基于低秩交叉重构的领域自适应算法

为了解决现有领域在自适应方法中忽略了整个数据域内部结构的信息和源域与目标域之间的差异问题,提出了一种新的基于低秩交叉重构的领域自适应方法.通过对源域和目标域的交叉重构来构造新的源域与目标域,使得同类数据相互交织,缩短了同类数据之间的距离; 通过对重构矩阵施加低秩约束,将2个域的同类数据对齐,以此来充分挖掘源域和目标域同类数据之间的内在结构信息,并利用该结构信息来学习分类器,从而取得更好的跨域识别效果.在5个公开数据集上的实验结果表明:该方法具有较高的跨域识别准确率.     

动态迟滞非线性自适应补偿控制方法

针对典型的动态迟滞特征模型,提出了一种新型的迟滞补偿控制方法.通过乘以一个斜率转换因子, 将具有近似线性特性的理想迟滞模型转化成实际的期望输出模型.采用自适应滑模控制原理求取迟滞补偿控制量,以保证实际的迟滞特性能够达到期望的线性输出特性.仿真实验结果表明,该自适应滑模迟滞补偿方法能够有效地补偿动态迟滞特性.     

基于LMD近似熵和SVM的自适应重合闸方法

自适应重合闸的功能是快速、准确地辨识故障性质及捕捉电弧熄灭时刻.在分析瞬时性故障和永久性故障断路器跳闸后的端电压波形复杂性的基础上,提出了局部均值分解(LMD)、近似熵和线性支持向量机(SVM)相结合的自适应重合闸整体实现方案.利用LMD分解故障信号得到若干个PF分量,选取前3个PF分量算出其近似熵值构成三维特征向量,将三维特征向量作为SVM的输入量来区分故障性质和捕捉电弧熄灭时刻.线路故障仿真结果表明,该方案可智能识别故障性质和捕捉电弧熄灭时刻且具有一定的抗噪能力.     

激光散斑引起的波前探测误差及误差消除研究

激光具有较高的能量且单色性较好,因此被广为应用在弱光波前探测系统中。但激光的强相干性产生的像面散斑会造成CCD面阵上的光强无规律分布,导致波前重构质心算法的错误,进而降低波前像差探测的精度。分析了激光散斑降低波前探测精度的原因,并尝试用旋转散射体、多模光纤耦合及随机位相板等多种组合方法消除激光散斑,提升波前探测精度。评估几种方法对光强、光均匀性及消除散斑的效果进行对比分析、优化设计激光为光源的波前探测消散斑系统。最后利用随机位相板与多模光纤耦合的方法有效消除激光散斑,并进行消散斑前后的波前探测。该消散斑系统可有效消除激光散斑并提升波前探测精度,大幅提升了激光光源在自适应光学领域的应用性。     

基于压缩感知的自适应匹配追踪算法优化

针对基于压缩感知的稀疏自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法运行效率低的问题,给出了一种优化的自适应匹配追踪(modified adaptive matching pursuit,MAMP)算法.该算法在支撑集选择过程中对稀疏度进行了初步估计,并优化了迭代停止的条件.实验表明,该算法相比于SAMP有更快的收敛速度,并且实现更优的重建效果.     

民用飞机横航向增稳系统设计研究

首先论述了增稳系统在大型客机高空、高速运行时的作用;然后介绍了三种横航向增稳控制系统方案,并分别对三种增稳方案的特点进行了描述,提出了在副翼通道中引入滚转角速率、侧滑角、侧向过载反馈以及在方向舵通道中引入偏航角速率、侧向过载、侧滑角反馈的横航向综合增稳控制方案;最后以B707为例设计了横航向增稳控制律,并进行了数字仿真和性能分析。该文对于大型客机型号研制中开展飞行控制系统的控制律设计具有一定的工程借鉴。     

H.264视频流自适应多纹理方向错误隐藏方案研究

H.264标准的错误隐藏算法对于纹理信息复杂的错误宏块,视频图像恢复后的平滑性较差。针对H.264标准算法存在的不足,提出了一种自适应的视频流多纹理方向错误隐藏方案,采用两个阈值设定策略自适应的设定Sobel边缘检测算法的阈值,通过改进的Sobel算法,检测出错误宏块的相邻块可能边缘方向,同时结合边缘像素差值成本函数自适应的确定错误数据块中每个像素点的插值方向,并根据其插值方向进行方向插值来恢复。JM8.6仿真结果表明,与标准算法相比,其隐藏效果在主观视觉判断和客观数值计算上都有一定的提高。     

基于AGIMM的临近空间机动目标跟踪滤波算法

由于临近空间高超声速目标的机动形式复杂,单一模型很难满足高精度跟踪的需要。因此需要使用基于多种模型进行交叉耦合的交互式多模型算法,这种算法特点与临近空间目标高速、高机动特性相适应。提出了一种自适应网格交互多模型跟踪算法用于临近空间高超声速机动目标的跟踪问题。所提方法能够处理自适应时变模型集合,随时调整当前时刻使用的模型数量,相比于固定结构交互式多模型算法极大减少了计算量,计算效率和跟踪精度更高,数值仿真结果验证了所提算法的有效性。     

基于随机森林分类的快速标签检测

主要解决了传统的人工标签检测中存在的成本高、速度慢以及检测率低的问题。与传统算法相比,提出了一种基于随机森林分类的快速标签检测算法。文章首先设计了自适应特征选择方法,能够在大规模的特征中自动选择鉴别力最高的特征,较好地区分前景和背景。在此引入了基于金字塔随机撒块的随机森林分类器,能够快速有效地完成多种标签的检测。实验结果验证了本算法的高速、高精度特性,适用于高速自动化生产线上的标签检测。
     

基于自适应模拟退火的改进混合粒子群算法

为了改善旅行商(TSP)优化求解能力,对模拟退火与混合粒子群算法进行改进,引入了自适应寻优策略。交叉、变异的混合粒子群算法,易于陷入局部最优,而自适应的模拟退火算法可以跳出局部最优,进行全局寻优,所以两者的结合兼顾了全局和局部。该算法增加的自适应性寻优策略提供了判定粒子是否陷入局部极值的条件,并可借此以一定概率进行自适应寻优,增强了全局寻优能力。与混合粒子群算法实验结果对比,显示了本文算法的有效性。