基于自适应平方根UKF的微机械传感器融合航姿估计

提出一种新的基于自适应平方根UKF的微机械传感器组合姿态测量系统.该系统采用3轴微机械陀螺积分得到姿态角,采用3轴微机械加速度计测量重力矢量得到俯仰角和横滚角,分别校正俯仰漂移和横滚陀螺漂移;采用磁强计得到航向角,并与陀螺积分角度融合校正航向陀螺漂移.跑车实验结果表明,基于自适应平方根UKF算法可实时估计机动加速度干扰,并在融合滤波器中进行补偿,能够有效去除车辆机动加速度干扰,姿态角估计精度在±0.6°以内.     

无线传感器/执行器网络SA协作分簇算法

针对现有分簇算法大多没有考虑监控区域内事件发生频率和执行任务能耗的因素,导致无法适应无线传感器/执行器网络的特点,提出一种基于SA协作模型的分簇算法（CASA）.算法从全网的能耗和时延影响的角度,建立基于SA协作的能耗模型,综合考虑时延和连通度等约束条件,以网络能量优化为目标,构造非线性优化函数,利用KKT条件求解网络理想执行器节点个数和传感器节点传输半径等网络分簇所需参数,并在此基础上完成节点的部署和成簇.该算法通信开销较小,网络平均时延和能耗等仿真结果表明：相比典型算法,能够在满足一定连通度的前提下,优化网络部署,增强网络实时性和能量均衡性.     

基于工程可靠度、工程造价、工期的深基坑支护结构选型研究

针对目前深基坑支护结构选型缺乏科学依据 ,仅凭工程经验判定支护方法等存在的问题 ,通过分析深基坑支护工程的主要参数 ,如基坑深度、岩土性质、地下水位以及周围环境等 ,分别研究工程可靠度、工程造价、工期对支护结构选型的影响 .同时运用非结构性决策模糊集分析法 ,计算了深基坑支护结构在考虑工程可靠度、工程造价、工期时对优的相对隶属度 .由于相同的深基坑支护工程 ,不同的支护结构型式对优的相对隶属度不同 ,据此可进行深基坑支护结构选型的判定 .通过工程实例论证 ,该理论方法新颖 ,工程应用可靠 ,且适用于公路、桥梁、水利等工程的方案优化研究 .图 1,表 1,参 5 .     

基于NLJ优化算法的多变量预测函数控制

基于差分方程模型推导了多变量预测函数控制算法,使其具有更加广泛的适用性.利用NLJ算法处理预测函数控制中的约束问题,简单明了,没有繁琐的数学公式推导,仿真结果证明了该算法的有效性,为预测控制约束问题的处理提供了一种新的途径.     

面向红外视频图像的火焰识别

针对红外图像的火焰识别,采用基于粒子群优化算法的二维最大熵阈值选取方法,选取最佳阈值对红外图像进行分割,使可疑区域从背景中分离出来.选择物体的高度作为特征量,采用标准模板序列,设计两层模糊分类器分析物体的高度变化和灰度分布,给出可疑目标隶属于火焰的评价.实验证明,这种结合火焰动、静特性的算法鲁棒性强,识别率及灵敏度较高,适用于广范围的火灾监控.     

一类多乘积规划问题的对偶界方法

针对一类目标函数和约束函数都是多乘积的规划问题给出一种求其全局最优解的分支定界算法.该算法利用Lagrange对偶理论将其中关键的定界问题转化为一系列易于求解的线性规划,并且这些线性规划的规模固定不变,从而更容易应用到实际问题中.理论分析和数值算例表明提出的算法可行有效.     

基于自适应背景模型的全方位视觉人体运动检测

设计了一种新的全方位视觉系统,用来在室内对多个人体目标进行实时运动检测。系统中使用全方位摄像机作为图像采集设备,能在一幅图像中获取水平方向360°的环境信息。在检测开始之前,首先由摄像机对无人环境持续观测一段时间,建立背景的统计模型;在检测开始之后,将每一时刻全方位摄像机采集到的图像变换成柱状全景图像,再利用背景的统计模型,通过自适应的动态背景减除算法得到前景区域,同时在线更新背景模型。最后进行区域分割,确定人体的位置。试验结果表明,该系统在复杂背景的室内环境下,有较好的实时性和检测效果。     

自适应杂交NGA及其在多值电路分析中的应用

提出了一种具有自适应交叉算子的ＮＧＡ算法（简记为ＡＣＮＧＡ），以解决具有多模态函数的参数优化问题，ＡＣＮＧＡ能随着解空间参数结构的变化，自适应地选择不同的杂交算子并确定相应的杂交率，使解群在保持多样性的前提下，以较收敛率得到最优解集。该算法可求解非线性方程组，并主解具有任意约束关系的非线性电阻电路的所有解。     

一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.     

基于能量特征的左右手运动想象脑信号的识别方法

提出了一种基于能量特征的左右手运动想象识别方法,利用快速傅里叶变换分析特定脑电(μ波和β波)的频率分布,然后利用小波分解去噪,再利用小波包分析脑电能量,提取能量特征,最后基于支持向量机(SVM)进行左右手运动想象的识别。本文把能量作为特征的支持向量机(SVM)识别法分别与自适应自回归系数法(AAR)和相同步分析法进行比较。仿真结果表明:在相同样本数据情况下,能量特征作为特征向量的SVM识别准确率明显高于其他2种方法。