基于复合虚拟力场的大规模人群行为模拟

以类鸟群(Boids)系统为基础,提出了一种基于复合虚拟力场(Composite Virtual Force Field) 的大规模人群行为模型.该模型将类鸟群系统中三个基本规则的作用抽象成类似于物理学中的三种矢量力,同时为了表现出个体之间的远近关系,我们又加入群体力的作用,从而实现了在虚拟环境中大规模人群行为的仿真.实验结果表明,在复合虚拟力场控制下的群体行为模型能够逼真合理的模拟出现实中大规模人群的多种行为.     

P2r,4m＋2图（r=8,10）的优美性

设u、v是两个固定顶点,用b条内部互不相交且长度皆为a的道路连接u、v所得的图用Pa,b表示.K.M.Kathiresan证实P2r,2m-1（r,m皆为任意正整数）是优美的,且猜想：除了（a,b）=（2r-1,4m-2）外,所有的Pa,b都是优美的.杨元生教授已证实P2r-1,2m-1是优美的,并且证实了当r=1,2,3,4,5,6,7,9时P2r,2m也是优美的.该文证实当r=8,10时P2r,4m＋2也是优美的.     

对空间∩∞n=1l 1/n一些性质的探讨

在线性空间∩∞n=1l 1/n上引入了一个完全仿范数‖·‖,证明了(∩∞n=1l 1/n,‖·‖)是一个完备的、可分的、非局部有界的、非局部凸的但有非零连续线性泛函的非BTB空间,从而丰富了拓扑线性空间中的相关实例.     

利用傅立叶变换全息实现图像相减

提出一种利用傅立叶变换全息实现图像相减的方法。该方法采用计算全息相移技术,并应用二次曝光法记录两幅图像的傅立叶变换全息图,由此两幅图像相减的频谱信息便被直接记录下来,然后对所记录全息图进行傅立叶变换,即可输出两幅图像相减的结果。在整个处理过程中可根据输出时再现像场的分离程度,适当调整记录时参考光的照射角度,使图像相减结果达到最佳。该方法避免了频谱干扰和空间滤波带来的高频信息丢失问题,并可实现实时处理。计算机模拟实验验证了该方法的可靠性与可行性。     

基于改进广义S变换的井筒波压制

VSP资料中经常出现能量比较强的井筒波,目前其压制方法主要利用中值滤波和F-K滤波。由于中值滤波存在统计效应,而F-K变换经常存在空间假频,都很难取得理想效果。基于井筒波和有效信号的时频差异,提出利用改进的广义S变换(采用宽度可变的高斯窗函数,其时窗宽度随频率呈正比,在低频段时窗较窄,获得较高的时间分辨率;高频段时窗较宽,故可获得很高的频率分辨率)对井筒波进行分离和压制。理论推导和实际数据计算表明,基于吸收改进的广义S变换的井筒波压制明显突出了有效信号,提高了信噪比。      

基于HB样条的平面大变形结构动力学等几何分析

为实现大变形结构动力学问题中的网格自适应算法,研究了等几何分析中的层次B样条（HB样条）基函数构造以及多层贝塞尔提取方法问题,并将多层贝塞尔提取方法用于HB样条建模分析以实现形函数的统一.同时,采用超收敛修复方法（SPR）获得修复应力作为参考值,通过误差估计获取系统的能量范数误差,给出网格细化区域.最后,通过带圆孔平板静力学与平面大变形结构动力学算例,验证了基于HB样条等几何分析方法的有效性和准确性.      

基于单频涡旋电磁波雷达的人体目标步态精细识别

现有基于传统平面电磁波雷达的人体目标识别技术能够实现对步态差异较大的人体目标的分类识别,但在步态精细识别方面面临较大困难。将涡旋电磁波雷达应用于人体步态识别中,尝试通过发射携带有轨道角动量的单频涡旋电磁波来增加雷达回波中的目标信息量,以提高人体步态精细识别能力。首先建立了人体目标的涡旋电磁波雷达回波模型,并仿真生成了3种步态下的回波数据集;然后通过将回波变换到基频,获得目标线多普勒和角多普勒混合信息并用时频图表征,最终将时频图输入到卷积神经网络模型中获得分类结果。仿真实验表明：相比于传统平面电磁波雷达,使用涡旋电磁波可以提升人体步态精细识别能力。     

动态环境下改进ICP算法的RGB-D SLAM研究

针对传统的ICP(Iterative Closest Points)算法,无法满足室内动态环境下SLAM(Simultaneous Localization and Mapping)算法的准确性要求,提出了一种融合特征点结构相似性判断的ICP改进算法;通过在特征点集中引入三角形结构约束,实现两组点集中的动态匹配点与误匹配点的剔除,进而提高ORB特征点匹配的准确性;与传统的SLAM算法相比,改进后的算法对相机位姿的估计更加准确;通过在Linux系统下的仿真实验,结合特征点三角几何约束的ICP算法能够有效解决动态对象对相机位姿估计的影响,提高RGB-D SLAM在动态场景下的定位精度。     

一种基于TF-IDF和ORB的改进闭环检测算法研究

针对视觉SLAM闭环检测过程中由于感知歧义导致的闭环不准确问题,基于TF-IDF方法提出了一种带权重的计算两幅图像相似性得分的算法,用于视觉SLAM的闭环检测研究;首先在特征点检测时,为了得到均匀分布且重叠点较少的特征点,使用FAST角点检测方法得到关键点,而后对关键点进行非极大值抑制;其次使用改进的算法计算两幅图像间带权重的相似性得分;最后根据场景图像的特征,进行闭环确认,进一步剔除错误闭环。实验通过搭建平台和使用标准数据集进行测试,证明了改进的闭环检测方法能够有效提高闭环的识别率与准确率。