运动参数受限的目标跟踪算法研究

提出一种运动参数受限的目标跟踪算法,对于速度受限目标采用平滑修正滤波跟踪算法,首先使用Kalman滤波得到当前时刻的滤波值,找到平滑精度最高点,根据速度限制条件,对滤波结果进行修正。为了保证滤波的无偏有效性,修正计算得到的结果不参与后续滤波处理。通过理论分析和仿真表明,速度受限跟踪算法在观测误差相对较大以及滤波起始阶段可以使滤波跟踪效果获得较大的改善。     

突发污染源散发特性辨识与仿真研究（英文）

在载人航天器、潜艇、飞机等密闭微环境中,如果发现有污染源存在,确定污染源的位置及其散发特性具有重要意义。笔者提出一种新型的浓度离散随机模型,在采用敏感性分析方法实现污染源定位后,利用隐式与显式卡尔曼滤波相结合的方法实现污染源散发特性的动态辨识与预测,同时完成空气污染物浓度预测。笔者采用蒙特卡罗仿真实验方法对一密闭空间进行了动态仿真研究,仿真结果表明提出的方法可以实现污染源散发特性的快速准确辨识,具有重要的应用价值。

Abstract：

In case of contaminants appear in enclosed spaces such as spacecraft,submarine,aircraft and so on,it is useful to find the contaminant source. A novel algorithm was proposed to identify contaminant source strength based on finite sensors. After having identified the source location by using the Sensitivity Analysis Algorithm （SAA）,this method built a new discrete concentration stochastic model,and combined implicit and explicit Kalman filter. Monte Carlo simulation was used in our experiment. The simulation results show that the new method could track and predict the source strength dynamically; meanwhile,it also could predict the distribution of contaminant concentration.     

基于智能球机的视频车辆检测系统的设计

以现有的视频检测算法为基础,根据智慧交通系统的需求设计了一套车辆检测系统.该系统包括客户端模块、命名管道通信模块、特征提取模块、轨迹数据处理模块和数据库存储模块,可以实现检测跟踪道路车辆、计算目标车辆数据、汇总道路数据和查询历史信息等功能.现场测试与运行结果表明,视频车辆检测系统检测精度高,整体性能强,系统运行稳定,能够满足路政需求.     

基于验证集辅助的脑电信号包裹式降维

当今时代信息技术的高速发展促使人们对人机交互领域投以更多的目光,随时监测操作者脑力负荷情况并依此对操作者的任务工作量进行调整,在当下有着重要意义。有研究表明,脑电信号功率谱密度对于脑力负荷分类任务较为适用,但脑电特征维数较高,极易出现维度灾难。目前机器学习中降维方面应用最广泛的算法为主成分分析(principal component analysis, PCA),针对主成分分析在脑电信号分类上的不适应性和支持向量机(support vector machine, SVM)对特征间关系的敏感性,提出了基于PCA-SVM与逐阶枚举法的包裹式降维方法,在特征工程阶段引入固定验证集概念辅助包裹式降维,以验证集精度为指标调整特征工程方案,以此提高数据降维后的可分性。由于引入了监督学习概念,实验结果表明,基于PCA-SVM与逐阶枚举法降维过后的数据分类精度要普遍高于只依靠传统PCA的降维方式,以此为高维生物电数据降维提供了新思路。     

输电线路中销钉缺陷的自适应检测技术研究

针对复杂环境背景下小尺寸目标的检测难题,基于Faster R-CNN框架提出优化算法模型．首先,在特征提取模块的残差网络中叠加残差结构,增大感受野,提高特征提取能力;然后,在卷积计算中利用可变形卷积核替代传统卷积核,对空间形变较大的目标实现自适应特征提取;最后,通过平均定位召回精度损失(aLRP loss)平衡分类与回归任务,从而提高销钉缺陷的检测精度,并用最优定位召回精度(oLRP)度量检测结果．测试集上的实验结果显示：优化算法比基线算法的平均精度均值(mAP)提升了7.6%,比未引入定位排序算法的oLRP均值降低了7.1%.     

载人航天器舱室温湿度最优预测控制研究

目前的载人航天器温湿度控制系统回路中未设回热换热器或电加热器,结构简单可靠,但有时不能满足除湿要求,是优先控制温度的空气参数处理方法。针对该温湿度系统,分析其热湿耦合机理,提出采用优先控制湿度的最优预测控制策略,利用观测数据在线动态估计热湿负荷并预测舱室温湿度变化趋势,结合优化目标函数,获得最优的冷凝空气处理风量,从而实现温湿度最优控制,保证航天员热舒适性。仿真结果证明了该控制策略的有效性。     

基于C/S架构的光纤智能预警系统的软件设计

以C/S架构为基础，根据光纤预警系统的需求建立了系统的平台网络结构.系统依据总体架构可划分为服务端(Server)和客户端 (Client)2部分.服务端主要包括DSP通信模块、前后端交互模块、数据库模块和算法模块；客户端主要包括前后端交互模块、地图显示模块、历史报警查询模块和参数设置模块.设计了基于C/S架构的实时数据软件系统，完成了各功能模块在VS中的实现，并将其移植到系统服务器上进行了性能测试.测试结果表明，本系统能够有效完成数据报警信息的实时处理.     

基于小波重构与时空二维特征的光纤振动识别

针对光纤预警系统提出基于小波重构降噪和时空二维域特征的光纤振动识别.分析光纤振源信号的特征,使用小波重构降噪处理算法对时域信号进行特征提取,并以灰度图展示其明显的特征,进而提出灰度图腐蚀识别算法.通过时空二维域特征分析处理识别方法,能够较好地分类识别入侵振源信号.     

基于自适应主成分分析维度寻优的脑力负荷识别

脑力负荷识别对提高作业操作人员工作效率,减少人因事故具有重要意义。然而,由于脑电(electroencephalogram, EEG)信号的采集是由多通道脑电帽采集的,并且分布在各个频带上,因此经过特征提取得到的特征维度过高,造成后续识别模型复杂度过高。对此,通常使用主成分分析(principal component analysis, PCA)对高维特征向量进行降维处理,但是降维维度的取值很难确定。提出了一种基于主成分分析的自适应维度寻优方法,将实验数据集中的高维特征使用主成分分析降维到寻优维数范围内的各个维度,并将各个维度的分类精度绘制成维度—分类精度曲线,通过识别该曲线的“肘部”来确定该实验数据集的最优降维维度,并将该维度应用到同实验的其他实验数据上进行脑力负荷识别。结果表明,该方法可以准确识别出在同实验数据集中通用的最优降维维度,有效提高识别效率。     

基于RLLE算法的脑力负荷分类研究

近年来,随着人工智能领域技术的不断发展,脑机接口(Brain-Computer Interface,BCI)吸引了更多学者的关注。实时监测高强度脑力工作者的脑力负荷水平并其任务做出动态调整是保护国家财产和操作人员安全的重要手段。研究表明由脑电图(Electroencephalogram,EEG)提取的特征功率谱密度对于脑力负荷的变化比较敏感,但由于其维数过高,容易造成数据灾难。传统的主成分分析（Principal Component Analysis,PCA）算法会损失部分非线性特征。局部线性嵌入（Locally Linear Embedding,LLE）是常用的非线性降维算法,但该算法对噪声的敏感性高,降维结果受参数影响较大。稳健局部线性嵌入算法RLLE（Robust Locally Linear Embedding）,在LLE优化权重矩阵时添加了正则项优化,不仅增强了模型的抗噪能力,也解决了解模型过程中可能会出现的矩阵病态和奇异性问题。该算法中的参数k在使用时经常选取较小的值以更好地捕捉数据集的局部结构,并大大减少了模型的计算时间。但脑电数据具有维数高,复杂度高的特点。选取小的k值不仅会导致模型对噪声异常敏感,也会使模型忽略重要的大邻域结构从而影响降维结果的准确性。本实验在使用该算法时,结合模型精度和计算时间选取了更合理的k值区间,使模型在保持高效的同时具有更强的抗干扰能力,并可以提供更全面的信息来描述数据集,使得嵌入结果更加准确。实验结果表明,经过RLLE降维后的数据使用支持向量机（Support Vector Machine, SVM）分类精度普遍高于经过PCA的降维方式,具有更强的抗干扰能力。