视觉跟踪中的粒子滤波算法研究进展

详细讨论粒子滤波算法在视觉跟踪领域的研究现状,对应用粒子滤波算法解决单目标及多目标跟踪问题进行了详细的分析.在粒子滤波算法框架内,选择一个合适的建议分布构建基于粒子滤波算法的跟踪算法是文章关注的焦点.对视觉跟踪中的难点问题:遮挡、目标交互、场景光线变化等详细的分析了使用粒子滤波算法的解决方法.第三部分对当前粒子滤波算法在视觉跟踪应用中存在的问题进行了分析,最后给出了结论.     

洞庭湖区防洪堤坝地震液化判别及加固措施

以洞庭湖区义合金鸡垸的防洪堤坝作为研究背景,利用ABAQUS软件对该防洪堤坝进行动静力分析,为了保证分析计算的准确与效率,对静力计算和动力计算采用不同的土体本构模型,静力计算选用Duncan-Chang模型,动力计算则采用等效黏弹性模型。基于抗液化剪应力法,再结合有限元计算的结果,对湖区堤坝地基的液化情况做出判别。并提出采用表面压重的加固措施,选取不同厚度计算验证,最后确定压重厚度为3.5m时,满足工程安全要求;静力作用下,防洪堤坝应力分布合理,加固后没有造成过大的沉降,而水压力引起的拉应力区域明显减少,向背水方向的水平位移也减小了一半;对加固前后应变较大的几个单元做出液化判别,结果表明,加固后堤坝地基在地震作用下不再发生液化现象。     

基于触觉阵列感知的机器人稳定抓取判别方法

针对传统的单点压力传感器获取的接触力无法完备反映机器人的抓取接触状态,难以实现准确的机器人抓取状态判别的问题,基于触觉阵列传感器的多点感知特性,提出一种高效高准确率的机器人稳定抓取判别方法．首先,采集机器人抓取属性各异物体时的接触分布力信息,建立分布力与触觉图像的映射,构建机器人抓取触觉图像数据集;基于多层感知机框架建立机器人抓取状态判别模型,实现机器人抓取状态的分类．然后,通过训练并对多层感知机在不同模型层数与节点数下的模型性能进行优选,得到抓取状态判别模型的最优参数,进而与多种基于学习的抓取判别算法进行对比．结果表明：所提出的抓取状态判别方法具有99.74%的判别准确率,平均耗时为2.3 ms,在判别精度和速度上均优于基线算法;通过实物抓取实验,该方法的判别准确率达到94%,充分证明其对数据集外物体的稳定抓取判别具有较强的鲁棒性．     

基于EMD-PF-GRNN的短期风电功率预测研究

针对短期风电功率预测,将风电输出功率作为时间序列信号,由于其所具有波动性、非平稳性的特点,提出一种基于经验模态分解(EMD)、粒子滤波(PF)和广义回归神经网络(GRNN)的组合预测模型。首先,利用EMD对风电功率序列进行分解,获得各个相对平稳的模态分量;然后,将分解得到高离散度的数据采用PF进行分析处理,低离散度的数据采用GRNN进行分析处理,其中,通过粒子群算法(PSO),根据各低离散度数据自身特点优化GRNN的平滑因数,以进一步提高其预测性能和精度;最后,通过线性叠加各分量的预测结果得到最终风电功率的预测值。结果表明,与PSO-GRNN和单一GRNN结构相比,EMD-PF-GRNN预测模型的预测误差降低了6%左右,预测精度更高,可以更好的预测风电功率。     

采用非线性预处理的多通路回波消除算法

非线性预处理是解决多通路回波消除中因输入信号间的强相关性而引起的滤波器不收敛的有效方法．如何确定预处理中的非线性变换系数,以达到既保证语音质量,又去除输入信号间的相关性的目的,是十分值得关注的问题．文中提出了一种应用模糊逻辑来调整非线性变换系数（α）的方法,使得α能随输入信号间的相关性而合理变化,该方法以较小的计算增量为代价,能最大程度地保证通话质量并加快滤波器的收敛速度．仿真结果表明了该方法的可行性和优越性．     

动态滤波反投影图像重建算法研究

图像重建算法是过程层析成像(Process Tomography,PT)中的关键技术之一.本文提出了一种动态滤波反投影算法(Active Filter Linear Back Projection,AFLBP),并进行了实验仿真.结果表明,采用AFLBP对ECT系统中图像进行重建,可使系统在保持快速成像的同时,较好地解决了敏感场的非均匀分布和固定灰度阈值造成的成像精度问题,大大提高了系统的成像精度.     

数字保护算法的FPGA实现方法

介绍了一种基于现场可编程逻辑陈列(FPGA)的数字保护算法的实现方法,将算法的实现平台由微控制器(M CU)转向FPGA,构成基于FPGA的数字保护算法专用芯片。仿真结果表明:当每周期取40个采样点时,完成全波傅氏滤波或最小二乘滤波算法仅需几个微秒,大大快于M CU的处理速度,因而可以有效地克服精度与速度之间的矛盾。     

动态经济现象的滤波分析策略

对wiener滤波、LS格型滤渡、Kalman滤波在动态经济现象分析中的应用做了比较研究,并对经济系统如何建模以适合于各种滤波方法做出论述通过验证,在满足上述滤波方法建模条件情况下能很好地和实际经济系统吻合．     

基于判别矩阵的潜艇作战态势认知决策建模方法

潜艇作战具备复杂环境中的动态博弈对抗特点,作战人员的态势认知与决策行为对潜艇作战效能有着重要影响。针对潜艇交战级作战实验中的态势认知决策建模难题,在分析态势认知决策过程的基础上提炼表征变量集合,提出基于判别矩阵的潜艇作战态势认知决策建模方法,并以某型潜艇交战级对抗为例研究给定想定条件下的态势认知决策过程,验证了方法的可行性和有效性。建立的模型能够有效刻画作战人员认知决策过程,支持潜艇作战实验中的交战机理和制胜机理研究。     

基于稀疏分解和预滤波处理的机载SAR图像超分辨率重建

提升图像分辨率一直是合成孔径雷达(Synthetic Aperture Radar, SAR)成像处理的一个重要方向。该文对低分辨率SAR图像受相干斑噪声影响导致超分辨率重建性能下降的问题进行了研究,提出了一种基于字典稀疏表示和预滤波的超分辨率重建流程。对低分辨率雷达图像的稀疏表示可以实现图像不同结构成分信息的分解,然后采用复数神经网络实现模糊核的校正以及预滤波,从而提升图像质量以及低分辨率SAR图像与超分辨率网络的匹配程度。通过上述处理流程可以避免更改网络训练设置的复杂操作,达到改善重建图像的性能,同时抑制了超分辨率网络对相干斑噪声的放大。实验验证表明,加入低分辨率SAR图像的预滤波处理步骤后,超分辨率网络的重构结果在视觉效果及客观指标上都获得了明显提升。