基于全局变形模板的快速车道检测算法

车道检测算法的研究是室外移动机器人基于道路区域或边界信息自动导航的首要环节。根据实际应用需要,识别算法应能满足鲁棒、实时的要求。提出的基于全局模板的快速车道检测算法,根据驾驶员视觉处理经验,总结出道路边界识别的先验知识,在所选取的二次曲线道路形状模型基础上,推导出图像上车道的总体模型,利用道路图像的灰度特征,结合优化算法改变模板参数,实现对车道的跟踪。对实际路面图像的试验结果表明,该算法在多种环境条件下,都能很好地识别车道,具有很强的鲁棒性。同时,与传统的跟踪算法相比,该算法降低了计算损耗,更好地满足了实时性的要求。     

卫星对地搜索问题研究——搜索理论的新应用

用卫星搜寻海上的未知目标时，由于海洋的面积大，可参照点少，搜寻未知目标难度较大，因此有必要对此展开研究。建立了对地观测卫星对海洋未知目标的搜索模型，同时给出一种评估卫星搜索探测函数的新方法，在此基础上，以一颗载有推扫式CCD相机的低轨小卫星为例，说明如何用该模型指导卫星搜索海域内的未知目标，从而使卫星在有限的观测时间内发现目标的概率最大，为搜索理论在卫星应用上提供了新思路。     

20世纪末日美贸易摩擦及启示

国际金融危机爆发以来,中国外贸摩擦频繁发生。通过对20世纪末日美贸易摩擦起因的分析,可以看出日美双方解决贸易摩擦的攻防策略,这对于我们制定我国的贸易策略具有一定的借鉴意义。     

一种基于声-地震耦合的室内声波探雷实验系统

为了研究声波探雷机理,设计了一个基于声-地震耦合原理的室内声波探雷实验系统.首先,简述声波探雷技术的基本原理;然后,详细介绍室内声波探雷实验系统的硬件组成及实验方案;最后,用一种反坦克塑料教练地雷进行实验,重点讨论实验系统的可重复性.实验结果显示,在相同实验条件下,测得的3条地表振动曲线基本重合,表明所设计的实验系统的可重复性良好,满足测试要求,可用于实验室条件下声波探雷机理的研究.     

联合变化检测与子带对消技术的SAR图像干扰抑制方法

子带对消(subband spectral cancellation, SSC)法是一种有效的合成孔径雷达(synthetic aperture radar, SAR)射频干扰(radio frequency interference, RFI)抑制方法, 但其在消除干扰的同时容易损失图像细节信息, 影响后续图像解译。为此, 在SSC方法的基础上, 联合变化检测技术, 提出一种改进的SAR图像干扰抑制方法。根据改进的对数比变化检测算子, 所提方法实现了干扰二次检测, 消除了干扰图像中的虚警信息, 避免了图像中有用信号的损失。基于欧空局Sentinel-1A卫星干涉宽幅模式受干扰SAR图像, 开展了干扰抑制与效果评估。实验结果表明, 所提方法能够在有效抑制干扰的同时尽可能保留SAR图像细节信息, 证明了所提方法的有效性。     

多无人机协同探测快速目标的控制方法设计

针对无人机(unmannd aerial vehicle, UAV)对快速运动目标的协同探测问题, 设计了一种多UAV协同探测控制算法。首先假设每架UAV都携带相同的探测载荷, 根据载荷特性设计了针对快速运动目标的UAV协同探测队形。然后引入固定时间控制一致性协议到UAV载荷角度控制中, 控制载荷持续照射目标; 引入有限时间一致性协议到UAV编队控制中, 用以形成协同探测队形, 并通过二跳网络加快队形的收敛。通过将UAV队形控制与UAV载荷的角度控制相结合, 从而实现UAV对快速运动目标探测时间的最大化, 极大的延长了高速运动目标被发现的时间。最终通过理论分析和仿真实验证明了该控制算法的有效性。     

基于数据挖掘的入侵检测技术精确度研究

入侵检测系统一直以来都是多层安全体系架构不可或缺的一部分,与传统的防御解决方案相比,基于数据挖掘的入侵检测有着较高的精确度,并能有效地识别未知的入侵模式.然而,伪肯定率的存在也一直影响着基于数据挖掘的入侵检测系统的深入研究.笔者分析影响入侵检测精确度的因素,提出了一种基于数据挖掘的有效提高精确度和降低伪肯定率的入侵检测方法.     

基于物体关系描述的单目语义SLAM方法

外界环境的语义感知和自身位置的准确估计是移动机器人自主导航和作业的关键。提出了一种基于单目相机的语义SLAM(simultaneous localization and mapping)方法,在轨迹估计的同时完成三维目标检测。提取物体自身语义、尺寸、颜色分布及其邻域拓扑结构等多元信息作为描述子,实现帧间物体的准确关联。在后端对相机位姿、地图点和物体路标进行联合优化,并自适应调整代价函数中各误差项的权重系数,以提高各状态变量的估计精度和鲁棒性。实验结果表明,所提出的算法在地图构建方面具有较高的精度。     

基于双稳阱内随机共振的OFDM信号检测方法研究

为了解决OFDM(orthogonal frequency division multiplexing)传输系统中接收端对微弱OFDM信号的检测问题,本文将双稳阱内随机共振系统与OFDM信号增强和解调过程相结合,推导了多载波信号激励下双稳阱内随机共振系统从零状态变化到势阱状态所需时间的解析表达式,分析了暂态响应导致的多载波信号在一个符号内的能量损失问题;推导了系统稳态输出方程,分析了稳态过程对子载波已调信号叠加直流偏置分量的问题;探讨了在不同系统参数和噪声强度下阱内随机共振对OFDM信号解调性能的影响。仿真结果表明：该方法可有效实现信号与噪声阱内协同作用,提高OFDM信号的检测性能。     

视觉感知结合学习的自然图像轮廓检测

本文结合非经典感受野的视觉特性与机器学习的方法,提出了一种自然图像轮廓检测模型.当非经典感受野中的刺激与感受野中心刺激形成一种精确的空间结构时,将对中心产生一种增强效应;另一方面非经典感受野中抑制作用会降低同质成分的响应,我们将这两个机制分别用于增强光滑的轮廓和减少背景中与结构无关的干扰成分.利用逻辑回归概率模型将感受野中的信息与来自非经典感受野中的信息进行有效融合,并根据图像的手工标注数据库,通过学习方法获得一组最优的模型参数.自然图像的实验结果表明该轮廓检测方法能极大地抑制来自纹理的局部边缘,减少虚假轮廓,同时能增强具有一致空间结构的成分,避免轮廓缺失.最后利用Berkeley图像数据库定量地评价了我们方法的性能,并与相关方法进行了比较.该模型不仅为复杂场景中的轮廓检测提供了一个可行的策略,并有助于对生理视觉机制的理解.