引入多速率模型的变结构机动目标跟踪

变结构多模型方法(VSMM)能够根据目标机动的实际情况实时确定结构不断变化的模型集合,取代传统IMM方法中的固定模型集.使参与状态估计的模型分布更集中,模型数量相对较少,从而提高算法的跟踪精度.多速率模型(Multirate)能够对原始测量数据进行多分辨分解,有效的抑制量测噪声,从而提高原始数据的信噪比.文章将多速率模型引入变结构多模型方法,提出一种新的机动目标跟踪算法多速率变结构多模型方法(MRVSMM),该方法分别从改善原始数据与改善模型集合两方面对传统IMM方法进行了突破.同时,采用多个多速率模型,并将多个模型的滤波结果相互交织实现对机动目标的全速率跟踪.仿真实验证明,该算法较传统的IMM方法跟踪精度得到了一定程度的提高.     

基于Symlet小波的电力系统谐波检测与治理

随着电力电子技术的发展,工业中电力非线性负载的不断增加,对电网中的谐波进行检测与治理已成为电力系统的研究热点.为此,在分析小波基的选择、分解尺度和层数的确定、频带的划分等关键问题基础上,提出基于Symlet小波对电网谐波进行检测的方法和理论,并应用滤波器技术对电网谐波进行治理.仿真及实验结果表明,利用Symlet小波可以将信号中不同频率的谐波有效地提取出来,并进行有针对性的分析,具有更高的分析精度和更好的分析效果.     

一种改进的自动摔倒检测算法

摔倒检测是视频监控系统应用研究中的一个重要问题,快速有效地获得摔倒信息可使摔倒人得到及时救助,降低进一步的伤害.提出一种改进的自动摔倒检测算法,该算法在利用人体宽高比特征判断的基础上,采用有效面积比和中心变化率两个特征对判断结果进行修正,有效地防止误判,提高了检测结果的正确率.该算法计算复杂度低,易于实现.实验结果表明该算法具有较好的鲁棒性.     

基于空间分解和混合包围盒的碰撞检测算法

针对如何提高碰撞检测的实时性,提出了一种碰撞检测算法.该算法首先利用空间分解确定相邻物体,然后对相邻物体利用层次包围盒方法进行碰撞检测,在包围盒碰撞检测方面,提出了一种新的包围盒混合结构,这种混合结构结合了AABB包围盒相交测试的简单性和k-DOPs包围盒的紧密性.实验结果表明,该算法有效地提高了碰撞检测的实时性.     

古遗址目标提取方法研究

目的研究根据获取的遥感信息从背景"影"像中有效识别和提取文物遗存的方法。方法分析研究区遗址影像波谱特征基础上,运用高光谱分析技术获得已知遗址目标波谱曲线,最终利用约束能量最小化(CEM)算法,从背景地物中分离遗址目标。结果当遗址与周围背景物性差异明显,引起明显的光谱异常时,CEM算法能够基于真实的物理模型进行波谱提取、识别和探测古遗址目标。结论 CEM算法提取古遗址信息是可行性强的一种方法,且识别效果与MNF变换后图像的维数有关,选择特征值较大的波段组合参与CEM运算,能有效地避免噪声对目标探测的干扰,使得探测率提高。     

基于OBB与八叉树的数控加工碰撞干涉算法的研究

为了提高碰撞干涉的检测速度,在构造层次包围盒时融合OBB与包围球的优点,能首先将多数明显不相交物体对快速排除。干涉检测分为快速检测和详细检测两阶段,先采用分层OBB结合八叉树的算法,快速检测出可能存在干涉碰撞的叶子节点;再在包含干涉叶子节点的三角面片和OBB的三角面片之间采用基于三角面—三角形相交检测算法,实现详细干涉检测。由于刀具路径离散点具有连续性,可以设置缓冲区来减少需要处理的节点数。这些改进有效简化算法,从而提高了碰撞干涉检测的效率。     

胶体金免疫层析技术定量检测人绒毛膜促性腺激素

采用柠檬酸三钠还原法制备胶体金,用胶体金标记和双抗体夹心免疫层析方法,建立对人绒毛膜促性腺激素的快速定量检测方法．该检测方法可以在15min内完成对HCG的定量检测,灵敏度可达25mIU／mL,线性范围25～10000mIU／mL．与人促黄体生成素（hLH）、人促甲状腺激素（hTSH）、人卵泡刺激素均无交叉反应,所建立的检测人绒毛膜促性腺激素的胶体金免疫层析方法,能快速、灵敏、特异、准确地检测样品中的人绒毛膜促性腺激素,在异位妊娠的早期诊断及过程监控中具有较为广阔的应用前景．     

应用人脸姿态估计实现人机信息交互

针对残疾人士不用手实现计算机操作的问题,提出了一种通过面部姿态的视觉分析手段控制鼠标操作的新方法。首先,由CCD摄像头获得人脸视频图像,采用Haar特征和基于AdaBoost算法的目标检测手段确定人脸区域,再通过图像分析手段提取2个眼角、2个嘴角和鼻尖共5个特征点;然后,以一幅正面图像的特征点位置为参考,对实时图像中人脸的空间姿态进行估计;最后,根据人脸的3个偏转角定义并生成人机交互信息,用于计算机人机界面中鼠标位置的移动和操作控制。实验表明,在良好的光照条件下,该方法可以快速准确完成人脸姿态估计并获得鼠标控制信息,帮助伤残人士实现人机信息交互。     

有源纹波补偿BUCK型LED驱动电源

驱动电源是发光二极管(light-emitting diode,LED)照明的重要组成部分。针对因电解电容自身特性导致的驱动电源寿命与LED的长寿命不匹配这一问题,提出了一种有源纹波补偿降压(BUCK)型拓扑结构。该拓扑充分结合了开关电源和线性电源的特点,用辅助有源电路补偿电感纹波电流来取代传统电解电容滤波。文中详细分析了该拓扑的结构组成及工作原理,并且通过仿真和实验验证了该拓扑的结构有效性。理论分析和实验结果均表明,采用有源纹波补偿的拓扑结构可将电感纹波电流完全补偿,使得电路输出为直流。     

Real-time filter based on the quasi-accurate detection of gross errors

Because of the sensitivity of the Kalman framework to gross errors, proper techniques for detection of gross errors are necessary. By integrating the selection of quasi-accurate observations and the Kalman framework, a new filter called the quasi-accurate filter (QUAF) is developed. The expansibility and implementation scheme of the new algorithm are then discussed in detail, and the reliability matrix for the Kalman filter is proposed to analyze the reliability of the filters with different detection technologies. Finally, the experimental results from a real world case study are used to validate the conclusions. The QUAF carries out the preliminary selection of the quasi-accurate observations (QAOs) using the innovation of the Kalman filter, and use the check QAOs to determine reasonable observations. This causes the QUAF to handle more easily and possess wider expansibility. QUAF can be reformulated to the special cases of several common detection methods, such as the innovation method, robust estimation and quasi-accurate detection (QUAD). Since only reasonable observations are used, the QUAF has better detection accuracy and stronger avoidance of gross errors than the innovation method and robust estimation. Meanwhile, compared with QUAD methods, QUAF introduces the state-predicted model, requiring fewer quasi-accurate observations and making it more suitable for systems with complicated observation structures or sparse observations.