基于分水岭变换的互相遮挡交通标志自适应分离

针对交通标志检测中标志互相遮挡导致检测性能下降的问题,提出一种基于分水岭变换的互相遮挡标志自适应分离算法.基于RGB归一化阈值分割算法对标志图像进行二值化处理,然后构造区域轮廓特征矢量对二值图像中各个兴趣区域进行匹配,确定并提取互相遮挡标志候选区域Blob.对提取的低维数Blob进行形态学膨胀处理,使不连续的边缘趋于连续,然后利用欧氏距离变换和分水岭变换寻求标志间分水岭脊线,利用脊线实现标志的自适应分离.实验结果表明算法取得较好的分离效果,在整个标志检测应用中,与现有算法相比,检测率提高了6.1%,处理速度提升了近3倍.     

基于飞机散射信号的干扰源定位算法

地面无线电干扰源是威胁民航通信安全的重要因素，为了快速准确地定位地面干扰源，提出了一种新的基于飞机散射信号的干扰源位置估计方法。首先，根据多普勒频移特征选取若干相关系数最大值参考点；然后，利用加权质心法通过选中的参考点估计干扰源的位置；深入讨论了参考点点数与定位精度之间的关系以及最大相关系数灵敏度与定位精度之间的关系。仿真实验结果表明，与已有方法相比，在不同噪声条件下,所提方法定位精度更高，且计算复杂度较低。     

基于目标检测和图割的多目标跟踪算法

多目标跟踪是智能视频监控中的一个具有挑战性的问题.提出了一种基于运动目标检测和图割理论的多目标跟踪算法.首先,利用码本模型对背景建模,检测运动目标.然后,令一个标签对应一个目标,建立能量方程,把多目标跟踪问题转化为能量最小化的组合优化问题.最后,构造网络图,利用最大流-最小割算法寻找最优解.实验结果表明,所提算法能够处理新目标的进入和原有目标的离开,对多目标之间的遮挡具有较强的鲁棒性.     

基于循环平稳包络的心音分割方法

提出了一种基于循环平稳包络的心音分割算法,自动把第一心音(S1)和第二心音(S2)从每个周期中分别提取出来。计算心音信号的循环平稳包络,选择一个阈值来区分S1和S2。不需要参考信号,而且不受噪声干扰,即使是在有噪声的情况下,也能正确区分出S1和S2。处理了来自20个样本的心音信号(包括15个正常心音和5个异常心音,共715个周期),结果显示,分割的正确率超过96%。     

一种水声宽带双曲调频信号波达方向估计方法

提出了一种基于短时分数阶傅里叶变换的水下宽带双曲调频信号波达方向估计方法.建立了均匀线列阵声呐远场宽带双曲调频信号接收数据模型,在时域将接收信号进行分时段处理,对每一段短时信号分别进行分数阶傅里叶变换,将时域阵列接收数据转化成多段短时分数阶傅里叶域阵列数据,同时将多个时段的时变阵列流形矩阵变换成与每个时段一一对应的多个固定阵列流形矩阵.利用多重信号分类算法估计各短时信号的空间谱,应用求和运算进一步得到整体时段双曲调频信号空间谱,通过谱峰搜索实现对双曲调频信号的波达方向估计.通过仿真实验与分析,对该方法的水声双曲调频信号波达方向估计的有效性进行了验证,分析了该方法在阵列接收信号时域分段数、信噪比、目标方位等参数变化条件下的性能.与传统方法相比,该方法具有更高的方位分辨率和估计精度.     

基于飞机散射信号的民航地面干扰源定位新算法

为了快速准确定位民航地面干扰源,提出了一种新的基于飞机散射信号的定位算法.首先,提出了新的初始参考点选取方法,并对此进行了理论分析和实验验证;然后,引入了相关熵和加权质心法,对现有算法进行了改进,同时进行了分析和实验验证.仿真实验结果表明,所提算法在保持计算量不变的前提下,显著地提升了基于飞机散射信号的民航地面干扰源定位精度,更具实用性.     

基于多层定位的多目标跟踪算法

在遮挡频繁发生的环境中,多目标跟踪是一个难题.为解决此难题,提出了一种基于多层定位的多目标跟踪算法.该算法利用码本模型检测前景.首先计算垂直方向上的灭点,进而获得基于多层的单应性矩阵,完成多目标在多层上的定位.然后利用图割算法进行跟踪.该算法不需要相机的完全标定,提高了计算效率.实验结果表明,本算法实时性好,对多目标之间的遮挡具有很强的鲁棒性.     

采用输出误差符号判决的变步长常数模盲均衡

针对固定步长常数模盲均衡算法在收敛速度和收敛精度上存在矛盾问题,提出了一种采用输出误差符号判决的变步长常数模盲均衡算法。在每次迭代后根据常数模准则和判决引导准则计算均衡器输出误差。如果在两种准则下输出误差符号一致,则对步长值进行修正,否则,根据自适应均衡原理利用均衡器输入信号计算最大步长值,均衡器权系数采用大步长值进行更新。与现有变步长盲均衡算法比较,无需人工设置参数,更利于工程实现。计算机仿真结果证明,采用输出误差符号判决的变步长常数模盲均衡具有良好的均衡性能。     

采用输出误差符号判决的变步长常数模盲均衡

针对固定步长常数模盲均衡算法在收敛速度和收敛精度上存在矛盾问题,提出了一种采用输出误差符号判决的变步长常数模盲均衡算法。在每次迭代后根据常数模准则和判决引导准则计算均衡器输出误差。如果在两种准则下输出误差符号一致,则对步长值进行修正,否则,根据自适应均衡原理利用均衡器输入信号计算最大步长值,均衡器权系数采用大步长值进行更新。与现有变步长盲均衡算法比较,无需人工设置参数,更利于工程实现。计算机仿真结果证明,采用输出误差符号判决的变步长常数模盲均衡具有良好的均衡性能。     

一种基于MapReduce的动态数据流分类算法

当前动态数据流下的实时分类问题存在3个难点:针对海量数据的实时处理;概念漂移的跟踪和模型的更新;模型的稳定和鲁棒性.针对上述问题,将极端支持向量机(extreme support vector machine,ESVM)与MapReduce框架结合,提出了带遗忘因子的鲁棒ESVM算法.该方法通过构造残差权重矩阵,对残差进行修正,同时加入遗忘因子,提高新样本的作用,从而实现对海量数据处理问题的求解.实验结果显示,所提出方法能够快速有效地对动态数据流进行分类,且结果不易受到噪声干扰,稳定性强.