基于递归神经网络的再入飞行器最优姿态控制

针对再入飞行器的姿态跟踪问题,基于递归神经网络提出最优跟踪控制.采用反步法和递归神经网络,设计自适应前馈控制,将再入飞行器的最优姿态跟踪问题转化为等价的姿态角误差/角速率误差最优调节问题.采用自适应动态规划技术,解决最优调节问题.引入神经网络估计最优控制中的代价函数,推导最优反馈控制律,同时保证Hamilton–Jacobi–Isaacs(HJI)方程估计误差最小化.采用Lyapunov理论,保证闭环系统中所有信号,包括姿态角跟踪误差是一致最终有界的.在MATLAB/Simulink中仿真验证了所提出控制策略的有效性.     

基于超列注意力机制的京剧人物识别

为了克服京剧人物视觉特征提取的难点及满足京剧人物实时识别的需求,提出基于超列注意力机制的卷积神经网络（HCA-CNN）来实现面向京剧人物的细粒度特征提取和识别。该网络中用于关键区域定位的注意力机制借鉴了用于图像分割和细粒度定位的超列（HyperColumn）特征思想,通过超列集基于像素点的形式串联主干分类网络来形成多层叠加特征,从而更好地兼顾早期浅层空间特征与后期深度类别语义特征,并提高定位任务与主干网络分类任务的准确度。同时,该网络的主干网络采用轻量级的MobileNetV2,从而更好地满足视频应用场景下的实时性要求。此外,还创建了京剧人物（BJOR）数据集,并在此数据集上进行了相关消融实验。实验结果显示,HCA-CNN与传统细粒度循环注意力网络（RA-CNN）相比,除了在准确率（Accuracy）指标上提高了0.63个百分点以外,其内存使用量（Memory Usage）、参数量（Params）分别减少了162.84 MB、131.5 MB,乘加次数（Mult-Adds）、每秒浮点运算次数（FLOPs）分别减少了39 885×10⁶、51 886×10⁶。可见,针对京剧人物视觉特征提出的HCA-CNN能有效提高京剧人物识别的准确率和效率,满足实际应用的需求。     

基于维纳过滤的IMCRA算法

为了改善噪声谱估计算法对噪声的估计能力,提出基于维纳过滤的最小值控制递归平均(improved minimum control recursion average,IMCRA)算法。采用二级过滤技术,第一级利用参变维纳滤波算法过滤带噪语音得到语音频谱的估算值,计算其先验信噪比和后验信噪比,通过维纳滤波传递函数计算输出语音。第二级利用IMCRA算法对语音信号进行噪声估计,使用基本谱减法过滤噪声得到语音信号。对比实验结果表明,该算法提高了噪声的估计能力,同时语音信号的可懂度和清晰度也有所提高。     

块广义严格对角占优矩阵的一组判定条件

给出块广义严格对角占优矩阵的定义,并给出块广义严格对角占优矩阵与广义严格对角占优矩阵之间的关系.根据两者之间的关系,对矩阵行标进行划分,利用矩阵自身元素间的关系给出块广义严格对角占优矩阵的判定条件,进一步丰富了块广义严格对角占优矩阵判定的理论.     

基于炮兵战场数据采集的序列图像压缩方法研究

未来的信息战场上的每一点势态变化都可能将直接决定战争的胜负,为此我们应该着眼未来战场,大力发展我军的信息(图像)压缩技术.序列图像压缩是数字图像传输中不可避免的关键技术.本文研究了像素递归法和块匹配法的原理,介绍了动态图像压缩的运动估值,通过运动估值找出相邻两幅图像之间的最小差值,找出最优块匹配并对图像进行压缩.     

关于不定方程x(x+1)(x+2)(x+3)=39y(y+1)(y+2)(y+3)

运用递推序列的方法,证明了不定方程x(x+1)(x+2)(x+3)=39y(y+1)(y+2)(y+3)仅有正整数解(x,y)=(12,4)。     

不定方程x(x+1)(x+2)(x+3)=38y(y+1)(y+2)(y+3)的整数解

运用Pell方程、递归数列、同余式及平方(非)剩余等一些初等方法以及分类讨论的数学思想,证明一种不定方程无正整数解,并得到了其全部整数解。     

基于手势的交互式三维场景并行光线跟踪绘制研究

利用光线跟踪可以绘制出高质量的真实感场景画面,但计算量很大,难以实现实时交互式绘制.为此,三维真实感场景的实时交互式绘制往往需要用到集群,但集群的绘制速度是由绘制速度最慢的节点决定的,如果节点之间的任务没有被划分均匀,集群的绘制效率就会下降.为了满足实时交互式绘制的要求、提高集群的绘制效率,设计了在粗粒度和细粒度两个层次上同时实现并行计算的集群绘制系统,并针对集群的负载均衡问题提出了基于像素递归深度的负载均衡方法.该方法首先统计出每个像素的递归深度从而得到整个场景的递归深度图,然后对上一帧按递归深度进行均衡划分.根据连续两帧所对应的场景具有的时空相关性,上一帧的划分结果可作为下一帧划分的依据.本算法的优势在于能够快速实现三维动态场景下的集群负载均衡.实验表明,该集群绘制系统可以高效地实现基于Kinect的实时交互式绘制.     

基于遗传算法的模板匹配算法研究与设计

针对一般模板匹配算法计算量大并且容易陷入局部最优等缺点,研究了使用遗传算法对模板匹配进行全局寻优的算法。在被检测图形和模板已知的情况下,建立了模板匹配的归一化的数学模型。通过对模型计算量的分析,设计了能够减少模型求解计算量的算法。进一步使用遗传算法对设计的算法进行了改进,该算法能使模板匹配快速收敛到全局最优解。算例表明,本算法能有效解决模板匹配的全局寻优问题,并且使模板匹配效率有了明显提高。这一研究为图形处理者提供了科学的模板匹配方法。     

对数周期天线阵的一种盲波束形成算法研究

对水平极化对数周期圆形天线阵中单元天线的方向图与相位特性进行了分析,指出阵列流形失配是导致传统波束形成算法性能下降甚至失效的主要原因.对此,结合最小二乘恒模算法（LSCMA）和对角加载技术（DL）的优点,给出了一种基于对角加载的最小二乘恒模算法.仿真结果表明该算法对阵列流形失配具有较强的鲁棒性,并在低信噪比下具有较好的合成性能.