基于视频的现实人物运动创作

提出一种根据用户指定的人体运动和观察视角生成真实感视频的方法.首先采集演员进行少数基本运动时的多视角视频数据库,并使用无标记运动捕捉的方法获得任意时刻人体对应的骨骼和3D模型.其次,用户对人体骨架指定运动并设定视角,以此定义目标视频.实验结果验证了文中方法能够利用有限的数据库合成演员在用户指定运动和视角下的真实感视频.     

具有少量基本回路布尔网络的不动点

近来作为自然和人造非线性动态网络的一种紧凑模型,布尔网络的研究受到广泛关注.不动点和吸引子是预测布尔网络长期行为的关键.本文针对具有少量基本回路的布尔网络,提出了确定不动点的算法.我们的方法是基于构成反馈顶点集的变量所满足的一组方程.作为应用,我们还给出了检验这类布尔网络全局稳定性的充要条件.     

基于最大似然线性回归矩阵的说话人识别算法研究

研究了将自适应领域的最大似然线性回归(Maximum likelihood linear regression, MLLR)变换矩阵作为特征进行文本无关的说话人识别算法. 本文引入了基于统一背景模型的MLLRSV-SVM说话人识别算法, 并在此基础上进行高层音素聚类以进一步提高识别性能. 在采用多种信道补偿技术后, 在NIST SRE 2006年1训练语段-1测试语段同信道和跨信道数据库上, 基于MLLR特征的系统与其他最好的系统性能接近并有很强的互补性, 经过简单线性融合可以极大提高识别性能.     

基于双层结构的矢量工程图符号识别算法EI北大核心CSCD

为了从矢量工程图中自动提取零件种类和个数等信息,提出一种矢量工程图符号识别算法.首先定义矢量工程图中每个元素的3种共同抽象属性以及2个元素之间的关系描述子;然后提出描述符号的双层结构,其比传统的网状或树状结构简单;最后,通过关系描述子的匹配与双层结构的构造进行符号识别.另外,该算法利用四叉树、一次识别多种符号以及对关系描述子进行排序的方法加速符号识别.实验结果表明,文中算法比已有算法识别的符号种类更多,识别效率更高,而且在旋转和缩放变换条件下更加鲁棒.     

超导微波源的仿真、设计与制备

本文主要介绍了采用超导约瑟夫森结实现的超导微波源的基本原理及实现方法。文中我们通过电路仿真得到了输入为直流信号,输出为幅值可调的4.2GHz微波信号,然后根据相应仿真参数绘制了芯片版图,并对实验室原有的自对准剥离工艺进行了改进,完成了超导微波振荡器的制备,为将来利用超导材料实现具有实用价值的太赫兹源奠定了理论以及实验研究基础。     

一种用于基波测量的数字校准方法

在电力系统中,相量测量的精度主要受到信号采样通道元器件误差和软件采样同步误差的影响。分析和实验表明,不同量程同步采样经幅值校准后拟合的方法改进了相量幅值测量的精度,对各相量进行相位校准的方法克服了相量采样的同步误差。综合应用2种方法,提出了基波相量幅值校正和相位校正的数字校准方法,对输入信号采用不同放大倍数调理电路进行分段处理和A／D采样,经幅值校准后拟合,以及对各相量进行相位校准均改进了电力系统电压和电流的测量精度。最后介绍了该方法在微机保护装置中的应用及其检测结果。     

PX装置吸附塔抽出液组成软测量

PX装置吸附塔抽出液组成是过程的重要变量，但无法实时测量。为了实现装置先进控制，基于机理分析和RBF神经网络开发了该变量软测量模型，计算结果表明该模型能较好实时预测抽出液组成，有很好的实用价值。     

基于晶体延迟干涉仪的20-Gb/sNRZ-DQPSK解调实验研究

光差分四相移键控(DQPSK)信号解调技术是相位调制光纤通信系统中的关键技术,本文利用钒酸钇(YVO4)晶体设计制作了2 bit延迟干涉仪(DI)作为DQPSK解调器。相对于传统的基于光纤结构的DI,用晶体材料制作的DI具有温度稳定性高的特点,其作为光DQPSK解调技术中的关键器件,具有广泛的应用前景。实验搭建了20 Gb/s光NRZ-DQPSK背靠背实验系统,并利用自主设计制作的DI成功实现了NRZ-DQPSK信号解调。实验结果与计算机仿真计算结果一致。     

基于FPGA的稀疏网络关键节点计算的硬件加速方法研究

随着互联网、生物医学及社交网络等复杂网络研究的深入,如何寻找其等效图中关键节点越来越重要。中介中心度作为衡量图中节点重要性的主要指标,其单点的计算复杂度高达O(N3),因而成为关键节点计算问题的难点。该文在对传统的中介中心度快速算法进行分析之后,提出了一种适用于硬件设计的改进算法。同时,基于算法中各点独立、以及相邻计算间无数据依赖的特点,该文利用改进算法实现了一个流水线结构的8计算单元并行计算系统,并在FPGA上完成了硬件系统的设计和验证。通过对比8核CPU软件系统的计算时间,该文的硬件计算系统实现了4.31倍的加速比。     

面向匹配决策问题的漏整合神经元稀疏ESN网络

为了对匹配决策问题进行建模与预测,提出了一种具有更多神经生理学特征的稀疏回声状态网络(ESN),并基于在线监督学习方法对网络进行训练.为了评估网络的匹配决策性能,设计了三组测试数据集对网络性能进行测试,并提出了一种基于网络期望输出与实际输出序列最大相关系数的评价方法.仿真结果表明,新模型只需要较少的训练时间即可获得较好的决策性能,且对发放时间间隔、平移和网络噪声具有较好的鲁棒性.