一种改进的自适应质心跟踪算法

针对自适应质心跟踪算法对扩展目标跟踪时,易出现目标丢失的问题,提出了在自适应质心跟踪算法中,加入3点线性预测器和5点平方预测器构成综合预测器,对所跟踪目标的位置参数进行预测.通过估计目标区内背景所占比例,解算出目标的直方图分布函数,利用Bayias决策找出目标和背景像素的分类,从背景图像中分离目标像素,获得目标的质心坐标.改进算法可以实现对小目标直至扩展目标的跟踪,且基本不受目标大小、旋转变化的影响,其稳定性、可靠性和精度都较高.实验结果也表明,改进算法较好地克服了原算法跟踪时易丢失扩展目标的问题,不但扩展了自适应质心跟踪算法的适应范围,而且提高了跟踪精度.为有效提高导弹图像末制导的攻击精度提供了一定的参考.     

改进的自适应核相关滤波目标跟踪

利用核相关滤波器跟踪框架,提出一种改进的自适应颜色属性的目标跟踪方法.首先,构建循环样本矩阵,引进颜色属性作为特征描述目标;然后,采用流行学习局部线性嵌入(LLE)算法自适应地对特征向量进行降维,得到低维特征空间;最后,根据正则化最小二乘分类器获得目标位置.实验结果表明:文中算法的平均中心位置误差减少了21.29 px;在阈值为20 px时,平均距离精度提高了27.9%,平均跟踪速度为38 帧·s^-1;与传统核相关滤波(KCF)算法相比,文中算法具有良好的光照不敏感性及更高的跟踪精度和鲁棒性.     

基于HOG-SVM的改进跟踪-学习-检测算法目标跟踪方法

对于经典TLD(跟踪-学习-检测)跟踪算法,在目标受到遮挡、光照、干扰、旋转和尺度变化等问题时,会导致算法的跟踪精度和速度降低,计算的复杂度较高,实时性差。针对以上问题,本文提出了一种改进的TLD目标跟踪算法。首先针对检测模块中计算复杂度高的问题,将HOG-SVM结合替换原TLD算法中的2bitBP特征和集成分类器;再针对原算法中跟踪精度低的问题,将KCF跟踪算法替换中值光流法;在HOG-SVM+KCF跟踪算法的基础上,对滑动窗口法进行改进,解决原算法中实时性差的问题。实验表明,改进后的跟踪算法,在背景环境变化的情况下,跟踪精度和速度都有提高,实时性加强。     

预测滤波技术在电视跟踪系统的应用

为了解决电视跟踪系统中电视脱靶量的滞后以及跳变对控制系统的稳定性和跟踪精度的影响。根据跟踪系统实时性和精度要求，设计了卡尔曼滤波器，对跟踪目标运动参数(位置和速度)进行滤波预测，提出了极坐标下Kalman滤波算法。仿真结果表明，该滤波器能够根据传感器测量值对目标位置、速度进行估值，超调量减至18％，调整时间为0．6s。     

基于HOG-SVM的改进跟踪-学习-检测算法的目标跟踪方法

对于经典跟踪-学习-检测(TLD)跟踪算法,在目标受到遮挡、光照、干扰、旋转和尺度变化等问题时,会导致算法的跟踪精度和速度降低,计算的复杂度较高,实时性差。针对以上问题,提出一种改进的TLD目标跟踪算法。首先针对检测模块中计算复杂度高的问题,将HOG-SVM结合替换原TLD算法中的2bit BP特征和集成分类器;再针对原算法中跟踪精度低的问题,将KCF跟踪算法替换中值光流法;在HOG-SVM+KCF跟踪算法的基础上,对滑动窗口法进行改进,解决原算法中实时性差的问题。实验表明,改进后的跟踪算法,在背景环境变化的情况下,跟踪精度和速度都有提高,实时性加强。     

基于AR模型的非线性目标跟踪自适应算法

针对Jerk模型中各参数设置不合理对跟踪系统所造成的影响,提出一种基于自回归（AR）模型的Jerk参数自适应改进算法,实时估计并调整系统的参数,提高系统的跟踪精度及稳定性;同时,针对非线性目标跟踪系统扩展卡尔曼滤波算法（EKF）计算复杂跟踪精度低,提出采用平方根容积卡尔曼滤波器（SRCKF）进行状态估计,保证跟踪系统的精度和鲁棒性,为Jerk模型参数自适应提供良好条件.仿真结果验证了算法的有效性.     

一种改进Camshift算法及其ARM实现

基于视频序列的运动目标跟踪在安防、军事等领域用途广泛。针对传统Camshift算法易受颜色相近物体的干扰,丢失目标的情况,提出了一种改进的Camshift算法。该算法检测SIFT特征点并进行FREAK特征匹配,通过判断每一帧跟踪结果的跟踪精度修正跟踪矩形框,从而改善跟踪精度。为便于工程应用,在Linux系统上进行了算法移植,实现了基于ARM的运动目标跟踪系统。实验结果证实改进算法对部分遮挡、颜色相近干扰等情况具有稳定性,能够实现对运动目标的准确跟踪。     

基于平方根UKF的水下纯方位目标跟踪

为了避免被动跟踪中非线性性带来的计算复杂化及跟踪精度的下降,该文将平方根无迹卡尔曼滤波(SR-UKF)算法应用到水下仅测角目标跟踪.利用协方差平方根代替协方差参加递推运算,解决了标准无迹卡尔曼滤波(UKF)算法中由于计算误差和噪声等因素有可能引起误差协方差矩阵负定而导致滤波结果发散的问题,保证了滤波算法的数值稳定性,提高了跟踪的精度和可靠性.仿真结果表明,SR-UKF非线性滤波算法应用于水下仅测角目标跟踪系统是有效的,而且滤波精度、稳定性和收敛时间明显优于扩展卡尔曼滤波(EKF)和标准UKF算法.     

一种结合颜色纹理直方图的改进型Camshift目标跟踪算法

针对背景中存在颜色相近目标或目标被遮挡时Camshift算法跟踪失败的问题,提出了一种改进的Camshift目标跟踪算法。首先,改进算法模型直方图的计算选用颜色和纹理相融合的直方图概率分布,解决了Camshift算法只使用单一的颜色模型、很难适应物体大范围运动造成的背景变化或遮挡的不足;其次,图像权值采用目标模型与目标候选模型特征概率之比的平方根来计算,并用权值进一步估计目标的位置和方向,克服了原始Camshift算法中图像权值仅依靠目标模型计算的不足,大大减少了背景特征对跟踪的影响;最后,利用粒子滤波对运动目标状态进行估计,以克服目标运动引起的遮挡、交错或重叠,进而提高目标位置跟踪精度。实验结果表明,改进算法的平均每帧成功率达到50%以上,平均中心位置误差低于20%。改进算法能有效改善目标跟踪性能,从而实现目标跟踪的有效性、准确性。     

Mean-shift改进算法在火箭目标跟踪中的应用

针对火箭目标跟踪问题,提出了一种基于改进Mean-shift算法的火箭目标跟踪算法。为克服传统Mean-shift算法难以对快速运动的火箭目标进行跟踪的问题,以及在跟踪过程中的跟踪误差累积问题。采用3帧差分法检测出火箭目标的大概位置,然后在此基础上使用Mean-shift算法实现对火箭目标的精确跟踪。仿真实验表明所提算法能够有效的实现火箭目标的跟踪,并能很好的解决跟踪过程中的跟踪误差累积问题。     

一种基于二元语义信息处理的群体决策方法

针对决策者权重、属性权重和属性值均为语言形式的多属性群体决策问题,给出一种基于二元语义信息处理的群体决策方法.该方法采用二元语义概念对语言评价信息进行处理和集结运算,结合传统的理想点方法对方案进行优选.首先描述了具有语言评价信息的多属性群体决策问题,然后介绍了有关二元语义的定义及其相关性质,给出了基于二元语义的集结算子,并进一步给出了解决该类群体决策问题的具体步骤.最后给出了一个算例,验证了该方法的有效性.     

基于收缩精度的遗传算法逐级进化策略

为了有效克服传统遗传算法主观设定进化代数的弊端并提高算法进化期间的搜索效率,根据控制论中的反馈控制机理,通过适应度函数值的分散程度定义了收缩精度,并按照收缩精度将算法的进化期划分为不同的3个时期。在不同的进化期,采用不同形式的适应度函数以加大种群内个体之间的差异度。对交叉算子进行了改进,采用相关性配对交叉与改进的自适应交叉概率相结合的交叉算子,使算法达到较快的收敛速度。最后的算例表明,改进的遗传算法科学有效。     

算子模糊命题逻辑中公式恒真恒假水平的模型

为了在模糊推理中求得公式为真程度的下界和上界,算子模糊逻辑显示使用[0,1]区间中的实数作为算子描述模糊命题的可信程度,其公式的语义值可以在公式的恒真水平和恒假水平之间变动。基于算子模糊命题逻辑,证明了任意公式在二值解释的意义下都可以转化成与之等值的合取范式和析取范式,并根据公式的合取范式或析取范式给出了公式恒真水平和恒假水平模型的生成方法。公式的恒真水平和恒假水平在根本上决定了公式的语义性质,其模型给出了公式在何时达到其最小和最大语义值的一个解答。     

差分进化算法应用于图像恢复

针对传统的图像恢复方法存在的缺陷和不足,提出了一种基于差分进化算法的图像恢复方法。该方法的思路是,利用差分进化算法简单、通用和鲁棒性强等优点提高求解效率,优化图像恢复效果。通过将差分进化算法应用于图像恢复,并把恢复后的图像与使用遗传算法恢复的图像进行对比分析,实验表明了差分进化算法的稳定性、图像的清晰性明显优于遗传算法,基于差分进化的图像恢复具有良好的性能和显著的效果,因此差分进化算法比遗传算法更适用于图像恢复问题。     

基于网络计划法的战场工程保障兵力分配模型

为解决战场工程保障时效性和兵力不足等难点,提出了一种兵力分配的建模方法,目的在于提供计算机兵力生成的算法基础.即采用网络计划分析方法,描述战场工程保障作业项目及其特征要求,确立兵力流在网络中的平衡与约束准则,据此构建基于"时间-兵力-闲置"优化的兵力分配模型;挖掘工程保障作业工序兵力需求呈现的"区间数""关键线路"的时间约束特征,给出了一种求解模型的网络迭代算法.该模型反映了战场工程保障任务的动态化特征与深层逻辑联系,是对工程保障多目标的控制与资源均衡优化.     

TD-SCDMA系统中的上/下行链路动态信道分配策略

在TD-SCDMA系统的上行和下行链路中,话音业务是对称的,而数据业务是非对称的.为了适合于这种业务的非对称,提出在TD-SCDMA系统中采用上/下行链路动态信道分配(DCA)的策略.在慢DCA中,根据在线话音用户数和下一时隙上/下行链路中业务数量的比值来动态地分配时隙.针对上/下行链路中的负载具有时变性的特点,提出对下一时隙业务负载进行预测的方法.在快DCA中,提出将保护信道方法和可移动边界方法相结合的策略.同时,将这两种方法与传统的对称时隙分配方法进行仿真比较.仿真结果表明,基于业务预测的方法,能够根据非对称的上/下行链路业务对上/下行链路中的时隙进行动态分配;在不影响话音业务性能的情况下,该方法不仅具有更好的数据业务性能,而且能更有效地使用信道.     

柔性动边界梁在横向撞击下的动力响应

研究特定约束条件下梁受横向撞击的动力响应,这些约束表现为弹性支承刚度和阻尼特征,也就是具有柔性动边界.建立了具有动边界梁的力学模型,综合考虑弹性和阻尼支承、集中质量块以及支承不对称等情况.根据撞击局部区域的接触力—嵌入深度关系式,利用拉格朗日方法建立了横向撞击下柔性动边界梁的动力方程,并通过与简支梁在相同撞击条件下撞击力、横向位移的对比分析,说明了柔性支承对结构动力响应的影响.结果表明,低速撞击条件下,柔性支承对撞击力的影响较小,但对结构位移响应的影响较显著,并且弹性支承会使梁受撞击后的变形过程与简支梁相比增加一个变形阶段. 受横向撞击的动力响应,这些约束表现为弹性支承刚度和阻尼特征,也就是具有柔性动边界.建立了具有动边界梁的力学模型,综合考虑弹性和阻尼支承、集中质量块以及支承不对称等情况.根据撞击局部区域的接触力一嵌入深度关系式,利用拉格朗日方法建立了横向撞击下柔性动边界梁的动力方程,并通过与简支梁在相同撞击条件下撞击力、横向位移的对比分析,说明了柔性支承对结构动力响应的影响.结果表明,低速撞击条件下,柔性支承对撞击力的影响较小,但对结构位移响应的影响较显著,并且弹性支承会使梁受撞击后的变形过程与简支梁相比 加一个     

基于T-不变量消除的Petri网合法变迁引发序列判定算法

Petri网的合法变迁引发序列问题(LFS)是其可达性问题的子问题.前人在LFS判定时常因判定算法的指数级时空复杂度或算法难以推广至一般Petri网而受限.因此,基于Petri网T-不变量支集变迁与可达图有向环路上标注变迁的对应关系,综合应用线性代数与可达树分析,原LFS判定被缩减为以基础向量为发生数向量的LFSb判定.通过两棵可达树(分别以原网、初始标识;逆网、目的标识为根)层序轮流构造同时比较当前叶节点层中的标识,若算法终止前有相同标识出现,则LFSb(LFS)判定成功;反之,LFS判定失败.分析表明,算法的时间复杂度为多项式级别的,且适用于一般Petri网的LFS判定.     

卡尔曼滤波卫星授时的仿真技术

为了提高无线导航卫星系统授时精度,提出了采用卡尔曼滤波对用户时钟钟差、钟漂及老化率进行估计,并预测出下一采样时刻用户时钟与系统时的差值的闭环授时方法,设计了卡尔曼滤波器.分别对单星和多星的授时问题进行了讨论,理论证明了采用多颗卫星授时可提高授时精度,并给出了克拉默罗界.利用STK软件实时产生卫星三维位置和速度,建立了用户时钟仿真模型和观测误差仿真模型,对所提出的方法在单星和多星的情况下进行了仿真.结果表明,在噪声较大情况下仍能保持较高的授时精度.     

基于多智能体的交通干线动态智能协调控制

为减少干线上车辆的平均延误时间,提出了一种基于多智能体技术的动态双向绿波带智能控制算法。采用两层递阶结构和模糊逻辑对城市交通干线进行实时协调控制。上层是协调控制器智能体,根据一段时间内交通流数据计算干线上优化的公共周期时间和上下行相位差,下层是路口控制器智能体,确定每个周期内各交叉口的绿信比。周期依照关键路口饱和度的大小由模糊控制算法进行优化,而相位差根据上下行速度进行计算,绿信比基于历史和实时的交通数据确定。实例分析表明该双向绿波带控制算法能够有效减少车辆在干线上的平均停车次数。