基于逆向学习改进算法的汽车边缘提取

根据智能交通系统中车型识别的特点提出了使用逆向学习改进算法提取汽车边缘的新方法，这种方法的优点在于可以充分利用车型识别系统的特点和汽车历史轨迹的先验知识得到较好的提取精度，并有效地解决了车型识别中，因使用黑白图象而使基于色彩的汽车边缘提取失效的问题。     

基于Diff-Serv网络中接入控制算法及其实现

对现有接入控制算法(CAC)进行了分析比较,提出了一种面向基于Diff-Serv网络的接入控制算法,给出了该算法中区分服务的映射算法、接入控制算法的实现过程.这种算法的目标是提供可靠的服务质量保证和高的资源利用率.     

自动调制度测试仪的研制

研制了以单片机为核心的自动调制度测试仪.该仪器具有如下特点:宽频率范围测试信号自动跟踪,输入载波频率范围1.5-2000 MHz;宽动态范围载波电平自动调整,输入载波电平范围0.01-1 V;低失真高灵敏度,低频输出失真≤±1％,实测灵敏度为2-3 mV.     

一种基于彩色图像的锐化算法

对常用锐化算法进行改进，提出了一种新的针对彩色图像的边缘增强算法，并用模糊集理论选取阈值去除噪声．实验证明，改进的算法能有效地突出彩色图像的边缘，与其他算法比较，该算法耗时很少．     

快速B样条二维细微边缘检测算法

传统的边缘算法无法得到令人满意的图像细微边缘检测结果。作为对传统边缘算法的补充，这里提出了用于图像特征提取的细微边缘检测算法。采用快速B样条转换实现快速图像插值可以提高运算速度。这种基于B样条函数的算法能快速计算出信号的一阶导数，通过搜索图像一阶导数最大值的位置确定边缘点的位置。实验结果表明图像经插值放大3倍以后可以获得满意的细微边缘检测结果。     

分布式被动传感器网异步采样下的机动目标跟踪

针对分布式被动传感器网的特点，提出了一种异步采样条件下机动目标跟踪方法。该方法采用交互式多模型概率数据互联滤波器跟踪机动目标。为启动滤波器，采用最大似然法估计目标初始状态；为适应异步观测条件，提出了马尔可夫转移概率计算方法。仿真实验表明，在分布式被动传感器网中采用该算法能有效进行机动目标跟踪。     

欠结构水下机器人的自适应位置跟踪控制器的设计

欠结构水下机器人的控制是一个具有很大难度的课题。研究了一种欠结构多方位智能机器人的跟踪问题，在机器人参数不确定及存在未知环境扰动的情况下，设计出了连续的自适应控制器，使得机器人可以自动地跟踪任意光滑的轨迹，并且跟踪误差收敛于半径为任意小的原点的邻域。Matlab仿真研究表明了该控制方案的有效性。     

基于对角回归神经网络的转台伺服系统逆控制

针对转台伺服系统中存在的不确定性和非线性因素,提出一种基于对角回归神经网络(diagonal re-current neural network,DRNN)的逆控制方法。逆控制器由对角回归辨识网络(DRNNI)和对角回归控制网络(DRNNC)组成,利用神经网络的逼近能力,在线辨识系统的逆模型,直接将辨识器的拷贝作为系统的控制器。该方法结合了神经网络和逆系统控制的优点,能够克服系统中的不确定性和非线性因素。仿真结果表明,有效提高了转台伺服系统的动态跟踪精度,并具有较好的鲁棒性能。控制器的运算量小,能够满足实时控制要求。     

几种简化联合概率数据互联算法性能分析

针对最优联合概率数据互联算法复杂、运算量大的问题,目前提出了许多简化的联合概率数据互联算法。为了清楚地了解这些算法在不同环境下在跟踪精度、实时性等跟踪性能上的差异,对几种典型的简化算法进行了详细的性能分析。给出了简化算法的数学模型,然后从理论上对这些算法进行了优缺点比较,最后选取了多种典型的与实际工程背景相近的多目标运动环境,对几种比较有代表性的简化算法在这些环境下进行仿真实验,并根据仿真结果对它们各方面的性能进行综合分析。     

基于粒子追踪的风场可视化方法

为了更直观地表示三维风场的变化特点，针对气象风场数据集的特点采用粒子系统的方法可视化表示风场属性，提出了通过粒子的位置变化动态反映风场速度方向以及大小，同时将风场涡旋度的强弱映射成粒子本身的旋转状态，最后选取CDC数据中心的风场数据验证了实验结果。