贝叶斯估计和尺度空间滤波相结合的滤波方法

提出了一种贝叶斯估计和尺度空间滤波相结合的滤波方法。信号的小波系数表现出很强的非高斯统计特性，其密度函数可以用推广的拉普拉斯先验分布建模。利用贝叶斯估计能够较好地提取出信号的小波系数，再由小波逆变换恢复信号。贝叶斯估计较好地保留了信号的边缘信息，但滤波信号尚不够平滑。尺度空间滤波在保留信号边缘的同时，还有很好的平滑作用。两者相结合有很好的滤波效果。     

一种迭代的核密度估计视觉目标检测算法

利用srgb颜色空间性质,提出了一种基于Epanechnikov核函数的非参数核密度估计进行视觉目标检测,基于贝叶斯理论的迭代决策方法进一步消除噪声并增强了二值检测结果.在迭代过程中,模拟退火加快了收敛速度.仿真证明,算法能够抵抗光照变化和阴影等带来的不良影响,得到优异的目标检测结果;与几种经典方法相比,在大大降低误检率的同时提高了目标正确检出率,具有良好的实用价值.     

基于核密度估计高斯混合PHD滤波的多目标跟踪算法

针对多目标跟踪系统中传统算法目标估计精度较低的问题,提出了基于核密度估计的高斯混合概率假设密度（probability hypothesis density, PHD）滤波算法。在该算法中,经过剪枝、合并后,引入核密度估计理论的Mean shift算法,对高斯混合PHD分布密度函数进行核密度估计,取代了传统算法中的状态估计方法。最后,选择估计后得到的峰值作为目标状态估计值。仿真结果表明,基于核密度估计的高斯混合PHD滤波算法比传统算法具有更高的估计精度。     

考虑盲区的多移动传感器地面目标检测跟踪调度方法

针对地面目标检测跟踪任务以多移动传感器系统为调度对象，提出一种考虑盲区的传感器调度方法。首先，建立了目标检测模型，基于贝叶斯风险理论给出了目标检测损失的计算方法以评估检测性能。然后，考虑多普勒盲区和视野盲区的影响，建立了目标跟踪模型，并给出了基于盲区信息辅助的目标跟踪算法以应对盲区出现时目标状态估计问题。最后，建立了传感器优化调度模型，结合检测损失、跟踪精度、传感器能耗等因素建立了目标优化函数。仿真结果表明，所提调度方法能够有效解决多移动传感器协同调度问题，所得的最优调度方案可在兼顾检测性能、跟踪性能和控制能耗的同时，使整体作战收益达到最佳。     

相依屏蔽数据串联系统中M-O型部件的可靠性分析

当串联系统含有屏蔽数据且屏蔽概率与失效部件相关时,研究系统中相依部件分布参数及可靠度函数的估计问题。假设部件寿命服从二元Marshall-Olkin型指数分布,在逐步Ⅱ型截尾下,基于屏蔽数据,推导出部件参数及可靠度函数的极大似然估计。鉴于极大似然估计法在完全屏蔽情形下的局限性,利用贝叶斯方法,在平方损失函数下推导出部件参数和可靠度函数的贝叶斯估计。最后利用Monte-Carlo方法给出数值例子,比较了两种估计结果的优劣;同时研究了屏蔽概率和截尾数对估计结果的影响。结果表明两种估计的精度均随着屏蔽概率的增大而降低,随着截尾数的增大而增高,贝叶斯估计较极大似然估计效果更优。     

目标数据缺失下离散动态贝叶斯网络的参数学习

离散动态贝叶斯网络参数学习的难点在于:隐藏节点的片间转移概率获得及观测数据发生不同程度缺失。针对上述问题,提出基于目标缺失数据估计的前向递归参数学习算法。该算法利用离散动态贝叶斯网络中各观测变量与隐藏变量之间的对应关系,采用支持向量机建立观测变量间的非线性函数关系完成缺失数据估计,此基础上利用完整数据集和前向递归算法完成片内和片间参数更新。以空中目标识别为仿真背景,通过与期望最大算法对比,验证了该算法的学习效率和精度两个方面的优势。     

基于曲波变换的自适应图像去噪算法

曲波变换是一种新的多尺度变换理论,具有各向异性的特征,可以很好地逼近含线奇异的高维函数。利用曲波变换和经验贝叶斯估计的方法,提出一种新的自适应图像去噪方法,在曲波分解的基础上,由贝叶斯决策理论方法来导出估计法则,从而获得贝叶斯估计值。实验结果表明,与其他几种常用的去噪方法相比,本方法去噪后,图像获得较好的视觉效果,同时客观评价指标明显改进,在较大噪声的情况下更能显示出其优势。     

基于投影滤波的突发事件危险源位置估计问题研究

针对确定突发事件中危险源的位置估计问题,提出一种基于hermit基函数的投影滤波方法.通过将其概率解投影到指定状态空间中,通过投影空间中的艾尔米特基函数构造出近似解,即状态的先验概率密度函数,最后由贝叶斯估计得到状态的后验概率密度函数,给出算法的收敛性和计算复杂度分析.仿真实验证明投影滤波方法有效减少滤波估计中所需的计算量,并提高了估计精度.     

基于贝叶斯准则水平投影优化的目标检测算法

为了进一步提高跟踪系统中目标检测的精准性,适应不同的环境变化,对检测阈值的选取和图像的去噪提出了新的算法。结合似然函数和贝叶斯判别准则理论,根据信号和噪声的统计分布规律,得到一个自适应的动态阈值。利用该阈值对二值化图像的水平投影进行优化处理,去除噪声,得到待检测的目标。实验结果表明,该方法克服了目标完整性和抑制噪声之间的矛盾,可以有效地改善光线变化带来的噪声影响,在不同的场景情况下都可以得到满意的检测结果。     

基于BDWT的运动目标识别及Mexico小波核mean shift跟踪算法

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法.针对帧间差分提取运动目标的缺陷与不足,提出了一种基于二进小波变换的运动目标识别算法,即直接在二进小波变换域提取运动区域,从而检测出运动目标.对于检测出来的运动目标,对mean-shift跟踪算法进行了改进,采用以Mexico小波核函数自适应mean-shift算法对目标进行跟踪.实验结果表明,提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响.本算法具较高的实用价值和应用前景.     

High efficient moving object extraction and classification in traffic video surveillance

Moving object extraction and classification are important problems in automated video surveillance systems. A background model based on region segmentation is proposed. An adaptive single Gaussian background model is used in the stable region with gradual changes, and a nonparametric model is used in the variable region with jumping changes. A generalized agglomerative scheme is used to merge the pixels in the variable region and fill in the small interspaces. A two-threshold sequential algorithmic scheme is used to group the background samples of the variable region into distinct Gaussian distributions to accelerate the kernel density computation speed of the nonparametric model. In the feature-based object classification phase, the surveillance scene is first partitioned according to the road boundaries of different traffic directions and then re-segmented according to their scene localities. The method improves the discriminability of the features in each partition. AdaBoost method is applied to evaluate the relative importance of the features in each partition respectively and distinguish whether an object is a vehicle, a single human, a human group, or a bike. Experimental results show that the proposed method achieves higher performance in comparison with the existing method.     

基于数据特征的仿真动态输出验证方法

为了解决考虑不确定性时仿真系统动态输出验证问题,提出一种基于数据特征的仿真系统动态输出验证方法。首先在给出数据特征度量模型集概念的基础上,定义了形状、位置、频谱3方面的差异特征度量模型;然后分别构建仿真系统输出和参考输出的标准序列,建立仿真系统和参考系统动态输出的数据特征矩阵;再者,应用基于核密度估计的改进贝叶斯因子法实现仿真系统动态输出统计特性的一致性度量,从而完成动态输出的验证;最后,通过实例应用对所提方法进行了验证。     

基于栅格地图的智能车辆运动目标检测

运动目标检测是智能车辆动态环境感知中的关键问题。栅格地图是一种实用的环境感知方法。以激光雷达作为传感器,针对基于贝叶斯框架和证据理论的4种栅格地图更新算法,分别提出了不同的运动目标检测方法,并通过仿真和实验对4种方法在栅格地图构建和运动目标检测中的性能进行了对比研究。实验结果表明,通过对比当前时刻局部栅格地图和上一个时刻的全局栅格地图,原始的贝叶斯推理算法和证据理论框架中的经典Dempster组合规则能够清楚完整地检测到运动目标,并能滤除静态障碍物和空白区域中的测量噪声,性能优于修正的贝叶斯推理算法和冲突信息按比例重分配规则。     

非凸运动辅助低秩稀疏分解目标检测算法

针对传统低秩稀疏分解(low rank and sparse decomposition, LRSD)用于视频运动目标检测时检测精度较低的问题,提出了一种鲁棒非凸运动辅助LRSD(robust nonconvex motion-assisted LRSD, RNMALRSD)的运动目标检测算法。该算法首先考虑到视频背景的低秩特性,采用非凸γ范数对秩函数进行逼近,考虑视频背景在变换域上仍然具有稀疏性,引入背景在变换域的稀疏先验。其次,引入运动辅助信息矩阵,使其融入前景的运动信息,表示每个像素属于背景的可能性,提高视频运动目标检测的准确度。然后,采用交替方向乘子法(alternating direction method of multipliers, ADMM)对提出的模型进行求解。最后,将提出的方法应用到视频运动目标检测上进行仿真实验。对实验结果的分析表明，提出的RNMALRSD方法比其他基于LRSD的运动目标检测方法具有更高的检测精度。     

基于激光数据配准的移动机器人自定位

提出了一种基于激光数据配准的移动机器人自定位方法。该方法避免了对激光数据进行特征提取以及点对点的对应,仅以预处理后激光数据的核密度估计作为定位依据,以核相关方法作为比较相邻两组激光数据相似性的度量准则,并在此基础上建立以旋转平移向量为参数的自定位目标函数。最后采用BFGS拟牛顿方法对目标函数进行寻优,最终实现移动机器人的自定位。对180度激光数据的仿真实验结果证明了该方法的有效性。     

贝叶斯检测跟踪联合处理的检测阈值设置方法

基于贝叶斯理论的检测跟踪联合处理方法能够利用目标的运动模型在帧数据间以概率的形式对信号进行积累,从而提高系统的检测性能。然而,在Neyman-Pearson准则下,该方法很难根据系统要求的虚警概率计算检测阈值,影响了该方法的应用范围。在综合分析基于贝叶斯理论的检测跟踪联合处理方法的基础上,针对Neyman-Pearson准则,详细推导了系统虚警概率同检测阈值之间的关系,并在观测噪声为高斯白噪声的情况下给出了检测阈值的近似闭式解。利用该闭式解,可以按照系统要求的虚警概率计算检测阈值,从而使得实际系统的虚警概率满足要求。最后,计算机仿真实验验证了该闭式解的有效性。     

贝叶斯框架支持向量机的模拟电路故障诊断

基于贝叶斯证据框架下的最小二乘小波支持向量机，设计了一种新型模拟电路故障诊断方法。将贝叶斯证据框架应用于多类LS-WSVM分类器来选取正规化参数和核参数，并采用小波提升变换对从测试点得到的各种故障状态下输出电压信号进行分解获取多尺度的小波系数，对经处理的小波系数提取出故障特征量，以此作为样本训练多类LS-WSVM分类器来确定模拟电路故障诊断的模型。采用雷达系统模拟电路进行了仿真，结果表明，设计的模拟电路的故障诊断方法效果良好。     

基于漫水填充的图像骨架提取方法

针对当前图像骨架提取存在毛刺现象和骨架冗余的问题,提出基于漫水填充的图像骨架提取方法。对目标图像预处理,得到阈值化二值图像,分割出前景和背景;构建掩模图像和轴线图,为后续运算过程提供数据来源和判断依据;通过遍历水平面灰度直方图,模拟漫水过程,收缩掩膜图像的前景轮廓,根据邻域连通分量变化,确定是否为骨架特征点,待轮廓收缩完毕,得到图像骨架。实验验证表明,该方法可以有效地提取图像骨架,毛刺现象和冗余结构明显减少,执行速度快。