一种有效的图像质量增强算法--基于众数滤波的梯度滤波算法

为了改善传输图像的质量,介绍了一种用于图像增强的基于众数滤波的梯度滤波算法,并给出了此算法的基本描述和应用效果.     

碳和钨等离子体在磁过滤弯管中的传输

测试了磁过滤弯管偏转碳和钨等离子体时导向磁场、弧流、偏压对磁过滤弯管等离子体输出量的影响关系,比较了碳和钨等离子体的传输特征,探讨了等离子体在磁过滤弯管中传输的影响因素.结果表明:随导向磁场增加,最佳偏压先是下降,而后趋于稳定;钨等离子体最佳偏压明显高于碳等离子体最佳偏压.     

用背散射法对ECAF壁面沉积层的研究

应用康普顿背散射法对静电旋风空气滤清器的壁面沉积层进行在线研究,并分析壁面沉积规律与除尘效率之间的关系.在电旋风除尘器中,当气流入口速度一定时,壁面上的沉积层随气流含尘浓度的增加和运行时间的延长而加厚,从入口向下筒壁沉积层厚度也逐渐增加.除尘效率随入口气流速度的增加而提高,随气流含尘浓度的增加而下降.当入口处气流速度和气流的含尘浓度一定时,逐渐加厚的壁面沉积层就会使除尘空间的电晕电流降低,使静电的作用大大减弱,进而使得除尘效率降低.     

基于采样交通量与卡尔曼滤波的增程式电动汽车续航里程估算研究

为了提高增程式电动汽车续驶里程估算精度,消除驾驶员因电动汽车续驶里程估计不准确产生的忧虑心理,提出一种新的基于采样交通量与卡尔曼滤波的增程式电动汽车里程估算方法。依据不同道路等级,通过指数回归模型对增程式电动汽车交通量进行估算。介绍了卡尔曼滤波原理,给出卡尔曼滤波方法状态方程与观测方程,利用最小二乘法对卡尔曼滤波公式进行推导,获取状态向量预测值和状态向量测试方差矩阵。介绍了单位能耗行驶里程计算方法。结合采样交通量和剩余续驶里程计算结果,通过卡尔曼滤波方法获取下一时刻增程式电动汽车的续驶里程,实现对增程式电动汽车续驶里程的估算。经实验验证,所提方法估算准确性高。     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

厚尾噪声条件下星凸形扩展目标student’s t滤波器

针对非线性非高斯厚尾噪声条件下的不规则形状的扩展目标跟踪问题,提出了基于随机超曲面模型(RHM)的星凸形扩展目标student’s t滤波算法.首先,在带有非高斯厚尾过程噪声和厚尾量测噪声的系统中, 基于student’s t分布给出鲁棒student’s t滤波器.其次,利用随机超曲面模型描述任意星凸形扩展目标的量测源分布, 提出带厚尾噪声的星凸形扩展目标student’s t滤波器.最后通过仿真验证了所提方法的正确性和有效性.     

基于GPC的环肋耐压圆柱壳结构失稳概率分析

为评估具有小失效概率特性的深潜环肋耐压圆柱壳结构的失稳概率，提出了一种新的基于高斯过程分类和重要抽样的自适应分析方法.该方法通过引入马尔科夫链蒙特卡洛法和欧式距离，开发了一种新的考虑预测不确定性和取样均匀性的自适应试验设计策略，以便更高效地构造高斯过程分类器；采用核密度估计构造准最优重要抽样密度函数；基于失效概率估计的稳定性，提出了一种更精确的迭代停止准则.通过某一分段函数验证了所提分析方法的准确性及高效性.应用所提方法得到某深潜环肋耐压圆柱壳结构的失稳概率约为8.242×10^-5.     

基于观测器的不确定非线性系统L1自适应控制

针对一类严格块反馈型不确定非线性系统,采用反步设计方法提出了一种新的基于滑模状态观测器的L1自适应控制方案。由于系统状态不完全可测,首先设计滑模观测器对系统状态进行估计,并分析观测器的收敛性,在此基础上,通过反步法得到系统的理想控制律。为了消除反步控制中的“项数膨胀”,引入非线性跟踪微分器来提取理想控制律的微分信号。为提高系统响应的瞬态性能,消除控制输入的高频振荡,引入L1自适应控制对控制律进行改进,通过理论推导证明了闭环系统的稳定性。最后通过数值仿真算例验证了所设计控制方案具有快速的收敛性、良好的跟踪性等期望性能。     

多特征融合的尺度自适应相关滤波跟踪算法

针对传统的核相关滤波跟踪算法特征表达不足且不能解决尺度变化导致的跟踪失败问题,提出了一种多特征融合的尺度自适应相关滤波跟踪算法。首先,在位置预测阶段,利用Hue和梯度方向直方图两种特征和各自的位置滤波器作用得到的输出响应值,自适应分配权重实现目标位置的预测。其次,在尺度预测阶段,通过在目标位置采集多尺度图像,组成样本独立训练尺度滤波器,并根据样本的尺度滤波响应值,对目标的尺度进行估计,使跟踪算法能够适应目标的尺度变化。最后利用两帧图像间的差异性,自适应调整学习率,进行位置滤波器的更新。实验结果表明,改进算法相较于传统的核相关滤波跟踪算法,在跟踪成功率和跟踪精度上分别提高了25%和13%。当目标尺度变化较大时,改进算法仍能稳定跟踪。     

通道裁剪下的多特征组合目标跟踪算法

针对深层特征存在冗余通道影响跟踪速度和精度以及单一特征难以适应复杂场景的问题,提出了一种通道裁剪下的多特征组合目标跟踪算法。首先,在相关滤波算法的框架上结合传统手工特征和深层特征进行跟踪。其次,通过对比深层特征通道上目标区域和搜索区域的特征均值设计通道裁剪策略,筛选出合适的特征通道。最后,通过隔帧更新的方式更新深度特征,通过平均峰值相关能量更新传统特征滤波模板,最终实现准确跟踪。与10种算法在OTB2013和OTB2015数据集上进行对比实验的结果表明,本文算法在跟踪准确度和成功率方面都取得了更为理想的结果。