基于隐马尔科夫度量场模型的车辆检测和跟踪

针对多目标检测和跟踪过程中常发生的合并和分裂现象,提出一种对不同运动目标假设不同的运动模型,并基于隐马尔科夫度量场(HMMF)的检测和跟踪算法.为了更准确地估计目标的运动参数,还提出了一种简单有效的单目相机标定算法.仿真结果表明,文中算法对遮挡不敏感,即使在发生遮挡、合并或分裂情况时也能很好地跟踪运动目标.     

隐马尔科夫模型在词性标注中的应用

文章从一阶隐马尔科夫模型（HMM）的定义及其基本问题出发,把词性自动标注描述成HMM模型的一个应用,并给出了语料库中统计计算各个模型参数的方法,其中对词性序列的检测和最佳词性序列的生成方面进行了较详细的描述和研究。     

小波包变换和隐马尔科夫模型(HMM)在液压系统故障预测中的应用

针对液压系统性能参数的退化特点,提出了一种小波包变换和隐马尔科夫模型(HMM)相结合的液压系统故障预测方法.该方法对采集的振动信号进行小波包变换,提取能量特征,分别使用正常状态,经过轻度退化状态、中度退化态和高度退化态,最终达到故障状态的全过程数据训练HMM,建立性能评估模型,然后进行模式识别,实现液压系统的故障预测.最后,通过试验研究,验证了所提出的方法的可行性和有效性.     

基于时变马尔科夫转移概率的机动目标多模型跟踪

为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响，提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法．该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计，并将估计结果用于交互式多模型算法的设计中，构造出时变马尔科夫状态转移概率的交互式多模型算法，有效地降低了人为因素对机动目标跟踪精度的影响．通过对一个机动目标的跟踪对比，说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率．     

小波变换在隐马尔科夫模型非参数估计中的应用

给出了隐马尔科夫随机动态系统模型，并且介绍了小波变换在隐马尔科夫模型(HMM)非参数估计中的应用，同时探讨了其中Haar小波正交级数估计量分解尺度的选取．     

浓度场测量系统在喷油雾化角测量中的应用

喷油雾化角影响油气混合、缸内燃烧和发动机排放性能．借助浓度场测量和数字图像处理系统对喷油雾化角测量进行了研究；介绍了测量系统的基本原理及系统的组成，并通过该测量系统对某种电控喷油器燃油喷雾角情况进行了实际测试，验证了该测量系统的实用性。     

转换测量卡尔曼滤波在机动目标跟踪中的应用

在三维空间中推导了转换测量卡尔曼滤波算法,得到了在目标真实位置已知的条件下去偏转换测量值误差方差的表达式及在测量值已知条件下去偏转换测量值方差的表达式,并给出了在机动目标跟踪中,预测值与量测值的选择准则.运用“当前“机动模型和此算法给出了机动目标的仿真,取得了较好的跟踪效果.     

基于隐马尔科夫模型的入侵检测算法研究

提出一种基于隐马尔科夫模型的异常检测算法。首先建立了用于网络入侵检测的马尔科夫模型,基于该模型提出一种新的入侵检测算法,与原有的入侵检测方法相比较,我们的算法具有较好的灵活性和鲁棒性。     

隐马尔科夫多元线性回归模型中未知隐状态个数的贝叶斯模型选择

针对隐马尔科夫模型在进行马尔科夫链蒙特卡洛方法(MCMC)迭代时隐状态向量不停改变的问题.首先,使用贝叶斯方法研究隐状态个数未知的隐马尔科夫多元线性回归模型,对偏差信息准则计算方法进行改进.其次,使用MCMC算法对模型进行后验模拟,计算模型的DIC值.最后,通过比较不同隐状态个数模型的DIC值实现了贝叶斯模型选择的目的.     

图像分割方法在焊缝跟踪过程中的应用

为提高焊缝超声波探伤的实时跟踪,提出将图像分割方法应用于白线跟踪法和激光跟踪法两种不同焊缝跟踪系统中。一种是采用Hough变换边缘检测法对检测图像中的目标边缘进行提取,另一种是利用区域增长法对检测图像中的目标区域和背景区域进行有效区分,这两种方法都能很好地提取出图像中的目标特征信息。仿真结果表明,两种图像分割算法在焊缝跟踪过程中能够准确地识别出焊缝的特征信息,确保跟踪系统的实时性。     

基于高斯统计模型的快速图像区域分割方法

目前很多图像分割方法不能满足图像信息生成的随机性以及面对应用的实时性.提出一种基于高斯统计模型的快速图像区域分割算法,与已有的一些图像区域分割算法相比,该方法不用图像去噪,直接利用噪声建立高斯统计模型,还采用最大最小值的方法,提出初始分割的思想.实验结果表明新方法增强了分割结果的稳定性,提高了分割速度,更加符合了图像要...     

基于多项式变换的2D-DCT快速算法

基于二维离散余弦变换 (2D_DCT)广泛应用于图像和视频信号处理领域 ,文中提出一种基于快速多项式变换的 2D_DCT快速算法 ,将 ql1 ×ql2 (q为奇素数 ;l1、l2 分别为两个不同的整数 ) 2D_DCT转化为多项式变换 (PT)和一维简化余弦变换 (1D_RDCT) .利用算法中系数的特点 ,设计了简化的快速多项式变换算法和 1D_RDCT递归分解算法 ,使运算复杂性进一步降低 .本算法具有较低的计算复杂性和规则的结构 ,并且可以方便地推广到多维 (>2 ) .     

基于超标量处理器的高效FFT映射方法

针对超标量处理器的结构特点,研究新的映射方法,实现高效FFT运算.对现代超标量结构处理器进行建模,分析FFT算法在其上执行情况,得出内存访问是FFT算法执行的关键点.并进一步对FFT的内访问过程进行建模分析,最终实现了一种基于cache优化的高效FFT映射方法,该方法将FFT进行拆分实现,充分发挥了cache的作用,进而提高了处理性能.最后在ADI公司的TS201数字信号处理器上,以该映射方法为指导实现了基2FFT算法,实验结果显示在处理点数超出cache容量时,本映射方法可以大幅度提高处理性能.      

一种分解式模糊聚类粒子滤波的WSN多目标跟踪方法

针对无线传感器网络环境下的多目标跟踪时近相距和轨迹交叉目标容易出现目标丢失和跟踪混淆的问题,提出一种分解式模糊聚类粒子滤波(DFCM—RPF)的多目标跟踪方法。把多传感器数据融合和多目标跟踪问题分解为单传感器数据融合和单目标跟踪问题,先对传感器节点量测用基于跟踪门限算法去除杂波,在各传感器节点的观测空间分别建立模糊聚类算法进行数据关联并最优融合,然后用正则化粒子滤波预测目标状态。仿真表明,DFCM—RPF算法与原FCM多目标跟踪方法相比,航迹关联正确率由85%提高到100%,目标预测位置的RMSE由4.437 7 m下降到1.307 3 m,DFCM—RPF算法体现了较好的跟踪性能,并集数据关联、数据融合和目标跟踪于一体,大大降低WSN多目标跟踪问题的复杂性和计算量。     

基于极线约束SIFT特征和粒子滤波的目标跟踪算法

针对采用颜色或边缘等特征的目标跟踪算法所存在的跟踪效果不稳定的问题,提出了一种基于极线约束尺度不变特征变换(SIFT)和粒子滤波的目标跟踪方法.该方法采用SIFT特征向量构建目标模型,引入极线约束改善目标匹配精度,采用粒子滤波算法获得SIFT特征向量的候选目标模型,利用似然函数计算目标模型与候选目标模型间的相似性.实验结果表明,该方法可解决目标与背景颜色相似时的跟踪失败问题,且对目标外形与位姿发生变化具有较好的适应能力.     

基于IDFT的椭圆球面波函数重构产生方法

针对椭圆球面波函数(PSWF)信号的实时产生问题,给出了PSWF的傅里叶级数展开式,研究了PSWF信号的有限傅里叶展开,并对其误差进行了分析,最后提出了基于离散傅里叶逆变换重构产生PSWF信号波形的方法.该方法建立了PSWF信号与正余弦级数之间的联系,并将高效、成熟的傅里叶变换技术运用到PSWF信号的产生上,提高了PSWF数字波形产生的硬件可实现性.同时,也为其他复杂波形信号的实时产生提供了一种切实可行的产生方法.     

基于延迟锁定环超宽带通信信号的跟踪算法

对传统延迟锁定环(DLL:delay-locked loop)进行改进,以满足超宽带UWB通信信号跟踪的需要.通过给跟踪控制器定义2个新的规则,提出了适用于超宽带通信信号的跟踪算法,对鉴相特性和鉴相器输出噪声统计特性进行了理论分析,并给出了加性高斯白噪声信道下计算机仿真的结果.结果表明,通过适当选择参数tDLL和η1,所提出的跟踪环具有较大的跟踪范围和较小的跟踪抖动.     

一种新的多机动目标跟踪的GMPHD滤波算法

针对多机动目标跟踪的传统数据关联算法约束条件苛刻、估计精度低、计算量大等问题,提出了一种基于随机集理论的非数据关联的多机动目标跟踪算法.该算法将高斯混合概率假设密度(GMPHD)滤波与"当前"统计模型的优点相结合,绕过了棘手的数据关联问题,能高效处理目标数较大的机动跟踪问题.在漏检、虚警、多机动目标交叉杂波复杂环境下进行了仿真实验,结果表明,该算法具有较高的跟踪精度和稳健的跟踪性能.     

基于轨迹线性化控制方法的全驱动自主式水下航行器轨迹跟踪控制

基于轨迹线性化控制(Trajectory Linearization Control,TLC)方法研究了全驱动自主式水下航行器（AUV）的轨迹跟踪控制.利用微分方程奇异摄动理论中的时标分离思想,将全驱动AUV的轨迹跟踪控制系统分成快、慢回路,分别基于轨迹线性化思想设计出快、慢回路控制器;利用Lyapunov稳定性理论对闭环控制系统进行了稳定性分析,通过AUV爬升转弯过程的仿真验证了该控制方法的有效性.     

基于多核架构适用于LTE标准的FFT算法研究与实现

基于多核架构提出了一种适用于长期演进技术(LTE)下行链路128～2048/1536点快速傅里叶变换(FFT)计算的算法,并进行了仿真.利用多核结构将FFT算法进行并行划分,采用流水线并行和数据并行的结构,减少运行时间.同时将该算法基于一块使用TSMC 65nm工艺制成的多核芯片上实现,在750MHz的工作频率下,计算128～2048/1536点FFT的芯片实测功耗为282～366mW,能量效率为每点35.4～84.33nJ.与其他设计相比,运行速度最多能提高近6倍,计算大点数FFT时,能量效率可提高约20%.