LDPC编码的MIMO-OFDM系统的双涡轮迭代检测译码方法

采用迭代检测译码接收方法的LDPC(low density parity check,低密度奇偶校验)编码MIMO-OFDM(multiple-input multiple-output orthogonal frequency division multiplexing,多天线正交频分复用)传输,是在宽带无线通信系统中逼近多输入多输出(MIMO)信道容量的一种简单而有效的方法.在迭代检测译码过程中,既存在检测器和译码器之间的迭代,也存在译码器内迭代.首先给出LDPC编码MIMO-OFDM系统的因子图分析,进而提出双涡轮迭代检测译码方法.在所提方法中,检测器与译码器并发工作且实时交互软信息.与传统的串行迭代检测译码方法相比,双涡轮迭代检测译码方法可有效地降低检测译码时延.仿真结果证实,采用双涡轮迭代检测译码方法的接收机能在给定运算复杂度的条件下改善误帧率性能,有助于实现"绿色通信".     

具有随机时延的网络控制系统故障诊断滤波器设计

摘要： 该文针对具有随机时延的网络控制系统故障诊断问题,分别进行Kalman滤波器和H1 滤波器的最优故障诊断滤波器设计. 通过迭代实现Kalman滤波器的故障诊断,在H1 滤波器设计中采用增广矩阵和线性矩阵不等式技术尽可能减小残差与故障之间的误差. 通过仿真验证了上述两种设计方法的有效性.     

基于端元提取的高光谱图像亚像元目标异常检测算法

针对高光谱图像异常检测因为背景复杂、存在亚像元目标而导致检测效果下降的问题,提出了一种新的检测方法。该方法首先对高光谱数据使用主成分分析法进行背景抑制,然后使用正交子空间投影方法进行端元提取,再使用光谱角度匹配技术进行异常检测。最后与其他两种检测方法比较,具有更好的检测效果,证明该方法的有效性。     

基于改进的EMD方法的热网管道泄漏检测方法

管道泄漏检测技术是保障管道安全生产的重要手段.为了延长管道使用寿命、及时发现和处理管道泄漏事故,通常采用基于声波检测的管道泄漏检测方法.对基于声波检测的热网管道泄漏检测方法进行了研究.对经验模态分解方法进行了分析,针对其存在的端点效应问题提出了一种改进的方法,经过仿真实验和性能对比,验证了方法的有效性和优越性.将这种改进的EMD算法应用在热网管道泄漏检测中,取得了较好的管道信息处理效果.     

基于稀疏编码投影特征的布匹瑕疵检测

为了改善传统算法通用性不强、计算量较大的缺点,提出了基于稀疏编码投影特征的布匹瑕疵检测算法。采用稀疏编码来训练得到特征提取的过完全字典,使得不同种类布匹纹理的特征选取具有充分的灵活性。利用布匹图像在字典上的投影代替稀疏表达作为特征,提高了特征的鲁棒性,有效地减小了算法的计算量和时间复杂度。最后,根据待检测图像块特征和标准之间的距离,得出检测结果。对德国TILDA样本库的实验结果表明,该方法得到的特征更加的稳健,对不同种类布匹的适应能力更强,检测时间更短,对比其他算法的检测率也有明显优势。     

基于改进姿态估计算法的嵌入式平台实时跌倒检测

为了实现视频中特殊人群跌倒检测的实时性和降低误检率。通过采用改进的姿态估计网络提取人体关节点的方法,研究了使用前后帧关节点的变化来对人体进行追踪和跌倒行为检测。为了在嵌入式平台上使姿态估计网络达到实时效果,采用带有注意力机制的轻量化结构搭建深度卷积网络来提取人体关节点坐标,并合成完整的骨架信息。结果表明：带有注意力机制的姿态估计算法在不同数据集上的准确度均有提升;同时在嵌入式平台上保持误检率较低的情况下达到实时跌倒检测。可见基于改进姿态估计算法并通过关节点判断的方法较好地实现了人体的跌倒检测。     

基于全局注意力的多级特征融合目标检测算法

针对小目标物体检测精度差的问题,同时不以牺牲速度为代价,本文提出了一种基于全局注意力的多级特征融合目标检测算法。算法首先由卷积神经网络生成多尺度的特征图,然后采用多级特征融合的方法,将浅层和深层特征图的语义信息相结合,提高特征图的表达能力,接着引入全局注意力模块,对特征图上下文信息进行建模,并捕获通道之间的依赖关系来选择性地增强重要的通道特征。此外,在多任务损失函数的基础上增加一项额外的惩罚项来平衡正负样本。最后经过分类回归、迭代训练和过滤重复边框得到最终检测模型。对所提算法在PASCAL VOC数据集上进行了训练和测试,结果表明该算法能有效地提升小目标物体检测效果,并较好地平衡了检测精度与速度之间的关系。     

基于改进的深度卷积神经网络的人脸疲劳检测

针对疲劳驾驶检测问题,提出一种以softmax损失与中心损失相结合的深度卷积神经网络算法。首先,利用含有方向的梯度直方图(histogram of oriented gridients,HOG)和级联分类器(support vector machine,SVM)算法的Dlib库中预训练的人脸检测器,来检测驾驶员的脸部区域。其次,使用级联回归(ensemble of regression trees,ERT)算法实现脸部68个关键点标定及眼睛和嘴巴的定位。最后,为了优化softmax损失在深度卷积网络分类中出现的类内间距大的问题,加入中心损失函数,提高类间差异性、类内紧密性以及驾驶员脸部疲劳状态识别准确率。在自建测试集和YawDD哈欠数据集中的实验结果显示,该方法能够准确地识别检测驾驶员疲劳表情,平均识别准确率达到98.81%。与传统的疲劳驾驶检测识别方法相比,该方法可以自动进行疲劳特征提取,并且训练准确率、检测识别率及鲁棒性得到提高;与未改进的深度卷积网络相比,检测识别的概率平均提高了约5.09%。     

结合车道线检测的智能车辆位姿估计方法

基于视觉的智能车辆定位问题是自动驾驶领域研究的一大热点。在某些有效近景特征不显著的场景中,由于参与计算的特征数量不足,会导致位姿估计精度下降甚至失效。为此,本文提出一种结合车道线检测的相机位姿估计方法来提高位姿估计精度。首先,设计了一套基于自适应感兴趣区域和几何结构筛选法的车道线检测算法,精确检测到了左右车道线的内、外侧线;其次,对车道线区域内的点进行帧间匹配,得到新的匹配点对,并根据V视差图拟合出地面视差方程,求解出属于车道线匹配点对的准确视差值;最后,将这些匹配点对与ORB方法提取得到的匹配点对融合,共同参与相机的位姿计算。经实验验证,本文提出的算法提高了位姿估计结果的精度,解决了某些场景中有效特征点不足导致的位姿估计失效问题,具有良好的环境适应性。