一种新的地心地固坐标系传感器配准算法

针对多传感器系统进行数据融合的需要,提出了一种新的地心地固坐标系下传感器的配准算法,充分考虑了地球曲率对配准算法本身的影响,当传感器之间相距很远时仍然适用。新算法将传感器配准问题表述成一个关于传感器测量的最小二乘判决函数,然后首次引入Levenberg-Marquarat算法来对其进行优化。最后通过仿真试验对新算法的性能进行了评估,结果说明新的算法对于不同数目的测量值具有良好的一致性。     

基于H∞滤波的智能车辆多传感器组合导航研究

为适应自主驾驶智能车辆的高精度、高频率及高可靠性与鲁棒性的导航要求,对智能车辆的多传感器组合导航进行了研究。提出了一种基于H∞滤波的双向光电测速仪和CP-DGPS共同辅助SINS的智能车辆冗余组合导航方法。详细推导并建立了组合系统的滤波模型。仿真结果表明,该组合导航系统具有100Hz的高频输出、厘米级的导航精度以及良好的鲁棒性能与可靠性。即使系统特性发生了显著的变化,组合系统仍能为智能车辆提供可靠的导航信息。     

干扰条件下的双基地定位跟踪

针对电子干扰日趋恶化的形势，文中专门研究了干扰条件下双基地系统如何利用数据融合实现对运动目标的三维跟踪问题。根据电子干扰“无－弱－强”的变化规律。文中提出了一种最大限度地利用两站测量数据信息量的“分段跟踪技术”、不仅提高了无、弱干扰时的跟踪精度，而且为强干扰条件下应用ＳＯＰＬＡＴ技术保持对目标的跟踪创造了有利条件。文中从理论。实际两个角度出发，分别研究了两种测量模式接收站采用的跟踪算法，通过典型航迹的计算机仿真．对基于数据融合算法的分段跟踪技术在理想观测精度和实际情况下的跟踪精度做了分析比较。     

二维浅水波方程的非结构网格TVD型有限体积法

考虑二维浅水波方程及其离散方法,对非结构三角形网格给出了TVD型有限体积法.在离散单元对物理量作单调线性重构函数,通过选择不同的数值流函数,构造了两种复合型有限体积格式;时间离散采用二阶Runge-Kutta方法.对二维溃坝问题及非平底部溃坝问题进行数值模拟,结果表明,两种方法精度高且稳定,可以处理具有任意水下地形的二维浅水波问题.     

基于多小波域对比度的图像融合算法

针对多小渡理论在图像处理领域的应用,给出了多小波域中图像的方向对比度的定义,并提出了基于多小波变换的、使用方向对比度进行自适应加权平均融合和选择性融合的算法.该算法利用多小渡变换对原图像进行分解,根据得到的分解系数计算相应的对比度,然后建立基于对比度的融合规则.使用这些算法对多谱图像进行了融合实验,并给出了评价融合质量的对比结果.结果表明,基于多小波变换的方向对比度的图像融舍算法在保留图像细节信息、增加信息量方面都有明显的提高.     

It型滞后随机系统的仿真

本文研究了Ｉｔｏ型滞后随机系统的数值解法与仿真,得到了Ｉｔｏ型滞后随机系统数值计算的迭代格式,分析了迭代格式的精度和用于Ｉｔｏ型滞后随机系统仿真的有效性,并用实例演示了所得方法的应用。     

Automatic Defect Detection in X-Ray Images Using Image Data Fusion

Introduction A welded structure must be inspected to guarantee that the weld quality meets the design requirements to as- sure safety and reliability. However, X-ray image analyses and defect recognition are very complex. Most difficulties lie in finding …     

基于多模态深度神经网络的抓取检测方法

针对机器人抓取检测任务中对未知物体抓取检测精度低的问题,本文提出了一种多模态深度神经抓取检测模型。首先,在RGB和深度两个通道中引入残差模块以进一步提升网络的特征提取能力。接着,引入多模态特征融合模块进行特征融合。最终通过全连接层回归融合特征以得到最佳抓取检测结果。实验结果表明,在Cornell抓取数据集上,本文方法的图像拆分检测精度达到95.7%,对象拆分检测精度达到94.6%。此外,本文还通过消融实验证明了引入残差模块可以提高网络抓取检测性能。     

基于保积分算子的一类对称有限体元格式

针对一类自共轭椭圆问题,在四边形剖分下,利用一类保积分算子,选取一种特殊的控制体和线性有限元空间,构造了一类对称有限体元格式,并给出其误差的L2模、H1模和L∞模估计,数值实验验证了理论结果的正确性.     

在非视距环境下数据融合的无线定位算法

从数据融合以及增加测量参数两个不同角度分别介绍了非视距环境下定位的方法.数据融合基于基站选择的方法,通过3层融合得到位置估计,而增加测量参数则是基于经典TDOA/AOA混合定位,在测量方程中加入校正因子,通过逐步迭代的方法逐步减小非视距影响,从而提高定位精度.仿真表明:非视距环境下,增加测量参数的定位精度要高于数据融合,并且方法比较简单.