一种优化嵌套MIMO的无孔差合阵列设计

针对现有嵌套MIMO阵列自由度有限的问题,提出一种基于优化嵌套阵的优化改进方案。其不止保留了嵌套MIMO阵列设计的原有优势,具有阵元位置以及自由度的闭合表达式,而且极大程度地提高了阵列孔径以及自由度。优化嵌套MIMO阵列设计首先将优化嵌套阵作为发射和接收阵,其次对MIMO阵列的合阵进行做差处理,得到阵元位置的差合阵列。通过合理的设计发射和接收阵的阵元间距,可以获得一个无孔的差合阵列。当阵元总数给定的时候,通过分析阵列结构的特点,可以得到发射和接收阵的最佳阵元数目。仿真实验表明,与嵌套MIMO阵列设计相比,所提方法在不增加实际阵元数目的情况下可以有效扩展阵列孔径,增加自由度,从而提高MIMO雷达波达方向估计精度。     

基于变分贝叶斯估计方法的双尺度自适应Kalman滤波

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题：一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启发式的自适应噪声估计窗口,实现了稳态精度和时变响应性能的综合提升,能适应敌方目标机动性高且统计特性变化快的特点;二是设计了在不同时间尺度上估计过程噪声和量测噪声的协方差方法,解决了在同一时间尺度上使协方差估计值发生严重偏差且增大滤波误差的问题。仿真表明,所提方法能快速跟踪目标状态噪声统计特性的变化并保证估计精度。     

利用单检波器数据估计高铁列车运行速度

在列车结构基本上固定的前提下, 仅利用高铁线路隔离区外单个检波器采集的地震数据来估计高铁的运行速度。通过给出列车经过铁路上一点时该点的受力函数振幅谱与列车运行速度的关系, 提出一种基于速度扫描的列车速度估计方法。首先根据列车结构参数及预设列车运行速度生成一系列受力函数振幅谱, 然后计算各种速度下的受力函数振幅谱与单个检波器所接收到信号振幅谱的互相关函数, 最终选取互相关函数值最大时对应的速度作为列车运行速度的估计值。合成数据及实测数据的结果均证明所提方法的合理性, 有望将此方法推广到其他道路交通中具有固定结构交通工具的速度估计中。     

基于改进粒子滤波的视觉目标跟踪

针对目标跟踪算法在精度和鲁棒性上的要求,提出一种基于改进粒子滤波的视觉目标跟踪算法.首先,建立多种特征来描述目标外观模型,并对各特征分量的加权系数进行自适应调节;然后,利用分类重采样方法解决原始重采样方法中的粒子退化和匮乏问题;最后,提出一种新的模板更新机制,自适应选取运动模板或原始模板.实验结果表明,改进后的算法在具有挑战的跟踪视频序列上实验,具有良好的跟踪精度和鲁棒性,能够应对视频图像分辨率不高、目标转动变化、部分遮挡等复杂条件.     

基于栈式稀疏自编码多特征融合的快速手势识别方法

针对复杂背景下手势分割提取效果不佳、图像识别率不高、识别困难等问题,研究多特征融合的快速手势识别方法.利用YCbCr颜色空间模型,构建肤色分布模型,从复杂背景中去除大部分非肤色的干扰,从而实现手势分割;接着采用5层栈式稀疏自编码网络框架,分别提取手势感兴趣区域（region of interest,ROI）的纹理图像、形状图像和显著视觉图像作为自编码网络输入,将提取到的不同类型的特征进行线性融合;最后使用基于径向基核函数（radial basis function,RBF）的支持向量机（support vector machine,SVM）分类器进行融合特征数据分类,从而实现不同类型的手势识别.实验结果表明,相比其他手势识别方法,本文方法识别率较高,提取特征更具有代表性,平均识别率可达95.05%.      

面向AR沙盘异地协同标绘的动作重构技术

为真实再现增强现实环境下全息沙盘异地协同标绘的交互过程,提出了一种基于视频的异地协同标绘动作重构技术.使用单目RGB相机采集作业人员的实时视频信息,基于YOLO实现多人检测,并确定作业人员在三维空间中的相对位置关系;基于改进的ResNet网络对检测到的每个作业人员进行关节点的三维位置预测;然后将估算出的本地作业人员的关节位置实时传送到异地,经过逆向运动学及低通滤波器的优化驱动虚拟化身的运动.实验结果表明,能够准确地再现异地作业人员的标绘动作,满足实际应用需求.      

基于模糊集-证据理论-层次分析法的车辆运行风险评估

为研究车辆运行风险等级,通过模糊集理论和DS证据融合算法,研究不同因素在不同风险等级的概率隶属值,运用层次分析法计算不同因素对车辆运行风险系统的权重值,通过加权计算车辆运行综合因素发生不同等级风险的概率和综合风险值。通过对湖南省高速公路某一路段作为实例分析,研究表明：该路段整体车辆运行风险是中等等级风险。因此,模糊集-DS证据理论-AHP的方法对车辆运行风险评估是行之有效的。     

基于深度学习的OFDM信道估计

针对多径正交频分复用(orthogonal frequency division multiplexing, OFDM)信道环境下信道频域选择性衰落导致下行链路信道估计性能受限的问题,提出一种基于深度学习的信道估计(deep learning-based channel estimation, DL-CE)方法。采用自回归过程对信道建模,利用深度学习设计信道估计网络追踪信道响应及其频域相关系数。通过迭代训练,基于深度学习的信道估计网络能够学习到自回归系数的最优估计,同时利用先验信道信息估计信道频域响应和频域相关系数。与传统方法相比,所提信道估计方法性能提升明显。     

基于无监督学习的实时公交动态调度的研究

针对广州智能公交调度的优化问题,提出一种基于无监督学习的实时公交动态调度算法,结合乘客利益和公交公司利益总体最优为目标,通过无监督学习方法学习到公交客流出行特征表达的提取,利用吸引子传播(affinity propagation,AP)聚类算法的优化数据集与支持向量机(support vector machine,SVM)的训练样本集相结合建立预测模型训练,运用公交线网发车间隔和加权系数的目标函数优化调度数学模型,将多源信息融合及多策略的实时公交动态调度算法引入到求解模型中,利用深度学习的异常突发事件分类检测方法实现调度优化模型的实时调整。实验结果表明,AP聚类算法程序运行耗时16 s、高峰发车间隔5 min,比遗传算法运行效率更高、时间间隔更精确,实例证明模型和算法具有实用性和可靠性。     

基于粗糙集的分布式集值数据属性约简

有许多文献针对集中式集值决策信息系统进行了研究,但还没有针对分布式集值决策信息系统方面的研究。主要讨论了分布式环境下集值决策信息系统的属性约简问题。从概率角度给出了集值对象的相似性度量,定义了分布式集值决策信息系统中的粗糙集模型;以保持系统正域不变为准则,分析了分布式集值决策信息系统中子决策表和属性的可约性;随后,给出了分布式集值决策信息系统中属性对于系统可约的2个判定条件,并采用后向搜索策略提出了相应的属性约简算法;为了验证该方法的有效性,在5份数据集上进行了50组实验。实验结果表明,提出的方法可以在保持分布式集值决策信息系统分类能力基本不变的情况下约简掉冗余的属性。。