被动合成阵列极大似然参数估计的快速方法

针对被动合成阵列的极大似然目标参数估计方法(pasaML)计算量大的问题,探索利用Markov Monte Carlo(MCMC)类方法降低计算量.将完备抽样方法(PS)与pasaML方法相结合,提出一种基于完备抽样的频率一方位联合估计新方(PS-pasaML)来联合估计多个目标的频率和方位.首先将pasaML方法的谱函数视为频率和方位的联合概率密度函数,构造并证明了具有单调保偏序性质的更新函数,然后产生2条Markov链的初始方位角向量,使用更新函数确定Markov链在状态空间中的转移方向,并通过在全局状态空间和局部状态空间之间的跳转抽样来提高运算速度,最后由融合时间判决Markov链的平稳性,对其求期望从而获得目标方位的最终估计.仿真实验表明,在目标个数较少时,PS-pasaML方法不仅保持了pasaML方法的高分辨能力,而且计算复杂度降低为pasaML方法的1/7左右.     

基于单目视觉的横穿障碍物检测

提出一种基于单目视觉的横穿障碍物检测方法.首先,基于道路平面假设,根据特征点的位置约束以及逆透视投影变换下的性质,提取地面特征点对.其次,采用迭代加权最小二乘法估计自车平移和旋转运动参数.然后,利用估计的运动参数对图像光流进行旋转补偿,并基于道路C 速度空间生成障碍物的候选标记点.最后,对候选标记点进行分组聚类和验证,确定横穿障碍物区域.不同交通场景下的实验结果表明,上述方法能够适用于各种自车运动,有效检测横穿障碍物.     

灰色关联分析在运动员竞技能力诊断中的应用

运用“多级估量测量表”,“竞技心理能力量表”和灰色关联分析数学方法,揭示了运动员的竞技能力水平与运动成绩变化的制约关系。研究表明,竞技能力具有鲜明的专项特点,竞技能力诸要素的影响力是以关联度的量值和关联序的位次表征的。通过实例运算,介绍了点关联度,斜关联度,点、斜关联度的量化方法。     

一种基于子波的信号复原方法

提出了一种从强噪声中复原瞬态信号的新方法，该方法将要复原的瞬态信号表示成一组子波函数的线性组合，在最小均方能量准则下，用共轭梯度算法求解子波函数的线性组合的幅度、尺度和延时参数，计算机模拟结果表明，该方法的实现结构可表示成具有子波非线性，并且类似于辐射函数ＢＰＦ的人工神经元网络。     

四旋翼无人机单目视觉自主着陆系统研究

以基于计算机视觉技术实现四旋翼无人机自主着陆为目标,采用Pixhawk开源飞控和mavros技术,设计黑白相间的正方形分级嵌套地标,然后通过单目摄像头采集图像数据输入机载图像处理上位机NVIDIA TX2中进行图像处理,并结合OpenCV函数库功能完成地标检测识别,最终实现四旋翼无人机位姿解算与自主着陆.     

基于轻量化二维人体姿态估计的小样本动作识别算法

动作识别是近年来时序数据挖掘领域的研究热点,具有广泛的应用前景。但是现阶段基于深度学习的动作识别算法需要大量的标记训练数据集,存在泛化性差、实时性差、场景受限的问题。为解决这些问题,本研究设计一种基于轻量化二维人体姿态估计的小样本动作识别算法。该算法基于YOLOv5算法构建轻量化的人体检测器HYOLOv5。基于轻量化二维姿态估计模型Lite-HRNet设计人体姿态特征描述算子,有效地去除背景对人体动作特征的干扰。为有效度量时序人体姿态特征描述算子间的相似度,本研究提出基于动态时间规整的人体姿态特征距离度量,并在此基础上设计基于类别中心选择的动作模板匹配算法。该算法通过少量的动作视频构建动作特征模板库,利用动作模板匹配算法可实现多类动作视频的精准识别。为验证算法,本研究在COCO 2017的Humans数据集上对HYOLOv5进行测试,人体检测识别精度mAP@0.5∶0.95可达50.7%。基于10种动作视频数据进行测试,结果表明,本研究所提算法可有效地识别视频序列中的姿态,在每个动作仅包含4个训练数据的情况下,动作识别准确率均可达到91.8%。     

基于高阶统计量方法的ARMA模型功率谱估计在设备故障诊断中的应用

为了消除或衰减加在机械故障信号上的有色高斯噪声,更好地对信号功率谱进行估计,提出了基于高阶统计量方法的ARMA模型功率谱估计方法。该方法依据是高阶统计量对高斯噪声不敏感的特性。仿真结果表明,该方法能有效的抑制高斯有色噪声的干扰。     

无失效数据失效概率的综合估计

本文对指数分布的无失效数据(ti,ni),给出了参数λ的最小二乘估计以及失效概率pi=p{T相似文献   

电力系统状态估计的分布式并行处理

基于传统的状态估计算法，结合等式约束优化问题，提出了在计算速度、数值精度上显著提高的分布式并行算法，且以PVM为软件平台对验证系统进行了模拟计算。结果表明了该算法的有效性。     

基于微透镜阵列的光场图像深度估计

针对光场相机同时记录光线位置信息和角度信息,提出估计光场图像深度的新方法。根据光场摄像技术的数字重聚焦原理,产生场景不同焦深的图像序列;采用基于目标区域的可变窗口清晰度评价算子对目标在图像序列中的聚焦度进行测量,通过高斯插值获得最清晰的成像位置作为深度求取结果。以基于微透镜阵列的Lytro光场相机为例,实验结果表明,在降低现有算法时间复杂度的基础上,该方法提取的深度图可靠,证明了该方法的可行性与优越性。