基于算法参数、模型与模型参数优选的智能DISOPE方法

给出了 DISOPE算法收敛速度指标的定义 ,提出了基于算法参数、模型与模型参数优选的智能 DISOPE方法 ,有效地改善了 DISOPE算法的收敛性能和实用性 .仿真表明了该方法的可靠性和有效性 .     

基于联合卡尔曼滤波的汽车防碰撞多传感器信息融合方法

车辆行驶信息感知是汽车防碰撞系统的关键技术之一,只用单一传感器对目标车辆进行测量容易产生虚警.在对联合卡尔曼滤波分析的基础上,给出了基于联合卡尔曼滤波的汽车防碰撞多传感器信息融合方法.计算机仿真结果表明,该算法可以得到较精确的融合数据,对于增强汽车防碰撞系统的安全性具有重要意义.     

网络拥塞的智能化适应控制方法

在对拥塞及网络拥塞控制分析的基础上,将人工智能引入到拥塞控制中,提出了网络拥塞的智能化适应控制方法。给出了网络流量速度指标定义,及实现网络拥塞的智能化适应控制结构模式,对网络拥塞的智能化适应控制策略及其实现进行了研究和分析,为实现网络拥塞控制提供了一种新的途径。     

一类复杂系统的集成辨识方法

针对一类具有相互关联非线性子系统的复杂系统,提出了一种稳态辨识与动态辨识相结合的集成辨识方法。利用稳态信息获取各子系统稳态模型（非线性增益）的强一致性估计,通过动态辨识得到各子系统线性部分的模型参数。仿真结果表明了该方法的有效性和实用性。     

基于神经网络的非线性离散动态系统DISOPE算法

提出了基于神经网络的非线性离散动态系统优化与参数估计集成算法。先用动态神经网络辩识系统得出一个近似模型,在存在模型实际差异的情况下,从神经网络模型出发通过迭代运算得到实际非线性离散动态系统的真实最优解,系统优化采用Ｈｏｐｆｉｅｌｄ 神经网络算法,求解速度快。仿真结果表明了算法的有效性和实用性。     

WiGNet:一种适用于无线感知场景的手势识别模型

针对现有Wi-Fi感知技术的手势识别研究中存在因感知特征辨识度较低及难以提取而导致识别准确率不高的问题,在对感知数据进行多维重构并施以二维离散小波变换的基础上,提出了一种基于卷积神经网络的高精度手势识别模型WiGNet。首先,在对信道状态信息影响因子分析的基础上,提取振幅数据作为手势识别的基础数据;其次,将感知数据重构为多维矩阵形式,以充分提取手势动作的时空特征;然后,对重构数据在时间和空间维度上进行二维离散小波变换,以实现感知数据的降噪和平滑;最后,使用神经架构搜索技术优化网络深度以及卷积核个数的合理化配置,并提出较好适配重构数据的手势识别模型WiGNet。实验结果表明：对感知数据进行二维离散小波变换后,特征辨识度和模型整体运算速度均有显著提升;WiGNet在自建数据集上和公共数据集上的平均识别准确率分别达到98.1%和96.0%,均优于同类模型。此外,WiGNet在实现高精度手势识别的同时,还能保持较快运算速度,并兼具一定的鲁棒性。