基于隐Markov模型的纯方位轨迹检测方法

针对方位历程图中微弱目标信号的轨迹检测问题,分别在纯噪声和目标存在条件下推导了方位历程图中测量值的分布特性,提出了一种基于隐Markov模型的目标信号轨迹检测方法;同时,针对轨迹的起点与中止点的自主判断问题,基于序列检测提出了两种检验算法,充分利用了轨迹点的测量值分布特性和方位的连续性来提升检测性能。相比于传统的能量检测,轨迹点的检测性能提升约3dB,降低了所估计轨迹的均方根误差,同时保持了更低的虚警概率。湖试数据验证了该算法在单目标条件下的有效性。     

面向移动机器人大视角运动的图神经网络视觉SLAM算法

针对移动机器人在大视角运动下光照变化剧烈或遭遇纹理稀疏场景易出现特征点提取困难,极端角度下特征难以匹配导致对极几何计算误差较大问题,提出一种融合改进图神经网络的视觉SLAM算法。基于先验位置估计的特征提取网络,通过先验位置估计实现图像特征点快速均匀检测与描述,构建真实准确的特征点信息。基于图注意力机制的特征匹配网络,通过消息传递图神经网络聚合特征点信息,使用自我与联合注意力机制对前后图像帧分权重特征匹配。将特征提取与匹配图神经网络与ORB-SLAM2系统后端非线性优化、闭环修正、局部建图模块融合,提出一个完整的单目视觉GNN-SLAM系统。实验结果表明：该算法在KITTI数据集上与ORB-SLAM2算法相比,绝对轨迹误差降低37.59%,相对位姿误差降低19.67%。     

基于目标运动模型的跟踪方法

针对常用的机动目标模型不能准确描述目标实际运动规律及常用跟踪算法只拟合目标的形心而不是目标轮廓轨迹的问题,提出一种基于目标运动模型的跟踪算法。该算法提取已检测出目标轮廓上的角点作为样本点,采用神经网络来构建目标运动模型,将用此模型预测出的目标轮廓上的点作为主动轮廓线的初始控制点来检测出目标真实轮廓,并反馈回神经网络的输入端来修正模型误差。实验结果表明该跟踪算法能很好地将前续目标检测结果继承到后续的目标检测过程中,对于目标跟踪中的遮挡问题也能很好地解决。     

基于目标跟踪与轨迹聚类的行人移动数据挖掘方法研究

随着物联网、大数据、人工智能等技术在安防领域不断取得突破性进展,公共视频监测系统近年来得到飞跃式发展.基于监控设备产生海量的非结构化视频数据,通过对监控视频中的行人轨迹进行分析和研究,可以挖掘出其中蕴含的行为模式,这对人群行为研究有着重要的研究价值.本文使用基于目标检测的多目标跟踪算法对地铁站出口,商场出口等场景中的行人移动轨迹进行提取,并在此基础上对行人的轨迹模式进行分析.针对行人轨迹的特点,在基于点密度聚类算法的基础上,提出并实现了基于轨迹相似度的轨迹聚类方法.结果表明,该方法能够有效的提取行人轨迹,并且从大规模轨迹数据中提取出轨迹模式.     

复杂三维场景的语义环境模型研究

提出了一种基于几何模型的复杂三维场景语义环境模型生成方法.主要研究复杂三维场景几何模型可行面采样点的语义信息抽取方法,基于采样点生成场景高度图.根据三维场景中障碍物几何模型的位置关系,设计了“类括号匹配算法”,确定场景高度图中哪些是可行路径点.在此基础上,构造了复杂三维场景的语义路径图,实现了复杂虚拟场景中障碍物语义的抽取及运动语义的匹配.初始场景高度图、确定路径点后的场景高度图及场景语义路径图构成了复杂三维场景的语义环境模型,模型构建过程中充分考虑了虚拟角色的个性化特点(如身高、步长和运动行为偏好等).该模型增强了虚拟角色感知环境的能力,能够自动识别运动路径上的各种障碍物语义,实现了场景中虚拟角色运动匹配的自动化和运动行为的多样性.     

基于多分辨率统计能级的SAR图像点目标检测

针对合成孔径雷达(syntheticapertureradar,SAR)图像点目标检测的困难,基于各层小波系数分布的统计特征,提出了一种在多分辨率统计能级上区分目标与杂波背景的方法。在非正交小波变换的基础上,定义各点的层间随机过程,进行各分辨率下的信息相关后,通过能量函数构造能量图像,并在能量图像上自适应地搜索合适的目标尺度窗口实现检测。实验结果表明,该方法适用于不同的杂波背景,能有效检测潜在的点目标,并在一定程度上保持了目标的形状。     

红外图像序列中机动点目标的快速检测技术

本文针对红外自动寻的末制导系统提出了一种适合于检测星空背景下的远距离点目标的快速算法,它可用于检测静止不动、匀速运动和机动运动的点目标。该算法通过构造一个关于3D空间中数据集的轨迹表达的总代价函数将点目标轨迹提取问题转化成为总代价函数对目标参量的最优化问题,通过迭代算法实现这个最优化,文章证明了算法的收敛性,并估算了该检测算法的检测性能,实验表明该方法适合于小SNR时的点目标检测。     

基于属性约简-聚类分析的集成神经网络

如何构造具有较大差异性的单神经网络是提高集成神经网络分类性能的一个重要问题.这里通过研究在特征空间和样本空间上均有差异的基础上提取训练样本的方法,提出了-种新的基于粗糙集的属性约简和聚类分析的集成神经网络的序列目标分类算法,由于训练单分类器时样本的差异性较大,所以能够有效的保证集成分类器的分类性能.该方法首先在训练视频中连续提取单帧图像中的目标一人,人群,汽车,提取轮廓特征,几何特征作为目标的描述属性;其次对所提取的三类目标样本数据进行属性约简,得到三类样本的特征分布子空间;再次采用基于时手惩罚策略的竞争学习算法(RPCL)进行聚类分析,得到在相应样本空间中的样本分布;最后采用提出的单个神经网络生成算法得到单个神经网络并采用相对多数方法对神经网络进行集成.这里采用基于boosting、Bagging方法的集成神经网络和算法进行比较,结果表明本方法的分类精度要高于传统方法,是一种有效的目标分类算法.     

基于迁移学习的室内波束选择优化方法

使用基于深度学习的室内波束选择方法可以显著提高波束匹配概率和搜索效率,但该方法需要大型数据集来调整其大量可训练参数,导致了额外的系统开销。针对这一不足,结合一种迁移学习技术,使得目标场景神经网络以小数据集方式获得与大数据集相近的匹配精度,从而减小基于深度学习的波束选择方法中数据集大小对匹配结果产生的影响。首先使用大型数据集在一个源场景中对源神经网络进行充分训练,使得网络参数能够充分包含信道状态信息以及环境信息;而后利用源神经网络参数对目标场景中的神经网络进行不同程度初始化,使该神经网络在经过小数据集训练后依然可以获得较好的波束匹配性能。仿真结果表明,针对室内波束选择场景,在数据集有限的情况下,使用迁移学习方法进行波束选择,同样可以获得较高的匹配精度。     

一种无人机平滑飞行轨迹规划方法

针对现有无人机飞行轨迹规划结果存在折点的问题,提出了一种给定威胁分布下的无人机平滑飞行轨迹规划方法.该方法根据战场威胁分布确定无人机可行节点,并依据威胁代价与距离代价构造综合代价指标,生成赋权图;采用Dijkstra算法求解一条由初始点到目标点综合代价最优的参考轨迹,并可根据任务需求对综合代价指标的权值进行调整,得到满足任务要求的参考轨迹.在参考轨迹基础上,结合无人机自身机动性能约束,采用圆弧拟合方法生成无人机平滑飞行轨迹.仿真结果表明该方法可以快速生成满足任务需求的无人机平滑飞行轨迹.     

结构VAR模型辨识的条件互信息图模型

在结构向量自回归(VAR)模型辨识的图模型中引入信息论方法.定义了线性条件互信息图,图中的结点表示时间序列不同时刻的随机变量,结点间的边表示随机变量之间存在的因果相依关系.提出了随机变量之间条件线性联系存在性的信息论检验方法.图中边的存在性用基于线性条件互信息的枢轴量检验,枢轴量的显著性用置换检验决定.用统计分析的方法确定当前变量之间联系的方向,建立了有向非循环图.最后以模拟序列为例,验证了所提出的方法是可行且有效的.     

Solving large-scale multiclass learning problems via an efficient support vector classifier

1. INTRODUCTION In recent years, a new type of classifier, support vector machines[1~2], is receiving adoption increasingly as a state-of-the-art tool to solve knowledge discovery pro- blems. SVMs are based on the statistical learning the- ory of Vapnik[1] and quadratic programming optimiz- ation. Support vector machines (SVMs) are initially designed for binary classification problem. How to effectively extend them for multiclass classification is still an ongoing research topic. Curr…     

声纳并行处理系统的设计方法与调度策略

针对声纳系统实时处理的要求,讨论了其并行程序设计方法和程序调度策略。根据声纳处理系统的功能分布、结构分层、数据流脉动的特性,将并行设计与调度映射统一考虑,建立了一种设计模式。先自上而下层层分解,以有向非循环图(directed acyclic graph, DAG)描述系统,采用网络计划技术建立数学约束模型;再从下至上逐层整合;然后按宏观大粒度调度,微观小粒度映射,程序并行流水执行的方法实现系统的运行与调度。据此设计模式对一个实例进行设计,验证其有效性。     

基于Bayes network含失效节点的网络可靠性评估

针对Bayes network (BN)能很好地表示变量的不确定性和相关性, 并能直接进行不确定性推理的优势, 提出了基于BN含失效节点的网络可靠性评估方法. 建模方面, 给出了通过节点分割去环构建有向无环图及条件概率表的具体方法; 推理方面, 通过节点消隐, 减小BN规模, 有效降低推理复杂度. 分析了算法复杂度, 并通过算例证明了算法的有效性和适用性. 由于BN建模及推理的灵活性, 该方法可研究同时含节点失效、共因失效的网络可靠性, 况且通过BN推理除得到网络失效概率和部件重要度外, 还可得到网络失效条件下任一部件失效或者共因失效发生的概率, 为故障诊断和维护提供指导.     

用门控循环单元实时预测空战飞行轨迹

为了提高飞机飞行轨迹预测准确率、确保轨迹预测实时性,提出使用门控循环单元(gated recurrent unit, GRU)预测轨迹。对不同条件下的不同机动动作进行飞行仿真,得到大量轨迹样本。设计具有不同层数和神经元个数的网络,用得到的样本对其进行训练。选出在测试集上误差最小的网络结构。对比GRU网络、循环神经网络和反向传播网络的相对误差和预测用时。引入坐标变换矩阵,使轨迹预测不受航向和坐标系影响。对比3种方法在一段频繁变化的轨迹上的绝对误差。结果表明,所提方法的平均绝对误差在x轴上约为18 m,在y轴上约为11 m,在z轴上约为22 m,显著小于另外两种方法,且平均预测用时约为2.4 ms,满足实时性要求。     

用门控循环单元实时预测空战飞行轨迹

为了提高飞机飞行轨迹预测准确率、确保轨迹预测实时性,提出使用门控循环单元(gated recurrent unit, GRU)预测轨迹。对不同条件下的不同机动动作进行飞行仿真,得到大量轨迹样本。设计具有不同层数和神经元个数的网络,用得到的样本对其进行训练。选出在测试集上误差最小的网络结构。对比GRU网络、循环神经网络和反向传播网络的相对误差和预测用时。引入坐标变换矩阵,使轨迹预测不受航向和坐标系影响。对比3种方法在一段频繁变化的轨迹上的绝对误差。结果表明,所提方法的平均绝对误差在x轴上约为18 m,在y轴上约为11 m,在z轴上约为22 m,显著小于另外两种方法,且平均预测用时约为2.4 ms,满足实时性要求。     

一种聚类神经网络初始聚类中心的确定方法

在基于聚类神经网络提取模糊规则方法中,其初始聚类数及聚类中心往往是事先给定的,这样会给规则提取带来一定的盲目性,并影响神经网络的学习时间和聚类效果。本文提出了一种根据测量数据集自动确定聚类神经网络初始聚类中心的方法,该方法可客观地确定聚类数和初始聚类中心,能够有效地缩短神经网络的学习时间。     

时滞竞争神经网络的全局指数稳定性

对于不同时标的时变时滞竞争神经网络的网络模型,通过构造适当的Lyapunov函数,结合微分不等式分析,研究了时变时滞竞争神经网络的全局指数稳定性,获得了新的全局指数稳定性判据,所得判据推广和改进了前人的相关结论。最后的数值仿真例子证明了该算法的有效性。     

遗传算法在神经网络控制中的应用与实现

比较了遗传算法与神经网络的特点,并对将遗传算法用于前向神经网络的可能性进行了研究,同时阐明了遗传算法和神经网络结合的必要性,提出了一种融合遗传算法的神经网络控制方法,该方法采用多层前向神经网络作为遗传搜索表示方式的思维,以神经网络为基础,用遗传算法 习神经网络的权系数,即保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力,将遗传算法和神经网络相结合,分析了遗传算法基本参数及神经网络结构、隐层和输出层节点非线性函的选择,设计了用遗传算法学习神经网络权系数的软件实现方法,成功地实现了机械手逆运动学求解问题及倒立摆的控制,仿真结果显示了遗传算法快速学习神经络权系数的学习效率与收敛精度,确保了快速达到全局收敛,克服了多层前向神经网络传统的BP学习算法精度低、收敛速度慢、容易陷入局部极小的缺陷,表明了该方法的可行性与有效性。     

Multi-satellite observation integrated scheduling method oriented to emergency tasks and common tasks

Satellite observation scheduling plays a significant role in improving the efficiency of satellite observation systems.Although many scheduling algorithms have been proposed,emergency tasks,characterized as importance and urgency(e.g.,observation tasks orienting to the earthquake area and military conflict area),have not been taken into account yet.Therefore,it is crucial to investigate the satellite integrated scheduling methods,which focus on meeting the requirements of emergency tasks while maximizing the profit of common tasks.Firstly,a pretreatment approach is proposed,which eliminates conflicts among emergency tasks and allocates all tasks with a potential time-window to related orbits of satellites.Secondly,a mathematical model and an acyclic directed graph model are constructed.Thirdly,a hybrid ant colony optimization method mixed with iteration local search(ACO-ILS) is established to solve the problem.Moreover,to guarantee all solutions satisfying the emergency task requirement constraints,a constraint repair method is presented.Extensive experimental simulations show that the proposed integrated scheduling method is superior to two-phased scheduling methods,the performance of ACO-ILS is greatly improved in both evolution speed and solution quality by iteration local search,and ACO-ILS outperforms both genetic algorithm and simulated annealing algorithm.