全局解析冗余关系的混杂系统模式跟踪

针对混杂系统同时具有连续和离散的运动规律和演化机制,提出一种基于全局解析冗余关系的混杂系统模式跟踪方法.建立混杂系统键合图模型并转化为诊断键合图模型,根据诊断键合图得到系统的全局解析冗余关系和模式变化特征矩阵.利用模式变化特征向量和开关元件导通与关断时开关两端的电压电流变化特征,实现模式变化了的开关元件定位.最后利用Matlab软件对该方法进行仿真实验,实验结果表明基于全局解析冗余关系的混杂系统模式跟踪方法是有效的.     

用于波纹板角焊缝跟踪的变步长角点检测算法

针对波纹板-箱梁T型接头角焊缝位置的激光双目视觉检测,提出了一种变步长角点检测算法,即先建立波纹板角焊缝位置的双目视觉测量模型,根据激光条纹投射在角焊缝上的成像特征进行图像预处理,然后设计变步长搜索算法先找到激光条纹上的近角点,于近角点两侧选取激光条纹上的像素点构造两条直线,由直线的交点来确定角点.试验结果表明,用该方法测量角焊缝位置坐标,可靠性高,测量误差范围在0.1mm以内,角焊缝轨迹三维重建误差在1mm以内,测量精度优于传统算法.     

DSPCA在自适应视频跟踪算法中的应用

为了解决单一固定目标模型在复杂的场景中易产生跟踪漂移问题,提出一种基于DSPCA的自适应粒子滤波跟踪方法,通过稀疏主成分分解(DSPCA)在线获取互补图像集,同时将其按照新的相似度BRS进行自适应融合作为新目标模型。与经典的粒子滤波跟踪算法、视觉分解跟踪算法和多特征自适应融合跟踪算法,与有挑战性较高的场景视频相比,提出的算法在形态、运动快速及严重遮挡的运动场景中,都能鲁棒地跟踪到目标。     

单一多径环境下GPS载波跟踪误差建模与分析

为研究伪码多径误差对载波多径误差的影响,文中分析了采用非相干早码减晚码功率型伪码跟踪环时Costas载波跟踪环的载波多径误差,并建立了单一多径下的载波多径误差模型. 所建立的模型表明伪码多径误差对载波多径误差的影响可以表示为多径参数和相关间距对载波多径误差的影响. 理论和仿真分析结果表明,单一多径下载波平均跟踪误差为0,且当相关间距小于一个码片时,载波跟踪误差最大值小于π/2;多径参数对载波跟踪误差的影响较大,而相关间距对载波跟踪误差的影响较小.      

一种基于伪相关函数的CBOC信号跟踪方法

针对下一代卫星导航系统的设计逐渐完善,卫星导航基带信号处理对环路跟踪灵敏度和抗多径性能要求不断提升的情况,本文基于Galileo E1频点公开的CBOC信号,设计一种构建CBOC信号伪相关函数（PCF）的伪码跟踪方法,并基于该方法,设计了相位锁定环与延迟锁定环路的跟踪策略,实现了环路的高速锁定和稳定跟踪. 并通过仿真实验验证了该方法在灵敏度和有限带宽下抗多径两分面提升了CBOC跟踪环路抗多径性能和跟踪灵敏度,改善了跟踪环路在复杂环境下的跟踪性能.      

基于模糊滑模控制的风力发电系统最大风能追踪

针对永磁同步风力发电系统,从空气动力学的基础理论入手,分析了机组运行时的最大风能追踪原理.根据已知的风力机特性和滑模变结构系统理论,推导出在切换面上的等效控制和切换面上滑模运动的状态方程.为了削弱抖振,采用基于最大风能追踪控制的模糊滑模控制方法,根据系统状态在线调整切换控制增益系数.通过Lyapunov稳定性定理得到系统渐进稳定的充分条件.构建系统模型并进行仿真比较,仿真运行结果证实了该控制策略的正确性和有效性.     

基于AVR单片机太阳能小车跟踪系统设计

本系统的设计是通过自动跟踪太阳的运行轨迹且始终使太阳能电池板以最佳角度朝向阳光,以使太阳能面板获得最大的光能利用率。以AVR单片机为核心构建太阳能小车跟踪系统,其蓄电池采用太阳能对电池充电。AVR单片机控制系统通过控制电机来进行对太阳能板的角度进行调整,使太阳能电池板以最佳角度朝向阳光。同时AVR单片机将利用设置于智能小车的光电传感器阵列的反馈信号控制小车行进,使得太阳面板能得到最大转换效率。     

结合有向场景运动模式的粒子滤波行人跟踪方法

针对现有行人跟踪算法较少考虑场景运动模式信息的问题,建立一种面向有向场景运动模式的在线学习模型以描述区域行人的共有运动特性,并以此提出了一种新型的粒子滤波行人跟踪算法。通过对行人运动特性的选择性在线统计,探索在非高密度行人跟踪问题中场景模式信息和运动历史信息的运用方式。模型由一个表征行人运动状态相空间局域运动特性的二阶直方图矩阵来描述,并根据每个跟踪单元的加权投票实施更新。通过修正粒子转移后似然概率分布,该算法能够加速粒子向真实的后验分布收敛。通过对两个不同特点的公共数据集视频中的行人进行跟踪实验并与标准的粒子滤波算法结果比较,该算法的平均跟踪误差均低于标准粒子滤波平均跟踪误差的40%,且其运算速度可达6~15帧/s,满足近实时应用帧率。     

扩展目标联合检测与估计的误差界

针对杂波和漏检环境下单个扩展目标联合检测与估计的性能评价问题,提出了一种基于随机有限集(Random Finite Set,RFS)的误差分析方法。该方法通过将扩展目标的状态和观测分别建模为Bernoulli RFS和Poisson RFS,在RFS框架下推导获得了采用最大后验概率检测器和无偏估计器的均方误差界,并给出了其在目标确定存在以及无杂波条件下的简化形式。实验结果表明,建议的均方误差界能够有效地反映扩展目标联合检测与估计算法所能达到的最优性能,利用该误差界可以对不同的扩展目标联合检测与估计算法的性能进行有效的衡量,误差在5%以内。推导过程和结论仅关注于单传感器扩展目标联合检测与估计的静态问题,并假设其状态和测量均为标量。     

利用密度描述符对应的视觉跟踪算法

针对稀疏描述符由于关键点检测不稳定及其误匹配造成跟踪失败的问题,提出了一种利用密度描述符对应实现目标跟踪的算法。该算法通过计算目标在相邻两帧之间的密度描述符流,考虑目标的空间分布特性和描述符的权重,得到目标的运动矢量,获得目标在当前帧中的估计;根据密度描述符的运动矢量与目标运动矢量的关系及其匹配程度,更新密度描述符的权重。在大量测试数据上对所提算法进行实验,并与相关跟踪算法进行比较,定性和定量分析表明:当发生光照、遮挡、姿态变化时,所提算法能够稳定地跟踪目标,跟踪成功率均在90%以上,跟踪误差要小于其他算法。