一种基于光流和二级聚类的移动背景下的目标检测算法

针对现有的移动背景下的目标检测算法存在检测速度较慢、自适应性差和检测准确度不高的问题,提出了一种基于光流和二级聚类的移动背景下的目标检测算法;该算法融合了阈值自适应规则和基于优化检测结果的反馈机制。首先采用Lucas-Kanade光流跟踪算法和DBSCAN聚类算法提取出前景目标,然后采用改进的凝聚层次聚类算法将前景目标分类。在第一级聚类时建立基于初始聚类结果的自适应规则,实现了自适应地检测目标;在第二级聚类后,通过去除错误匹配特征点和阴影区域特征点优化检测结果;并将优化后的检测结果反馈给第一级聚类过程以更新适用阈值,使目标检测更准确。在多个视频库上进行验证,实验结果证明该算法检测速度快、自适应性良好、检测准确度高。     

基于小波变换自适应滤波方法的ECG信号消噪

为了减少在用小波变换方法进行心电信号消噪时所产生的心电信息损失,本文在对心电信号进行离散正交小波变换的基础上,进行自适应滤波处理,即以具有最大QRS波能量的尺度上的高频细节信号作为自适应滤波器的参考输入,以噪声干扰对应的分解尺度上的“细节”分量及最大分解尺度上的近似分量所重构的信号作为原始输入.实验证明这种改进的滤波方法可以在有效抑制心电信号中噪声干扰的同时,较好保持心电信号的波形特征及有用的心电信息,达到较好的滤波效果.     

动态迟滞非线性自适应补偿控制方法

针对典型的动态迟滞特征模型,提出了一种新型的迟滞补偿控制方法.通过乘以一个斜率转换因子, 将具有近似线性特性的理想迟滞模型转化成实际的期望输出模型.采用自适应滑模控制原理求取迟滞补偿控制量,以保证实际的迟滞特性能够达到期望的线性输出特性.仿真实验结果表明,该自适应滑模迟滞补偿方法能够有效地补偿动态迟滞特性.     

基于自适应猫群算法的多目标波束赋形

针对大规模阵列天线波束赋形中智能优化算法精度不高、收敛速度不快等问题,提出一种自适应猫群算法.在猫群算法的基础上,使其基本参数根据迭代次数及适应度函数值自适应改变,并在搜寻模式中加入赌轮盘和精英选择相结合的策略,以增加种群多样性.多种智能优化算法的性能仿真对比分析表明,自适应猫群算法具有快速收敛、全局寻优的能力.将该算...     

基于一种新的S型函数快速凸组合最小均方算法

为解决传统凸组合自适应滤波算法在联合参数迭代计算量大、算法收敛速度慢、跟踪性能差等问题,提出了一种基于一种新的S型函数快速凸组合最小均方(SCLMS)算法;该算法用一种新的S型函数,代替Sigmoid函数,在保证和CLMS算法相同稳态误差情况下,避免了指数运算,减少了计算量;同时也提高了收敛速度和信号的跟踪性能。通过独立高斯白噪声作为输入信号算法仿真、相关噪声作为输入信号算法仿真;以及非平稳环境下算法仿真;并对三种仿真结果进行了分析,验证了该算法性能可靠有效。     

基于视线角序列的视线角速率样条滤波

依据拦截器与目标间的相对位置、速度关系,提出了基于视线角序列的视线角速率自适应样条滤波算法。该算法利用样条函数表示相对距离矢量,提出并结合“导引头球面”模型,建立了系统状态方程;在只给出视线角序列信息的情况下,对状态估计误差和观测误差进行了补偿,实现了自适应样条滤波算法,获得了有效的视线角速率信息。     

基于无监督域自适应的计算机视觉任务研究进展

作为工业互联网的典型实例之一,车联网技术近年来飞速发展,其核心在于信息的互联互通.因此,精准、可迁移的环境信息感知能力是其稳定运行的前提之一.深度学习的进步推动了计算机视觉任务的发展,但基于传统深度学习的方法仍存在训练过程对人工标注数据依赖强、场景泛化能力较差的弊端.而对于计算机视觉任务来说,训练数据的真值标签获取较难...     

移动网络中的自适应业务带宽调整研究

详细介绍了移动通信网络中的业务带宽调整问题,着重介绍了其中的公平性和开销问题;并介绍和分析了现有的3种带宽调整方案,比较了他们各自的优缺点,提出了一种新的带宽调整方案.该方案采用固定的带宽升降级比率和循环升降级的方法,既保证了带宽升降级时的公平性,又有效地控制了网络开销.计算机仿真结果表明了新的方案具有良好的性能.     

双目标代价函数自适应均衡算法

为了实现有效的高速通信,色散信道必然引入符号间干扰,克服干扰的有效技术就是均衡。为此,提出了一 个双目标代价函数,不同于以前的单目标代价函数,并给出了其实现算法和仿真结果,通过性能比较可以看出建议 的准则和算法是有效的。     

指纹图像二值化方法的比较研究

对常用的指纹图像二值化方法进行了比较研究.在此基础上对文献[1]提出的指纹图像二值化方法进行了改进,并对二值化图像、后续的细化图像和特征点提取结果进行了比较.