采用分数低阶循环谱相干系数的调制识别

摘要： Alpha稳定分布噪声导致二阶循环谱相干系数失效,使相应的通信信号调制识别算法退化. 针对这个问题,提出了基于分数低阶循环谱相干系数的识别算法. 文中给出了分数低阶循环谱相干系数的相关理论,分析了通信信号的分数低阶循环谱相干系数,在此基础上提取谱相干系数循环频率域特征作为识别特征参数. 用BP神经网络为分类器,实现了通信信号调制方法识别. 仿真结果表明,在Alpha稳定分布噪声下,该识别算法性能优于基于二阶循环谱相干系数的方法. 在高斯噪声条件下,两种识别算法性能相当.     

单筒式磁流变减振器多目标优化与试验研究

为了研究结构参数对磁流变减震器性能的影响。基于Pareto集多目标方法和NSGA-Ⅱ遗传算法,以阻尼力和动力可调系数为优化目标,设定7个优化变量,建立了车用磁流变减振器多目标优化模型与实现算法,分析了7个设计变量对阻尼力和动力可调系数的设计敏感性。通过试验得到不同条件下自制减振器输出阻尼力与减振器运动位移和速度的关系曲线。结果表明：参数优化后的减震器,在0A、速度最大时,复原力提高了15.7%,压缩力提高了36.8%;在3A、速度最大时,复原力提高了3.5%,压缩力提高了21.5%。验证了优化解的可靠性,为今后磁流变减振器的设计提供参考。     

基于改进的卷积神经网络图像识别方法

当前的图像特征识别大多采用的是传统的机器学习方法与卷积神经网络方法。传统的机器学习对图像识别的研究,特征提取多是通过人工完成,泛化能力不够强。最早的卷积神经网络也存在诸多缺陷,如硬件要求高,需要的训练样本量大,训练时间长。针对以上问题,提出了一种改进的神经网络模型,在LeNet-5模型的基础上并在保证识别率的情况下,简化网络结构,提高训练速度。将改进的网络结构在MINIST字符库上进行识别实验,分析网络结构在不同参量中的识别能力,并与传统算法进行对比分析。结果表明提出的改进结构在当前识别正确率上,明显高于传统的识别算法,为当前的图像识别提供新的参考。     

结合车道线检测的智能车辆位姿估计方法

基于视觉的智能车辆定位问题是自动驾驶领域研究的一大热点。在某些有效近景特征不显著的场景中,由于参与计算的特征数量不足,会导致位姿估计精度下降甚至失效。为此,本文提出一种结合车道线检测的相机位姿估计方法来提高位姿估计精度。首先,设计了一套基于自适应感兴趣区域和几何结构筛选法的车道线检测算法,精确检测到了左右车道线的内、外侧线;其次,对车道线区域内的点进行帧间匹配,得到新的匹配点对,并根据V视差图拟合出地面视差方程,求解出属于车道线匹配点对的准确视差值;最后,将这些匹配点对与ORB方法提取得到的匹配点对融合,共同参与相机的位姿计算。经实验验证,本文提出的算法提高了位姿估计结果的精度,解决了某些场景中有效特征点不足导致的位姿估计失效问题,具有良好的环境适应性。     

基于无迹粒子滤波的车辆质心侧偏角估计方法

针对轮毂电机驱动车辆行驶状态参数获取困难的问题,提出了一种基于无迹粒子滤波的质心侧偏角估计方法。以采集的低成本普通车载传感器信息和驾驶信号作为输入信息,在构建非线性三自由度车辆模型基础上,建立了车辆行驶状态参数估计方程,设计了质心侧偏角无迹粒子滤波估计器。利用Matlab/Simulink和Adams进行了联合仿真实验。结果表明：该估计方法具有可行性,在不同工况下均具有良好的质心侧偏角估计效果。     

基于深度学习的汽车轮毂缺陷自动分割技术

针对建立轮毂无损检测智能化平台的需要,本文提出一种基于深度学习算法的轮毂缺陷自动分割方法,利用卷积神经网络的结构和径向基函数神经网络的非线性特点,构造一种深度学习网络结构来模拟人类的视觉感知。本文依据汽车轮毂X射线图像,利用U-Net网络来训练轮毂缺陷分割模型,并在感兴趣区域的基础上模拟人脑层次感知系统,该层次感知系统能识别感兴趣区域的灰度像素,通过深度学习分层网络和卷积神经网络,逐层提取缺陷区域的内在特征,从而实现轮毂缺陷的自动分割。实验表明本方法针对复杂轮毂缺陷的识别率达到90%以上,且识别时间开销大约5ms/张,优于传统方法。可见该方法能够满足轮毂缺陷自动分割的需求,具有潜在的应用前景。     

基于智能手机传感器和SC\|HMM算法的行为识别

在获取智能手机传感器信号的基础上, 提出一种基于谱聚类和隐Markov模型的日常行为识别算法. 该方法利用智能手机获取的加速度、 地理位置和接受信号强度等数据, 结合谱聚类分析和隐Markov模型学习, 能有效地对用户日常行为进行自动识别. 实验结果表明, 在真实的手机数据集中, 该方法具有较高的准确度.     

基于量子逻辑线路神经网络的说话人识别方法

 由于说话人的语音信号具有时变性、随机性,其特征参数也呈现出高维及相邻帧变化较大等特点。从量子信息处理理论出发,将一帧语音信号视为一个量子态,在传统神经网络的基础上,利用量子逻辑线路构造神经网络,实现说话人语音信号的有效聚类,探索一种基于量子逻辑线路神经网络的说话人识别模型与方法。利用模型固有的大量全局吸引子,可有效降低语音信号处理的时间及复杂度。通过在经典计算机上模拟仿真,并与BP神经网络说话人识别模型进行对比,表明该方法能够加快说话人识别模型的收敛速率,对参数变化具有更好的鲁棒性,且其系统识别率比BP神经网络方法平均提高了3.34%。     

基于虚拟样机技术的重型汽车ABS模糊控制研究

 在ADAMS/Car中建立三轴重型载货汽车的虚拟样机模型,包括前后悬架、动力总成、转向系统、稳定杆、制动系、轮胎及车身,同时还考虑了轮胎、悬架弹簧、减振器等部件的非线性.利用Matlab/Simulink建立了基于滑移率的防抱死制动系统ABS模糊控制系统.分别在高附着路面、低附着路面及分离系数路面上进行不同载重下的直线制动仿真,计算汽车制动时的动态特性,并与无ABS的常规制动进行比较.结果表明,本文设计的基于滑移率的ABS模糊控制策略对于重型汽车具有良好的控制效果,使车轮的滑移率控制在最佳滑移率附近,防止了车轮的抱死,在制动距离、制动时间及制动稳定性方面都有较突出的优势.     

基于DNA/RNA的逻辑门与逻辑运算

DNA和RNA具有精确的分子识别能力以及强大的信号存储能力. 利用DNA/RNA分子的生物学特性来构建分子级别的逻辑门并实现逻辑运算是近年来计算机科学和分子生物学交叉产生的新兴领域, 引起了研究者的广泛关注. 本文介绍了利用DNA/RNA分子的酶活性、结构特性来构建逻辑门的方法, 探讨了将单一逻辑门整合成复杂的逻辑运算的途径. 并且对于DNA/RNA逻辑门在体外检测和体内诊疗等生物医学中的应用进行了介绍, 提出了未来的发展方向.