IUKF neural network modeling for FOG temperature drift

A novel neural network based on iterated unscented Kalman filter （IUKF） algorithm is established to model and com- pensate for the fiber optic gyro （FOG） bias drift caused by temperature. In the network, FOG temperature and its gradient are set as input and the FOG bias drift is set as the expected output. A 2-5-1 network trained with IUKF algorithm is established. The IUKF algorithm is developed on the basis of the unscented Kalman filter （UKF）. The weight and bias vectors of the hidden layer are set as the state of the UKF and its process and measurement equations are deduced according to the network architecture. To solve the unavoidable estimation deviation of the mean and covariance of the states in the UKF algorithm, iterative computation is introduced into the UKF after the measurement update. While the measure- ment noise R is extended into the state vectors before iteration in order to meet the statistic orthogonality of estimate and mea- surement noise. The IUKF algorithm can provide the optimized estimation for the neural network because of its state expansion and iteration. Temperature rise （-20-20℃） and drop （70-20℃） tests for FOG are carried out in an attemperator. The temperature drift model is built with neural network, and it is trained respectively with BP, UKF and IUKF algorithms. The results prove that the proposed model has higher precision compared with the back- propagation （BP） and UKF network models.     

基于特征显著性的均值漂移鲁棒目标跟踪

在均值漂移算法框架下,提出基于目标显著性的特征融合与在线模板更新策略,实现复杂动态环境下的鲁棒跟踪.通过目标区域与背景区域的特征对比定义了特征显著性测度.提出了基于特征显著性的色彩空间选择以及基于Gabor小波稀疏编码的纹理特征提取算法.通过特征显著性加权实现参考直方图模板的初始化,并在此基础上针对遮挡现象与目标自身形变的区别设计了在线模板更新策略.实验结果表明,本文方法与其他跟踪算法相比具有较强的鲁棒性和较高的准确性.
     

基于模糊神经网络的MEMS陀螺温度漂移建模

微机电系统(MEMS)陀螺的温度漂移呈现复杂的非线性特性,常规的方法无法对其建模.本文提出了一种基于模糊神经网络(ANFIS)的陀螺温度漂移建模的方法,ANFIS具有良好的逼近非线性函数的能力,适合于非线性系统的建模.通过ANFIS对MEMS陀螺的温度漂移进行建模,经实测数据验证,该方法具有较好的效果.通过该模型的温度补偿算法,使MEMS陀螺的定位精度提高了20倍.     

积分器零漂的自动补偿

针对积分器存在的零点漂移现象,通过静态调零和动态补偿的方法减小零漂的影响,并给出了自动补偿零漂的实际电路,该电路能在很大程度上消除积分的零点漂移,使其在微弱信号的测量等场合发挥作用。     

自适应的over-relaxed快速动态均值漂移算法

为了解决高斯核均值漂移算法收敛速度慢、计算效率不高的问题,提出自适应over-relaxed快速动态更新方法改进高斯核均值漂移算法。首先,在静态均值漂移算法中引入数据集的动态更新机制,每次迭代后将数据集更新到新的数据点,然后,将迭代过程中聚集在一起的数据点用1个收敛点表示,逐步减少参与计算的数据,保证准确性的同时降低计算量。由于非正态分布的数据集动态更新时,主方向上的数据点的收敛速度较慢,采用over-relaxed的策略来提高主方向数据点的迭代步长,并根据数据集直径的变化,自适应地计算步长参数。实验结果表明,改进后的高斯核均值漂移算法以超线性的速度收敛,收敛点的应用降低了收敛过程中的计算量。     

4H-SiC（0001）（3×3）重构的原子能态

为了探索SiC表面的结构和原子的能态,在650℃条件下,用低能电子衍射（LEED仪）,观察到4H-SIC（0001）（3×3）重构面的LEED图样,利用配备有XPS设备的电子能量分析器,记录SIC（0001）（3×3）重构的角分辨x射线光电子能谱（xPs）,得出该结构中Si2p和Cls的能态结构,进而发现SIC（0001）（3×3）重构面仅由硅原子形成,是在扭转的硅增层上的Si四聚物。通过比较体内和表面Si2p态的光电子能谱,得出表面Si2p态的漂移能量。     

高灵敏度光伏硅杂质元素分析仪的研制

光伏硅杂质元素分析仪是基于能量色散谱仪的工作原理,研制开发的由硅漂移探测器和数字脉冲处理器以及双靶激发系统组成的X荧光类分析仪.仪器的性能测试中:能量线性偏差为0.23%,相对极差为0.06%,相对标准偏差为0.59%,同时探测器的能量分辨率为130 eV,均可证明满足光伏硅中Cr、V、Mn、Co、Ni、Fe等杂质元素的定量分析要求.同时,用该系统对某公司生产的光伏硅材料进行测试,结果与ICP-AES测试结果相吻合.     

无监督多尺度模糊聚类算法研究

针对模糊c均值聚类算法的一些不足之处提出了一种新的均值漂移聚类算法--无监督多尺度聚类算法.该算法不受初始化的影响,不用假定数据的聚类个数以及聚类中心的初始位置,能够利用模糊聚类的方法来获得硬的聚类划分,能够从不同的"划分尺度"揭示数据的聚类结构,并能自动的确定聚类个数.为了满足处理大数据集的需要,设计了快速无监督多尺度模糊聚类算法.通过实验证明无监督多尺度聚类算法在多数数据集上都表现良好且具有最好的总体聚类性能,并能成功揭示出数据的聚类结构.实验还证明快速无监督多尺度模糊聚类算法具有较快的速度和较高的识别精度且适用于大数据集.2个算法都取得了令人满意的实验结果.     

基于OpenCV的图像分割

图像分割是图像处理中的一个经典难题,也是图像处理和计算机视觉领域中的基本技术。虽然已有上百种分割方法,但至今没有一种通用的分割方法。OpenCV是近年来推出的开源、免费的计算机视觉库,利用其所包含的函数可以很方便地实现数字图像和视频处理。本文主要介绍了用OpenCV实现的图像分割的三种算法:分水岭分割算法、金字塔分割算法和均值漂移分割算法。     

2008 与2010 年黄海浒苔漂移输运特征对比

利用中国近海三维海浪-潮流-环流耦合数值模式, 分别对2008 年6~7 月(青岛奥帆赛前期)和2010 年6~7 月黄海浒苔的漂移开展了模拟和预测, 研究了黄海漂浮浒苔在青岛聚集的动力学成因. 揭示了2008 年6 月浒苔之所以在青岛近岸大量聚集, 是因为该海区月平均表层流向向岸且与岸线几乎垂直; 相比之下, 2008 年7 月上旬表层流场与岸线大致平行, 因而海上浒苔的漂移对奥帆赛场的压力明显减缓. 利用数值模式预测2010 年6 月下旬浒苔主体不会在青岛登陆, 该预测与其后的观测事实相吻合. 研究发现, 风场驱动下的海洋表层流场年际变化是浒苔漂移路径变异的主要原因, 提出区域气候变化是影响海洋生态系统的一种途径.