基于运行状态识别的无人机航迹预测

无人机航迹预测对于无人机冲突检测、任务规划及异常管控至关重要。在很多情况下难以为无人机这种复杂系统建立精确的物理模型,给基于模型的滤波方法带来一定难度。为解决上述问题,提出一种基于运行状态识别的无人机高斯过程-无味卡尔曼滤波的混合估计方法。首先,利用运行状态识别机制将无人机运行数据分为不同数据段,以确定无人机实时状态并提高预测模型的适应性;然后,根据不同的运行状态,从航迹数据中学习高斯过程递归模型,将其作为无味卡尔曼滤波器的状态转移方程,以实现更高的预测精度;最后,利用动作捕捉系统采集的真实无人机运行数据验证了所提出方法的有效性,利用均方误差检验了方法的精确度。     

基于运动捕捉系统的小型有动力无人机气动特性分析

通过运动捕捉系统获取飞行参数,最终通过公式推导的方式获得有动力小型无人机(unmanned aerial vehicle,UAV)的空气动力学参数.首先,使用精确的电子秤测量无人机在不同推力功率下的推力值,得到无人机的推力曲线.其次,无人机在Vicon运动捕捉系统环境下进行飞行试验,得到飞行过程中无人机的位置及姿态信息,经过平滑和微分处理后,可得到无人机每一时刻的速度、加速度、角速度、角加速度.针对所推导的数据,使用MATLAB建模,生成有动力无人机的气动曲线.对所获气动曲线进行分析,结果表明,该方法可用于描述非定常空气动力学效应,为研究厘米级飞行中的空气动力学现象提供思路.     

基于机动动作元的敌机战术机动在线识别方法

敌机战术机动动作的在线识别可为空战态势感知、任务规划和辅助决策提供重要参考信息.针对雷达数据不能提供敌机姿态信息,导致战术机动动作难以直接描述的问题,提出了一种基于空战机动动作元的两级识别方法.首先分析了雷达传感器提供的特征信息;其次根据战术动作的航迹曲线,将空战战术动作分解为11种基本的机动动作元,降低了动作描述的复杂度;然后采用随机森林和支持向量机设计了两级识别方法,层级1利用航迹参数识别机动动作元,层级2根据动作元序列和运动参数识别战术动作.通过对仿真飞行数据进行验证,表明机动动作元能有效描述典型机动动作,提出的方法能够实现敌机战术机动的准确在线识别.      

基于MEMS六轴传感器的上肢运动识别系统

设计并实现了一种基于MEMS六轴传感器的上肢运动识别系统.该系统通过1个MEMS六轴传感器对用户上肢运动的三维加速度和三维角速度进行实时采集并使用蓝牙发送到计算机中.通过计算机将采集到的数据进行加速度分解、滤波、周期判别、标准化等处理后,与特征数据库中的数据进行相关性分析,从而实现对特定动作的识别,并可对重复动作进行计数.以对哑铃动作采集数据为例,验证了该系统的有效性.     

基于改进PH曲线的无人机航迹规划

 航迹规划是无人机任务规划的重要组成部分。针对现有航迹规划存在的不足, 提出一种基于改进pythagorean hodo-graph(PH)曲线的航迹规划方法。该方法结合了PH 曲线的曲率连续性和粒子群优化算法的快速搜索特点, 将PH 曲线的控制点选取通过粒子群算法进行优化, 可以快速得到避障安全、满足最大曲率限制和曲率连续的最优PH 路径。仿真结果表明了该方法的有效性。     

Kinect骨骼数据驱动的人体动作二维特征融合与动作识别

针对在高噪声环境中人体动作识别存在准确度和稳定性不高的问题,本文采用二维空间特征融合的方法,提出一种基于Kinect骨骼数据的人体动作识别算法。从人体三视图的投影来提取运动特征,可以消除人体自遮挡的影响。针对人体复杂动作,算法采用分层策略。利用Kinect获得的骨骼关节点坐标,根据人体三视图投影提取二维空间的人体关节角特征,并运用支持向量机(SVM)方法对动作进行粗分类;进一步提取二维投影平面内的关节位置矢量、角速度和加速度特征,运用隐马尔可夫模型(HMM)的方法对动作进行细分类。利用本文方法对公开数据集MSR Action 3D实验,平均识别率达93.37%,实验结果表明,该方法准确性较高,鲁棒性较强。     

基于BVH的驾驶动作捕捉数据研究

提出基于BVH的驾驶动作捕捉数据初步研究方法. 详细解析BVH文件格式特征以及文件中每个数据的表达内容;利用驾驶动作捕捉数据建立了驾驶员在保持驾驶姿势情况下的坐标系统;结合正向运动学方法对动作数据进行处理. 通过动作数据分析以及矩阵的变换将抽象的动作数据转换为具体的空间绝对坐标数据,并建立了量化描述驾驶动作的方法,为进一步研究驾驶动作及分析驾驶行为等提供了运动参数.     

基于加权置信度的运动捕捉数据低级时域分割算法

针对传统的低级时域分割算法不能很好地应用于运动捕捉数据(具有高维性)的问题,提出了一种基于加权置信度的运动捕捉数据低级时域分割算法.首先计算每个时间点在各维上作为分割点的置信度;之后将这些置信度按照对应的过零强度进行综合,得出加权置信度;最后通过寻找加权置信度的局部最大值点,并根据合适的阈值加以限定,确定出全局的分割点.通过测试多组数据,选择得到最优结果时的阈值.用卡耐基梅隆大学运动捕捉数据库的数据进行了试验.结果表明,该方法可以有效地对动作捕捉数据进行分割;在最优阈值条件下,该方法在各方面指标上均显著优于基于曲率或全身速率的方法.     

基于最小二乘支持向量机的脑电信号分类

研究了基于运动想象脑电信号对大脑的想象运动状态进行分类识别的问题.根据事件相关同步和事件相关去同步现象识别出被试的想象运动状态,通过频带能量特征提取方法获得了想象左右手运动时的脑电信号特征,使用最小二乘支持向量机对提取到的频带能量特征进行分类.结果表明,使用最小二乘支持向量机可以对运动想象脑电信号的频带能量特征进行有效分类,分类正确率达到92%,其分类效果与使用标准支持向量机相当,但在计算速度上更有优势.     

基于深度学习的反无人机预警神经网络

为解决传统雷达探测设备面对"低小慢"无人机时产生的难检测与易突防问题,通过深度卷积神经网络对空中无人机进行实时识别,提取目标的类别与像空间位置信息;根据无人机像空间位置在时域下的变化趋势,绘制无人机飞行映射轨迹;利用长短期记忆网络对飞行映射轨迹进行预测,获取无人机在未来时域内的预测航迹方向,实现对无人机的预警跟踪、实时检测与轨迹推断。结果表明,所提出的算法中目标识别平均准确率可达到82%,轨迹预测平均准确率可达到80%计算速度可达到24帧/秒,可见能够在地基计算平台下对空中无人机进行实时精确预警,可以有效地防止识别领空内的非合作无人机渗透与突防。     

基于字典学习的77GHz雷达人体动作识别

基于视觉的人体动作识别方法对光线和视距环境较高,并且存在侵犯隐私的问题,在应用中有局限性。为了解决这个问题,提出一种基于毫米波雷达和字典学习的人体动作识别方法。首先对人体动作的雷达回波信号进行时频分析得到时频图,再使用两种特征提取方法对时频图进行降维描述,将两种降维后的数据融合,通过LC-KSVD字典学习算法同时学习多特征字典和一个线性分类器,最后根据稀疏系数和线性分类器来识别动作。在此基础上,设计77 GHz毫米波雷达动作识别实验系统,结果表明:算法在10种人体动作数据集上达到了97.7%的识别准确率,可见所提方法实现了对人体动作的准确识别。     

基于光流法的篮球图像运动块差异自主检测方法

为了解决传统方法在人群密集遮挡情况下无法满足检测要求,以及针对正常运动块的加速度改变,容易误检测为差异运动块的问题,通过光流法研究篮球图像运动块差异自主检测问题。分析光流法方程,通过篮球图像序列中像素强度数据的时域改变与相关性判断运动块像素的变化。通过码本模型对篮球图像前景位置进行提取,避免人群遮挡干扰,在前景位置处找到特征点。获取目标特征点后,通过光流法对运动块进行跟踪,针对全部能够被跟踪的运动块,引入光流运动方向数据;把光流运动方向在相同角度区间中的特征点当成一组数据完成归一化处理,降低对正常运动块的误判断,增强检测精度。对各区间中光流加速度进行高斯滤波处理,把各角度区间加速度累加,将其当成篮球图像加速度,设定累积加速度阈值,在图像块累积加速度高于设定阈值的情况下,认为出现差异情况。结果表明,所提方法能够检测遮挡背景下篮球图像运动块差异,NMI与LODF值均较大。说明所提方法满足遮挡情况下运动块差异检测要求,检测结果准确,不容易出现误检测现象。     

基于亮度守恒假设的火灾图像运动特征提取

论述了火灾火焰和烟雾图像特征分析及提取方法,分析了这些方法尚存在的问题,指出了火灾图像运动特征分析相对于静态特征分析的优势.针对亮度不变假设在提取火灾火焰和烟雾图像运动特征时存在的问题,提出将目前最新的光流计算方法——亮度守恒假设应用于视频火灾探测中,结合全局平滑性假设,推导了亮度守恒方程解的迭代形式,并对基于亮度守恒假设的火灾火焰和烟雾图像运动特征识别方法进行了分析和讨论,为开发更加准确可靠的视频火灾探测识别算法提供了理论支撑.     

处理光学捕获运动数据的算法

利用光学运动捕捉系统捕获布置在实验对象下肢的标记点的坐标, 借助测力板测量动作过程中实验对象受到的外部支反力, 编写Matlab 程序, 并导入以上数据, 实现下肢各体段的质心坐标、位移、速度和加速度, 以及各关节的角度、角速度、角加速度和关节力、关节力矩等运动参数的快速计算, 解决目前已有软件因处理手段繁琐而造成的结果输出周期过长的问题. 借用多项式拟合的方法平滑各参数的曲线图, 并与Visual 3D软件的处理结果进行对比, 验证了算法的准确性.     

基于堆栈稀疏自编码器和微动特征的身份认证技术

从人体目标雷达回波数据中提取可分性较好的微动特征是实现目标分类的关键。针对传统谱图结构特征无法对体型相似的人体目标精细识别,提出了基于堆栈稀疏自编码器的人体身份认证方法。首先构造堆栈稀疏自编码器网络,利用人体微动数据进行无监督预训练,在不同层提取人体微动特征,然后将得到的特征输入softmax分类器进行有监督训练,用交叉验证调整网络参数,最后用训练好的网络进行人体目标分类。在不同人走路实测数据集上,3人平均识别率达到了83%,优于提取谱图结构特征分类的方法。     

基于特征运动簇的非刚体运动形变估计算法

由于非刚体运动形变估计是一个非线性的逆问题,非刚体运动时受到背景多样性、运动复杂性、数据的丢失、特征点噪声等问题的影响,使非刚性物体的形变程度估计面临着估计不准,误差较大的问题。为了解决这些问题,提出一种基于特征运动簇反投影的非刚体运动形变估计算法,将非刚体运动的形变估计过程中,加入一定的物理运动约束刻画不同非刚体运动形状基的情况下,运动形变的程度,使用非线性优化闭合求解的方法进行运动模型结构参数的重构,运用反投影后得到的结果估计非刚体的形变程度。实验结果表明,这种方法得到的解,误差较小,效果明显。     

基于MATLABSIMULINK的潜射无人机水面分离运动分析

本文针对潜射无人机发射方案的要求提出无人机与运载器实现水面分离的方案,并建立相应的动力学数学模型,分析了分离过程中无人机的纵向运动情况。分析结果表明,分离过程结束后,无人机的运动参数可以满足无人机飞行方案的要求。     

基于运动捕获数据的人体运动融合

为了提高运动捕获数据的重用性和重用效率,引入注册曲线思想。以多个已有的捕获数据为输入,通过运动融合生成一段新的运动数据。首先建立时间对齐曲线,基于时间对齐曲线建立坐标对齐曲线,然后基于对齐曲线和坐标对齐曲线进行姿势融合。最后进行约束处理,扩展了可以用于运动融合的运动集合。实验结果证明方法可行且效果好。