离散小波变换与奇异值分解的音频信号水印算法

针对现有水印算法在嵌入过程中通常会对原始音频信号产生破坏的问题,设计了一种基于离散小波变换-奇异值分解(DWT-SVD)的水印嵌入方法实现水印信号的嵌入与提取.同时,以相关系数和误码率为衡量指标,对水印算法的不可感知性、安全性及鲁棒性进行评定测试.结果表明:在经过噪声、滤波、剪切、压缩等多种攻击后,所提取的水印仍然能保持较高的清晰度,这说明DWT-SVD算法具有较强的抗攻击能力,可有效保护版权人的利益.     

基于自适应噪声校正的鲁棒域适应学习

域适应（Domain Adaptation,DA）学习旨在利用标签丰富的源域来帮助标签稀缺的目标域学习。DA方法通常假设源域数据已正确标记,然而现实中通常很难收集到大量带有干净标签的源实例,带有噪声源标签的噪声DA学习可能会降低目标学习性能。为此,本文提出基于自适应标签噪声校正的鲁棒DA学习方法（Robust DA Method through Adaptive Noise Correction,RoDAC）。RoDAC包含两个学习阶段,即自适应噪声标签检测（Adaptive Noise Label Detection,ANLD）和自适应噪声标签校正（Adaptive Noise Label Correction,ANLC）。在ANLD中,使用自适应噪声检测器识别带有噪声标签的源实例,并进一步在ANLC中自适应地校正噪声标签,将其重新投入域适应学习中。与基准数据集进行比较,结果表明RoDAC方法在源域标签存在噪声的域适应场景中取得了显著的性能提升。该学习策略可集成至许多现有的DA方法中,以提升其在噪声标签场景下的学习性能。     

基于机器人操作系统的室内运输自动导引车系统及其设计

针对当前室内运输自动导引车(AGV)导引技术存在灵活性差、开发成本高、路径维护烦琐等问题,设计并实现了一款基于开源机器人操作系统(robot operating system, ROS)的室内运输AGV系统。该系统包括硬件层和软件层两部分。在硬件层,综合考虑现实需求、性能、成本等因素后进行硬件选型,同时搭建了AGV底盘和单舵轮行走机构,为软件层提供了一个稳定、灵活的运行平台。软件层设计包括ROS规划端和网页人机交互端两部分。ROS规划端进行AGV地图构建、自主定位、路径规划、路径跟踪、自主导航五大功能模块设计;网页人机交互端实现远程人机交互功能。测试结果表明,基于ROS的室内运输AGV系统能够有效地完成室内自动化运输任务,且路径维护灵活简便,整个系统具有很强的可行性和实用价值。