine projection algorithm（VSS-APA） based on global speech absence probability（GSAP）.The variable step-size of the proposed VSS-APA is adjusted according to the GSAP of the current frame.The weight vector of the adaptive filter is updated by the probability of the speech absence.The performance measure of acoustic feedback cancellation is evaluated using normalized misalignment.Experimental results demonstrate that the proposed approach has better performance than the normalized least mean square（NLMS） and the constant step-size affine projection algorithms.     

Effective model based fault detection scheme for rudder servo system

The inherent nonlinearities of the rudder servo system（RSS） and the unknown external disturbances bring great challenges to the practical application of fault detection technology. Modeling of whole rudder system is a challenging and difficult task. Quite often, models are too inaccurate, especially in transient stages. In model based fault detection, these inaccuracies might cause wrong actions. An effective approach, which combines nonlinear unknown input observer（NUIO） with an adaptive threshold, is proposed. NUIO can estimate the states of RSS asymptotically without any knowledge of external disturbance. An adaptive threshold is used for decision making which helps to reduce the influence of model uncertainty. Actuator and sensor faults that occur in RSS are considered both by simulation and experimental tests. The observer performance, robustness and fault detection capability are verified. Simulation and experimental results show that the proposed fault detection scheme is efficient and can be used for on-line fault detection.     

SADE-ELM电容层析成像流型辨识算法

针对电容层析成像反问题流型识别较难的问题,提出了一种新的ECT流型辨识算法——差分演化优化极端学习机算法,进而提出了基于自适应差分演化优化极端学习机(Sa DEEML)的ECT辨识算法.在论述极端学习机算法的基础上,结合差分演化算法对极端学习机算法进行优化,自适应差分演化算法中的关键参数,通过训练得到各类流型的分类器的参数,构造分类器进行精准与快速分类.实验结果表明:该算法能有效克服极端学习机算法的缺点并提高了局部与全局收敛能力,通过与BP、SVM算法比较,该算法具有竞争力,并为电容层析成像流型辨识的研究提供了新算法.     

一种无线传感器网络定位算法的改进

为了减小距离向量-跳段(DV-hop)算法中计算平均跳距时所造成的误差对定位的影响,提出一种基于测距信息的改进DV-hop算法。改进算法充分考虑DV-hop算法中信标节点计算平均跳距误差较大这一因素,将接收的信号强度指示(RSSI)算法中测得信号强度值转化为距离信息,再将距离信息引入DV-hop算法平均跳距的计算中,并在不同信号传播模型下进行仿真分析。仿真结果表明,在同一信号传播模型下,改进算法比原DV-hop算法有着更小的定位误差。     

AUV水声跳频通信调制解调器的设计与实现

在复杂时变水声通信环境中非相干FH-FSK调制解调技术是一种较为稳健、可靠的通信方式,适合于低速、高可靠的水声设备遥控等应用场合,如水面船遥控高速运动的水下智能机器人(autonomous underwater vehicle,AUV)。但也面临着以下困难:1)高速运动带来的多普勒会严重恶化通信系统性能;2)为节省能耗,AUV依据通信需求可对通信单元进行经常性的上电与断电操作,导致异步单工工作模式下水面与水下通信节点之间很难协调工作。针对以上问题,提出了采用脉冲对技术进行可靠多普勒估计,并采用线性插值技术进行高效多普勒补偿;结合通信节点板载高精度时钟以及设计的声链路同步机制有效地解决了AUV和水面控制船之间的双向链路建立与数据传输工作。基于OMAP-L138双核处理器平台设计与实现了FH-FSK的水声调制解调器的样机,湖上实验结果表明提出的传输控制协议可保证通信节点之间的通信链路随机建立和断开,结果证明所设计的样机稳定、可靠。     

一种面向2D-Mesh拓扑结构的片上网络容错路由算法设计与分析

介绍了片上网络的拓扑结构和路由算法和故障模型,提出了一种适用于NoC 2D-Mesh结构的容错性路由算法,可以根据邻居节点的状态动态的选择路由。通过仿真证明了在均匀随机流量模式下,相对于XY路由算法,使用该算法吞吐量更高,平均端到端时延更小。     

基于鲁棒观测器的肘关节鲁棒自适应控制

针对伺服阀控制的、双螺旋副传动的七功能机械手肘关节存在液压系统强非线性、易受外界环境温度和压力变化引起的参数不确定性、外界未知强干扰和仅有位置和油液压力状态反馈的控制特点,提出基于鲁棒观测器的输出反馈鲁棒自适应控制方法.该方法利用反演控制器设计方法对耦合的不确定系统参数和未知状态进行解耦,结合鲁棒观测器和鲁棒自适应控制器设计方法分别对未知状态和不确定参数进行观测和估计,使用李雅普诺夫稳定性理论保证了系统全局渐进稳定的控制性以及系统状态的有界性,解决了同时存在系统参数不确定性和部分未知状态相耦合的鲁棒控制问题.以国家高科技发展计划4 500m深海作业系统的七功能主从液压机械手肘关节作为研究对象,使用提出的控制方法进行在未知外界干扰下的对比研究.实验结果表明,闭环系统可以很好地跟踪参考轨迹,具有较强的鲁棒性,能够获得令人满意的稳态精度和动态性能;修正后的参数自适应律能够保证在外界未知干扰下估计参数的有界性.     

基于自适应多特征表观模型的目标压缩跟踪

针对压缩跟踪算法中表观模型的视觉表达特征单一、统计模型缺乏柔性的问题,提出一种自适应的多特征表观建模方法.该方法引入了对梯度、边缘等图像细节描述能力更强的Surf特征,并通过构建两级观测矩阵解决多维特征的观测问题,与亮度特征进行融合,使视觉表达更加丰富、全面;通过计算正负样本特征所服从的概率分布曲线的Hellinger距离,分析特征对目标和背景的区分能力,自适应地调整统计模型中各特征之间的权重,使统计模型能更好地利用对目标跟踪有益的信息,根据目标和背景的变化及时进行更新.实验结果表明:该自适应多特征表观模型能更加准确地描述实际场景中目标和背景的复杂变化,在保持高效率的同时,极大地提高了跟踪算法的鲁棒性和准确性.     

基于PCNN的自动图像分割

脉冲耦合神经网络(PCNN)模型在数字图像分割中得到了广泛的应用,但对网络参数的确定以及最优结果的选则一直是一个难题,主要是以人工经验为主,虽然提出了一些参数自动设置的算法,但都缺乏对模型本身数学理论的研究和分析.通过对PCNN网络神经元点火特性的分析,提出了一种基于图像最大灰度值最小时刻点火的参数自适应设定算法,并针对该算法构造了一种新的用于最优结果选择的判定准则.将其用于lena等图像分割中,取得了与主观评价相一致的结果,而且表现出更快的速度和较好的鲁棒性.     

基于LRU淘汰机制的自适应大流检测算法

针对现有大流检测算法自适应能力差和难以满足工程应用需求的问题,提出一种新的基于"最近最久未用"淘汰机制的自适应大流检测算法。该算法设置流归并和LRU两级缓存,数据分组到达时,首先进入流归并缓存,按照"流关键字"通过哈希算法实现数据分组到流的匹配,并对流大小进行估计;同时根据上一时刻被LRU淘汰流的大小实时调整LRU缓存之前的过滤门限;然后比较流估计值和门限大小,估计值大于门限的流所含数据分组进入LRU缓存进一步筛选,否则丢弃。为保证实时性和过滤效果,分析并提出了门限时长的设置方法。理论推导和实验结果表明:该算法既保证了准确性又提高了自适应性,更适合工程应用。