Fast motion estimation algorithm for H.264/AVC based on centered prediction

H.264/AVC video coding standard can achieve roughly half of the bit-savings over MPEG2 and MPEG4 for a given quality. However, this comes at a cost in considerably increased complexity at the encoder and thus increases the difficulty in hardware implementation. The high redundancy that exists between the successive frames of a video sequence makes it possible to achieve a high data compression ratio. Motion estimation (ME) plays an important role in motion compensated video coding. A fast motion estimation algorithm for H.264/AVC is proposed based on centered prediction, called centered prediction based fast mixed search algorithm (CPFMS). It makes use of the spatial and temporal correlation in motion vector (MV) fields and feature of all-zero blocks to accelerate the searching process. With the initialized searching point prediction, adaptive search window changing and searching direction decision, CPFMS is provided to reduce computation in block-matching process. The experimental results show that the speed of CPFMS is nearly 12 times of FS with a negligible peak signal-noise ratio (PSNR) loss. Also, the efficiency of CPFMS outperforms some popular fast algorithms such as hybrid unsymmetrical cross multi-hexagongrid search and a novel multidirectional gradient descent search evidently.     

基于不平稳假设的序贯近似建模方法

在工业设计中常涉及复杂、耗时的仿真,建立简单的近似模型可以简化分析和优化过程.元模型的构建和仿真试验的设计是其中的两个关键问题.针对元模型的构建,分析指出传统的基于平稳性假设的Kriging方法并不适合常见的不规则系统的建模,接着采用非线性映射方法,提出了一种基于不平稳假设的Kriging方法.实例说明:相对于传统的Kriging方法,该方法不仅可以建立精度较高的预测模型,而且对模型的预测不确定性的描述也更符合直观认识;针对计算机试验设计,提出了一种基于改进的Kriging方法的序贯准则,使得试验点序贯产生在不确定性大且距离现有试验点远的位置.算例表明:该序贯设计比一步设计效果好,能节约试验样本.     

基于IMU/GPS的性能导航方法研究

利用直角坐标系与大地坐标系之间的关系,将状态方程直接采用经纬度描述,GPS测量数据与电子地图上的经纬度相匹配,建立了混合模型,给出了一种新的GPS与IMU融合估计方法,提高了重复定位精度,更方便地实现组合导航系统功能。采用GPS和IMU装置进行了地面车辆试验和实际飞行试验,说明了模型和方法的适用性。

Abstract：

A mixed model was established and a new fusion estimation method for GPS and IMU was proposed through the relationship between the Cartesian coordinate system and the ground coordinate system,and the state equation described by the latitude and longitude directly,and the GPS measurement data and electronic map matched to the latitude and longitude.The provided method has improved the repeatability positioning accuracy and more easily integrated navigation system functions.The ground and actual flight were tested to illustrate the applicability of the model and method with GPS and IMU device.     

突发污染源散发特性辨识与仿真研究（英文）

在载人航天器、潜艇、飞机等密闭微环境中,如果发现有污染源存在,确定污染源的位置及其散发特性具有重要意义。笔者提出一种新型的浓度离散随机模型,在采用敏感性分析方法实现污染源定位后,利用隐式与显式卡尔曼滤波相结合的方法实现污染源散发特性的动态辨识与预测,同时完成空气污染物浓度预测。笔者采用蒙特卡罗仿真实验方法对一密闭空间进行了动态仿真研究,仿真结果表明提出的方法可以实现污染源散发特性的快速准确辨识,具有重要的应用价值。

Abstract：

In case of contaminants appear in enclosed spaces such as spacecraft,submarine,aircraft and so on,it is useful to find the contaminant source. A novel algorithm was proposed to identify contaminant source strength based on finite sensors. After having identified the source location by using the Sensitivity Analysis Algorithm （SAA）,this method built a new discrete concentration stochastic model,and combined implicit and explicit Kalman filter. Monte Carlo simulation was used in our experiment. The simulation results show that the new method could track and predict the source strength dynamically; meanwhile,it also could predict the distribution of contaminant concentration.     

一种基于随机进程代数的软件性能预测方法

性能是软件系统的内在属性之一,主要取决于体系结构选择和软件设计.基于模型的性能预测方法可以在软件开发完毕前得到性能需求满足情况的评价,也可帮助系统进行性能规划和调优.使用随机进程代数PEPA对J2EE应用交互过程进行了建模,该模型描绘了远程调用过程和容器处理过程的细节,能有效反映分布式应用中影响性能的主要因素.基于PEPA模型提出了一种面向COTS系统的性能预测方法,并可用于指导改进系统的响应性和可伸缩性.通过一个J2EE实例验证了方法的有效性.     

虚拟数控铣削表面粗糙度预测技术研究

分析了影响数控铣削加工表面粗糙度的主要因素,利用多元回归分析建立了基于球头铣刀的表面粗糙度关于其影响因素的数学模型.经显著性检验,该模型预测精度高,泛化能力强.该模型为虚拟数控铣削表面粗糙度预测的建模提供了理论依据.开发了基于DELPHI的可视化交互式的仿真系统,实现了虚拟数控铣床的表面粗糙度的在线预测.有助于理解表面粗糙度随铣削参数改变的规律,也为铣削参数优化提供理论依据.     

基于ARMA（1,1）需求的多级供应链牛鞭效应仿真

在市场需求信息为ARMA(1,1)平稳可逆时间序列模型的前提下,首次建立了多级供应链各级成员以均方误差优化预测技术预测市场需求,以订货点法来确定订货量时多级供应链牛鞭效应理论及仿真模型,并利用仿真模型对多级供应链的整体牛鞭效应及其影响因素进行了详细的分析,研究表明供应链牛鞭效应和相关系数ρ与滑动平均系数θ之间的相互关系有关.     

基于局域支持向量机的海浪水压场混沌预测

针对海浪水压场的短时平稳性,采用局域支持向量机进行预测滤波.首先分析了海浪水压场信号的混沌特性,并根据其混沌特性,提取训练空间中与当前相点的行为特征密切相关的最近邻点作为训练样本对支持向量机进行训练,减少了训练样本的数目,节省了网络学习时间,从而可实时对网络参数进行更新,使支持向量机能够跟随海浪的变化.实际计算表明这种算法能够以较快的学习速度和较高准确度实现海浪预测,能够克服由于海浪的短时平稳性所带来的随时间的增长预测精度下降的问题.     

针对不平衡数据集的客户流失预测算法

针对客户关系管理中的客户流失预测问题进行探讨,通过对客户流失数据特点的分析,以及现有预测算法的比较,将数据挖掘方法中的随机森林算法引入客户流失预测,建立预测模型,并在实际的银行业贷款客户数据集上进行实验,得到了较好的效果.     

基于WNN-RAGA 的非线性组合预测方法

将小波变换与神经网络结合构成WNN非线性组合模型,弥补单一预测方法的不足,利用RAGA 的全局优化能力,优化WNN 学习的网络参数,解决传统WNN网络学习算法在学习后期收敛速度慢、存在局部最小值以及训练结果不稳定的问题。实例的预测结果显示出这种基于WNN-RAGA 非线性组合预测的良好预测性能。