利用时空背景模型的快速运动目标检测方法

为了弥补运动目标检测中传统混合高斯背景模型仅对单个像素建模、运算耗时的不足,通过提取背景时间统计特征和空间区域特征建立模型,针对模型中的高斯分量采用一种改进的分量个数自适应算法,并在此模型基础上,提出一种自适应迭代分块目标检测方法。通过包含区域信息的背景模型检测目标,减少在同一背景区域中目标的误判和漏判。将自适应迭代分块检测算法与背景的区域信息结合,可以在不降低检测精度的前提下大大提高算法执行速度。实验结果表明,相对于传统算法,本文检测法检测结果信噪比更高,目标更加完整,运行速度平均提高了22%。     

本期摘要

基于自适应卡尔曼滤波器的MEMS陀螺零点漂移的研究;试论家用燃气报警器用气体传感器的检定方法;基于机器视觉的发动机包覆层表面缺陷检测技术;     

基于Gabor滤波器的棉花杂质检测算法

棉花杂质检测方法对于提高织物质量和降低生产成本具有重要意义。针对工业环境中非均匀光照条件下的棉花图像设计基于Gabor滤波器的杂质检测算法,依据Otsu法和形态学滤波将图像分割为前景区、背景区和交界区,然后在图像前景和背景区域内分别使用Gabor滤波器提取图像的纹理特征。设计一种针对Gabor滤波输出的自适应阈值分割算法,结合形态学滤波和连通域分析检测出棉花中的杂质。实验结果表明,本文算法有效地消除了由于光照条件造成的干扰,可以精确地检测出棉花中常见的各种杂质。     

伺服系统的滑模变结构控制器设计

伺服系统不确定性和离散指数趋近律造成系统的系统抖振,传统的PID控制方法难以实现系统对精度和稳定性的要求.为了提高控制系统的性能,提出滑模变结构控制问题.采用参数辨识法,分别获取被控对象在空载和满载模型,并将空载测试数据按二阶模型结构辨识得到被控对象近似模型,作为离散滑模控制器设计的标称模型,并采用自适应趋近律设计了离散滑模控制器,分别对被控对象的两个模型进行控制仿真.结果表明,离散滑模变结构控制器能够使伺服系统满足要求,对参数摄动和外部干扰具有较强的鲁棒性,提高了控制器性能,为设计提供了依据.     

无人机编队飞行导航方法及其仿真研究

研究无人机导航优化编队问题,编队各成员的高精度定位是无人机协同编队飞行的关键技术和难点.为了提高编队定位的精度,提出了一种长机组合导航和长/僚机相对测量的编队成员导航定位方法,在编队导航系统模型的基础上,采用卡尔曼滤波原理估计出各成员的惯导误差,经校正后得到精确的导航信息,并进行仿真.仿真结果表明,改进的方法对所设计的长机与僚机的导航定位是完全可行的,编队各成员均获得较高的测地导航精度.     

基于在线自适应遗传算法的PID参数整定和优化

研究自动控制系统优化问题,控制系统响应特性取决于系统参数的调整.针对传统的PID控制算法参数较多,且难以整定,使得控制效果不理想等问题,提出了自适应遗传算法的PID参数整定.根据遗传算法具有在线性差的问题,对遗传算法作了改进.通过自适应遗传算法对PID参数进行整定与寻优,选择自适应度大的个体所对应的PID控制参数作为采样时间下的PID控制参数.改进后的算法有效提高了遗传算法的寻优能力,提高了算法的收敛的速度,在一定的范围可以求得最优全局解.在MATLAB上仿真结果表明,在PID参数的寻优过程中,自适应遗传算法具有更强的寻优能力,提高了控制系统的自适应性,为优化控制系统设计提供了依据.     

无线网络的差错控制策略及其性能分析

研究网络数据优化传输性能,针对无线传感器网络动态的信道特性、拓扑和带宽有限等特点,要保证输出性能和效率,对网络差错应选择严格控制策略.为了提高无线传感器网络通信的可靠性,提出一种适用于无线传感器网络多媒体数据传输的自适应差错控制策略.策略采用跨层设计的方法,根据链路层数据帧所属应用层视频帧的类型及其发送节点和下一跳接收节点之间的通信距离特性,自适应地选择当前最优的差错控制技术.数学分析表明,策略充分利用无线传感器网络的能量和带宽资源,有效地提高了数据通信的传输效率和可靠性.     

基于FPGA的背景自适应星点提取法设计与实现

根据点状目标图像的特点,提出了一种新的基于FPGA的背景自适应星点提取算法,提高了点状目标图像的处理速度.在星敏感器数字处理板上,利用现场可编程门阵列(FPCA)强大的并行数据处理能力,设计并实现了星点提取算法.背景自适应星点提取算法采用数字滤波技术提取背景图像动态阈值,利用该动态阈值完成目标和背景噪声的分离,并采用线连通域分析算法提取星点连续区域,从而实现星点提取.利用星敏感器捕获星空图像,对FPGA功能定制程序进行了时序仿真,并采用MATLAB仿真了算法处理过程,两者的结果取得了一致.     

一种改进性能自适应ICA算法研究

研究高动态环境必须实时自适应追踪混合矩阵的变化,快速浮点独立成分分析(Fast-ICA)算法,可以达到快速收敛.依据梯度在线学习算法性能更好,但是它的缺点是收敛慢,并且依赖适当的收敛算子的选择.为解决上述问题,提出了一种依据梯度优化块自适应ICA算法(GBOBA/ICA),包含Fast-ICA和依据梯度在线学习两种算法...     

关于目标跟踪定位的仿真方法研究

研究雷达定位精度和准确性问题,为了解决在目标定位跟踪中由于目标机动引起的无迹卡尔曼滤波(UKF)误差大和滤波发散问题,提出了一种基于UKF和自适应神经网络-模糊推理系统(ANFIS)的新的目标跟踪定位方法.将自适应神经网络-模糊推理系统应用于目标跟踪系统,利用状态变量的预测误差和预测误差的变化率来自适应地调整卡尔曼滤波器的系统噪声协方差矩阵,实现了模糊推理、神经网络和UKF的有效结合,并应用于雷达目标定位跟踪系统进行仿真.仿真结果表明,方法比UKF有更好的跟踪性能,收敛快,对目标机动有更好的适应能力,为设计提供了依据.