基于贝叶斯过滤法的CSI室内定位方法

无线信号多径效应导致基于接收信号强度指示（RSSI）的室内定位方法的精度和稳定性下降。为解决这一问题,提出基于贝叶斯过滤法的信道状态信息（CSI）室内定位方法（BCL ）。将物理层的CSI结合RSSI作为参考信息,减轻信号接收端的多径衰减影响;在此基础上,采用贝叶斯过滤法进行数据处理,降低接收信号的时变性。实验结果表明,相比现有的典型室内定位方法, BC L有效提高了定位准确度和稳定性。     

汽车减震器参数同步数据采集系统设计

为了解决汽车减震器运行时压力与位移信号难以同步采集的问题,设计了一种基于51单片机和AD7572的同步数据采集系统.系统通过51单片机控制两个独立的高速A/D转换通道同步采集压力与位移信号,采用USB串口与上位机通信实现数据的储存、传输和处理.示功图对比表明,该系统可以完成减震器关键参数的同步采集,具有较高的实用价值.     

基于红外面阵传感器的图像拼接算法

对大面阵红外传感器图像的拼接算法进行了研究.针对红外图像中噪声过多的问题,采用基于Harris角点的图像拼接算法进行噪声抑制并对Harris算法进行改进.首先根据图像像素响应函数值的特性,将Harris检测人工阈值改进为自适应阈值.然后在相似测度归一化互相关(NCC)粗匹配的基础上,根据图像间正确匹配角点对各自构成的四边形应满足四角相等的几何关系,采用有约束的随机抽样一致性(RANSAC)方法.实验结果表明:该算法避免了噪声的影响,使图像拼接具有适应性,对大面阵红外图像具有良好的拼接效果.     

自组织映射与流形学习的图像显著度检测

提取反映图像内容的结点以及为这些结点分配初始标签,是半监督学习用于显著度检测的关键问题.通过自组织映射把图像分成多个结点,这些结点不但反映图像内容的颜色特征,还能够反映图像内容的轮廓特征.然后通过把二维结点图嵌入到高维的空间构造带权无向图.由于无向边的对称性,进一步采用流形学习的方法,把无向图和半监督学习结合起来,通过预设边界结点预期的显著度,最终计算出所有结点的显著度.实验结果表明,与近年提出的几种经典的显著度检测算法相比,所提出的方法取得了较好的Precision-Recall性能和较舒服的视觉效果.     

基于嵌入式视觉的子机器人入舱方法

提出一种基于嵌入式视觉的子机器人入舱方法, 用于子母式机器人系统中对子机器人的回收. 子机器人基于自身嵌入式平台捕获和处理入口处的引导标识图像, 根据局部颜色排布特征快速提取出标识中心, 利用最小二乘法拟合水平颜色交界线的成像斜率, 基于成像斜率-视偏角模型判别出子机器人航向与入口平面的法线关系, 从而进行运动决策使二者重合以完成入舱. 该方法无需摄像头标定和航迹测量即可准确入舱, 仿真实验验证了所提出方法的有效性.

     

网络敏感信息自适应多重过滤模型研究

敏感信息过滤是既重要又复杂的任务.针对当前一些敏感信息过滤模型所存在的时间滞后、准确性低、自适应性差等问题,提出了一个敏感信息自适应多重过滤模型.该模型以互联网中文文本媒体为研究对象,采用意见挖据、机器学习、高性能计算和自然语言处理等技术,从整体和语义角度自适应识别敏感信息.对敏感信息自适应多重过滤模型的研究将为舆情监控、商业智能、辅助决策等应用系统开发提供技术支持.     

接收机运动情况下天线简谐运动对信道循环平稳性影响的分析

在均匀散射环境下,当天线做简谐运动时,信道中会引入循环平稳.通过分析信道循环平稳的产生机理,定义了循环平稳度来衡量引入的循环平稳.首先当接收机以恒速做直线运动且接收机上的天线做简谐运动时,研究了信道的自相关特性,包括循环平稳性;然后用Matlab仿真工具绘出有关曲线,仿真实验结果更加清晰地显示了信道的循环平稳性;最后揭示了信道循环平稳的研究意义,并对其在该领域的应用前景进行了展望.     

事件常识的获取方法研究

在动态语义学的基础上,以事件的语义、文法和常识为标准构建多层次的事件分类体系,并使用该分类体系提取事件的常识知识。事件采用框架的方式来表示,称为事件框架。事件框架的内容包括事件的定义、事件之间的关系、事件的文法表达、事件的谓词表示、事件的例句、事件的前提常识和后果常识。利用事件框架的内容提取事件的常识。为了说明该方法的实用性,以事件分类体系中典型的“交易类”事件为例来描述事件常识的获取方法。     

基于半监督聚类的文档敏感信息推导方法

针对当前多文档聚合推导引起的敏感信息泄露问题存在风险大、隐蔽性高的特点,提出了一种基于半监督聚类的文档敏感信息推导方法。首先,为确保在较小的时间开销下获得高质量的约束信息,设计了一种新颖的二阶约束主动学习算法,它通过选择不确定性最大的样本点来生成信息量最大的约束闭包;然后,在引入约束信息的基础上结合DBSCAN提出一种新的半监督聚类算法,它能够有效解决DBSCAN算法存在的边界模糊问题,提高文档聚类准确性;最后,在半监督聚类结果的基础上,对相似文档进行敏感信息可能性测度。实验表明,半监督聚类算法准确率提升明显,推导方法能够有效推导出敏感信息。     

海量教育资源中小文件的存储研究

Hadoop作为成熟的分布式云平台,能提供可靠高效的存储服务,常用来解决大文件的存储问题,但在处理海量小文件时效率显著降低。提出了基于Hadoop的海量教育资源中小文件的存储优化方案,即利用教育资源小文件间的关联关系,将小文件合并成大文件以减少文件数量,并用索引机制访问小文件及元数据缓存和关联小文件预取机制来提高文件的读取效率。实验证明,以上方法提高了Hadoop文件系统对小文件的存取效率。