钢管高速检测与缺陷识别系统

采用二维漏磁检测技术研究无缝承压钢管高速自动化检测系统，该系统能高速检测钢管内外壁及内部各种细微缺陷；用动态超声测厚技术，高速检测钢管的大面积缺陷和壁厚；结合计算机测控技术，以图形方式对检测全过程进行监测，分析、运算、存储缺陷信号，识别缺陷类型，对缺陷标记、定位．     

非正侧面阵的近程STAP

空时自适应处理(STAP)作为一种地杂波环境下机载雷达自适应检测小目标的方法已得到广泛研究，非正侧面阵也是其中的一个重要方面。由距离变化引起的地杂波脊的非平稳性是非正侧面阵STAP在近距性能下降的主要原因。利用扩展样本矩阵求逆(ESMI)     

模式识别对La_x Ba_(1-x)TiO_3纳米多晶制备工艺参数的设计

利用溶胶－凝胶法合成钡钛前驱体，经干燥、焙烧等工艺制备了一系列镧掺杂钛酸钡纳米多晶粉体，利用ＸＲＤ确定物相及原始晶粒尺寸；通过模式识别中非线性映照及逆映照方法以原始晶粒尺寸作为目标值将试样分为３类，并通过分类图对工艺参数进行设计，按设计结果进行实验验证，获得了预期结果的多晶粉体，说明模式识别的应用有利于克服传统“炒菜式”合成方法的盲目性．     

On-line Cutting Quality Recognition in Milling Using a Radical Basis Function Neural Network

Tool wear, chatter vibration, chip breaking and built-up edge are main phenomena to be monitored in modern manufacturing processes, which are considered as important factors to the quality of products.They are closely related to the cutting parameters, which are to be selected in manufacturing process.However, it is very difficult to measure directly the cutting quality based on on-line monitoring.In this study, the relationship between the cutting parameters and cutting quality is analyzed.A Radical Basis Function (RBF) neural network based on-line quality recognition scheme is also presented, which monitors the level of surface roughness.The experimental results reveal that the RBF neural network has a high prediction success rate.     

基于循环谱截面智能分析的混合信号调制识别方法

针对已有混合信号识别方法存在智能化程度低、适应性差等问题，提出了一种基于循环谱截面和深度学习相结合的智能识别方法。理论推导分析了常见混合通信信号的循环谱零谱频率截面特征；利用提出的非线性分段映射和指向性伪聚类新方法对上述截面图进行预处理特征增强，提高了截面特征的适应性和一致性；并将预处理后的特征图与经典残差网络相结合，利用深度学习网络对特征图中调制信息的深层次细节挖掘分析能力，实现了混合信号的有效识别。仿真结果表明，该方法对噪声不敏感，当信噪比不低于-2 dB时，平均识别率大于90%；且该方法对信号参数及信号间能量比变化有较好的适应能力。     

体域网中基于特征组合的步态行为识别

物联网(internet of things,IOT)拥有无处不在的识别、传感和通信能力,体域网(body area network,BAN)属于物联网中和人体相关的领域,其应用广泛,可以在日常生活中对人们进行监测及提供帮助.行走是许多日常活动的基本环节,因而步态分析能为体域网应用提供重要的生理行为信息.现有的步态分析已取得一定的研究成果,但仍存在一些问题,例如大多数步态特征提取是对加速度信号进行6重以上的变换,使得特征达到了45维以上,最后需要通过降维或优化来简化特征,较为复杂.本文设计一种灵活便捷的数据采集系统,并利用小波变换、傅里叶变换和四分位差提取出加速度信号中比较简单、低维度但能反应运动特征的步态参数,之后通过模式识别算法进行步态行为识别验证.实验结果表明该系统使用方便,特征提取方法简单实用,识别精确度为97%,EER(equal error rate)最小可到0.9%.     

基于ICONDENSATION算法的人手跟踪与手势识别算法

为实现基于手势的智能人机交互,提出了一种基于视觉的人手跟踪与手势识别算法.该方法以ICONDENSATION算法为基础,融合颜色与深度信息进行重要采样,结合轮廓信息并通过ASM模型的能量函数进行观测,根据最大后验概率对几种预定义的手势进行识别.实验结果表明,该算法能够有效地实现复杂背景下的人手跟踪与手势识别,为进一步实现智能人机交互奠定了基础.     

基于SVM的置信度综合方法在语音识别中的应用

讨论了语音识别中使用支持向量机(support vector machines,SVM)对音子级置信度进行综合的方法. 音子级置信度得分采用传统的方法计算而得,并使用SVM对音子级置信度进行综合得到词级的置信度得分. 在说话人无关的汉语孤立词识别实验中,使用作者方法比使用传统方法获得的系统等错误率rEER(equal error rates,EER)有明显降低,可以从基线系统的28.14%降低到23.71%,而系统的复杂度仅有小幅度的上升.     

复杂背景下的纤维识别研究

对在复杂背景下的纤维识别进行了研究.由于图像中纤维交错分布,相互遮挡,很难用现成的方法完成识别.本文作者提出的识别方法包括3部分:边缘检测,边缘细化与边缘修复.试验结果表明,本方法可避免纤维交叉,纤维弯曲等影响,并能较为准确地识别出每条纤维.