Biologically adaptive robust mean shift algorithm with Cauchy predator-prey BBO and space variant resolution for unmanned helicopter formation

Visual tracking technology can provide measurement information for unmanned helicopter formation and thus, more attention is being paid to this research area. We propose a novel mean shift （MS） algorithm that is both adaptive and robust for unmanned helicopter formation and apply it to the leading unmanned helicopter tracking. The movement of an unmanned helicopter is very flexible and changeable, which makes the tracking there of more difficulty than for common targets. In creating an algorithm that can adapt to the acceleration of the unmanned helicopter and estimates both the scale and orientation of the movement changes, we combine the traditional MS with the bio-inspired Cauchy predator-prey biogeography-based optimization （CPPBBO） evolutionary algorithm, and also the space variant resolution （SVR） mechanism of the human visual system （MS-CPPBBO-SVR）. To demonstrate the effectiveness and robustness of the proposed method and justify the importance of the CPPBBO algorithm and SVR mechanism at the same time, a series of comparative exper- iments were carried out. The experimental results of the proposed MS-CPPBBO-SVR method are compared with other competitive tracking methods, such as MS, MS with SVR （MS-SVR）, MS-SVR with several other optimization algorithms, and the robust particle filter algorithm. The experimental results demonstrate that our proposed tracking approach, MS-CPPBBO-SVR, is more adaptive, robust and efficient in target tracking than the other methods.     

民航领域突发事件的实体链接方法

实体链接的相关研究主要集中于医疗、生物和新闻领域,但在民航领域的研究较少。因此针对民航领域实体链接任务进行了研究,发现在实体链接中存在实体变体多、歧义少等问题。为解决上述问题,提出了一种基于语义推断的实体链接框架以及一种用于增强框架鲁棒性的负采样策略。在民航领域数据集上进行了对比实验,结果表明所提框架链接效果优于现有基准框架,并通过消融实验,验证了负采样策略的有效性。在负采样策略的作用下,该实体链接框架的Acc@top1高达0.875。     

高分辨率遥感影像的边缘损失增强地物分割

目的 针对高分辨率遥感影像语义分割中普遍存在的分割精度不高、目标边界模糊等问题,提出一种综合利用边界信息和网络多尺度特征的边缘损失增强语义分割方法。方法 对单幅高分辨率遥感影像,首先通过对VGG-16（visual geometry group 16-layer net）网络引入侧边输出结构,提取到图像丰富的特征细节;然后使用深度监督的短连接结构将从深层到浅层的侧边输出组合起来,实现多层次和多尺度特征融合;最后添加边缘损失增强结构,用以获得较为清晰的目标边界,提高分割结果的准确性和完整性。结果 为了验证所提方法的有效性,选取中国北方种植大棚遥感影像和Google Earth上的光伏板组件遥感影像进行人工标注,并制作实验数据集。在这两个数据集上,将所提方法与几种常用的语义分割方法进行对比实验。实验结果表明,所提方法的精度在召回率为00.9之间时均在0.8以上,在2个数据集上的平均绝对误差分别为0.079 1和0.036 2。同时,通过消融实验分析了各个功能模块对最终结果的贡献。结论 与当前先进方法相比,本文提出的边缘损失增强地物分割方法能够更加精确地从遥感影像的复杂背景中提取目标区域,使分割时提取到的目标拥有更加清晰的边缘。     

基于星载宽刈幅散射计的海面舰船目标检测方法与识别

针对全球海面舰船目标检测的需求,结合宽刈幅与方位高分辨的需求,提出了一种基于星载宽刈幅散射计的海面舰船目标检测方法。该方法使用扇形波束旋转扫描散射计,发射宽带线性调频信号,对回波信号进行方位高分辨,海面目标二维检测,得到舰船的多次观测信息。使用方位角、多普勒频率、高分辨距离像等观测数据,计算船长、船速、与卫星运动方向夹角,并对舰船类型进行初步分类识别,实现辅助检测的功能。仿真结果表明：该方法能够实现对海面舰船的检测,得到有效的舰船信息,具备辅助检测的能力,对未来星载雷达海面舰船目标检测与识别提供了可实现的路径。     

轨道交通以太网总线TRDP通信实现研究

随着以太网技术逐渐走向成熟,列车上的实时以太网的应用需求日渐增加,尤其是近几年发展迅速的高速列车组。其对以太网通信以及实时性要求越来越高。随着国际电工委员会将以太网列车骨干列入了IEC-61375新的标准中后,针对列车上主要通信方式的研究也慢慢高潮化。其主要研究在列车控制单元VCU(Vehicle Control Unit)、显示屏终端设备等一系列设备中进行TCN(列车通信网络Train Communication NetWork)方向的研究探索。使用以太网列车骨干网节点ETBN(Ethernet Train Backbone Node)作为网关,进行相应的DNS(TRDP-MD)以及列车间发送实时数据-过程数据(TRDP-PD)。     

基于深度网络的出租车Pick-up需求预测

在智慧城市建设中,区域的出租车需求预测是一个十分重要的模块。为了预测指定区域未来时刻的出租车需求,本文通过拓展已有序列模型,提出一个多时间分辨率的基于层次注意力机制的循环高速网络（Multi-Time Resolution Hierarchical Attention-Based Recurrent Highway Networks, MTR-HRHN）。MTR-HRHN将对外生数据时空特征的提取和目标数据的时空建模整合到单个框架中,并且通过多分辨率（例如每个小时或者每天）对序列数据不同的时间属性建模,从而捕获更全面的时间模式。最后,在纽约市出租车数据集上评估MTR-HRHN的预测性能。实验结果表明,与其他经典时间序列预测方法相比,MTR-HRHN在多个高需求区域的短期需求预测上表现出更好的预测性能。     

融合邻域回归和稀疏表示的图像超分辨率重构

对于图像超分辨率重建而言,通常会将图像的整体信息作为研究对象。然而图像本身含有的大量结构信息并没有得到充分利用。为了提高超分辨率重建的效果,实现对不同特征信息的利用,提出了一种融合邻域回归和稀疏表示的图像超分辨率重构算法。依据图像所具有的低秩性对高分辨率图像进行分解,获得高分辨率图像的低秩部分和稀疏部分;将对应的低分辨率图像与高分辨率图像的低秩部分和稀疏部分进行训练,学习得到对应的特征字典;基于高分辨率图像的低秩部分和稀疏部分分别基于稀疏表示和邻域嵌入进行高分辨率重构;基于低秩矩阵恢复理论,融合邻域回归和稀疏表示重构的高分辨率图像,得到最终的高分辨率图像。在测试集Set5和Set14上将提出的算法与几种经典算法进行对比实验,可视化和量化结果均表明,相比传统超分辨率算法,提出的算法在PSNR和SSIM都有很好的提升。     

基于模型预测控制的无人机时空协同航迹规划

为了求解同时实现空间协同和时间协同的多无人机时空协同问题,提出了基于分布式模型预测控制的多无人机在线协同航迹规划的方法。建立了由MPC（Model Predictive Control,）控制器、空间协同模块和时间协同模块组成的多无人机分布式时空协同航迹规划框架结构。MPC将时空协同问题转化为滚动优化问题,优先级的方法实现了空间协同和时间协同的解耦,同时改进了碰撞冲突消解规则,并设计了时间冲突消解规则,解决了分布式时空协同问题的动作一致性问题。仿真实验表明,该方法可以有效地实现多无人时空协同航迹规划。     

基于机器学习合成高分辨率布料褶皱

为了精化布料网格得到逼真的布料模拟效果,提出了一种基于机器学习的方法合成高分辨率布料褶皱。首先模拟真实的布料运动,获取布料运动的帧数据信息,将布料运动的帧数据信息转换为图像信息的形式进行存储。然后将图像信息作为输入,输入到卷积神经网络(CNN)中进行训练,通过将卷积神经网络与缩小网络相结合,最终得到高分辨率布料图像。最后将高分辨率布料图像转换为高分辨率布料网格,对布料进行模拟。实验结果表明,与初始的低分辨率布料网格对比,合成的高分辨率布料网格模拟出的布料有着大量且细微的褶皱,并且能够模拟出真实的布料效果,与真实场景中的布料模拟效果相似。该方法在不同的场景中都可以模拟出高质量的布料动画效果,而且减少了仿真速度,验证了该方法的有效性。     

基于二次虚拟扩展的高分辨率波达方向估计方法

为进一步提高天线阵波达方向估计的分辨率,在四阶量多重信号分类方法的基础上,提出一种高分辨率的波达方向估计方法.利用阵列接收数据的四阶矩量进行虚拟阵列扩展,再利用阵列接收数据的共轭进行虚拟阵列扩展,实现二次虚拟扩展;将扩展后的阵列导向矢量和协方差矩阵用于波达方向估计,与原阵列导向矢量和协方差矩阵相比,相当于构造了更多的虚拟阵元,并扩展了阵列的孔径.仿真结果表明:与四阶量多重信号分类等波达方向估计方法相比,所提出的方法在波达方向估计中成功概率更高,均方误差更低,具有更高的分辨率.所提方法通过二次虚拟扩展,构造了更多的虚拟阵元,有效地提高了天线阵波达方向估计的分辨率.