一种基于偏最小二乘法的室外光照估计算法

针对固定视点下的室外场景在线视频光照求解问题,提出一种基于偏最小二乘室外场景实时光照估计算法.在离线阶段提取场景中对光照变化较为敏感的区域,并将这些区域像素值的均值与方差的无偏估计作为场景图像的统计参数,再利用偏最小二乘回归分析建立场景的光照参数与图像统计参数之间的模型;在在线阶段使用所建立的模型实时估计视频每一帧的光照条件.实验结果表明,使用该算法所求解的光照参数对虚拟物体进行绘制并将其融入视频中后,合成场景真实感很强.     

Sink节点移动的无线传感网生存时间优化算法

为提高网络最大生存时间,提出Sink节点移动的无线传感网生存时间优化算法(LOAMSN)。该算法分析Sink节点移动时的流量平衡约束、最大传输速率约束、节点能耗约束等约束条件,将生存时间优化问题转化成优化模型。提出Sink节点的移动方法,即Sink节点利用节点的度值构建其移动路径,按照此路径循环移动收集数据。将Sink节点的移动认为是离散运动,Sink节点移动的生存时间优化模型分解成若干个Sink节点静止的生存时间优化模型,采用牛顿法求解每个Sink节点静止的优化模型,获得网络最大生存时间和节点发送数据量的最优值。仿真结果表明:LOAMSN算法能减少Sink节点停留位置上的节点能耗,平衡网络负载和节点能耗,提高网络最大生存时间。在一定条件下,LOAMSN算法比Sink节点静止时更优。     

一种NTC热敏电阻校正方程的试验研究

为了校正NTC热敏电阻的校正方程,提高测温精度。通过对传统的指数方程进行线性变换,得到一种新的NTC热敏电阻温度计R-T特性关系,对此关系进行多阶最小二乘拟合,利用误差评判原理,确定最适合的NTC热敏电阻的校正方程。并且实际验证了此校正方程的测温精度可以满足更高精度要求的需要。     

MEMS高量程加速度传感器的动态特性分析

利用霍普金森杆激光干涉冲击试验台对实验室研发的MEMS高量程压阻式加速度传感器进行动态校准;采用两种不同解算方法对实验数据将进行分析处理,求解出该传感器的幅频特性,绘制了对数幅频特性曲线;通过对比两种算法的结果知道,镜像映射法优于FFT算法,其算法简单有效,能直接辨识出系统模型参数和模型阶次。     

基于小二乘-卡尔曼滤波的wMPS系统跟踪定位算法研究

wMPS(workspace Measuring Position System)是一种新型的基于平面交会原理的网络式测量系统,在静态测量研究的基础上,研究了动态跟踪测量的问题。为了减小运动引入的测量误差,利用运动方程提高测量精度,采用了最小二乘法对接收器的位置进行静态估算,将其结果作为伪观测值,然后利用卡尔曼滤波做进一步处理,该方法避免了观测方程中的非线性误差,实现了接收器在运动过程中的高精度跟踪定位。通过试验对最小二乘法和最小二乘-卡尔曼滤波法进行了比较,结果表明最小二乘-卡尔曼滤波法的估值精度远高于最小二乘法。     

基于Gabor小波与LBP直方图序列的人脸年龄估计

提出了一种基于Gabor小波和局域二值模式(Local binary pattern,LBP)直方图序列的人脸年龄估计方法。首先对人脸图像提取多方向与多尺度的Gabor幅值域图谱(Gabor magnitude maps,GMMs);然后采用基于局部特征的LBP算子对GMMs编码,并对之分块,由各子块的直方图序列来描述人脸;为进一步降低人脸特征维数,再对人脸直方图序列特征应用主成分分析(PCA);最后使用支持向量机回归(SVR)的LOPO策略对人脸年龄库进行训练和测试。实验结果表明,该方法可以较为快速有效地对人脸图像进行年龄估计。     

基于几何解析的双雷达地面目标定位算法

传统的双雷达地面目标定位算法因测量数据本身固有的误差和量测噪声,使得基于非线性估计定位算法的定位精度不高。本文研究了一种新的双雷达地面目标定位算法,该算法将已知雷达探测数据以几何方式加以表示,通过几何解析对地面目标进行定位。此外,还详细分析了各种因素在不同情况下对定位精度的影响。所研究的算法具有计算量小、远距离定位精度高等优点。最后,通过仿真验证了该算法能够提高远距离定位的定位精度。     

一种基于高阶统计信息的信噪比估计改进算法

针对多进制正交幅度调制(Multiple quadrature amplitude modulation,MQAM)信号在低信噪比条件下估计精度不高的问题,提出了一种基于综合利用高阶统计信息的信噪比估计改进算法。根据所选高阶统计量最高阶数的不同,建立了3种信噪比与多种高阶统计量运算式之间的线性关系,利用全回归线性分析方法将3种线性关系转化为3种全回归模型,并求解模型系数。该算法充分利用了多种高阶统计量的有用信息,提高了信噪比估计精度。MQAM的仿真结果表明:在低信噪比条件下,该算法减小了信噪比估计误差,其估计性能明显优于传统的其他算法,且3种模型估计性能依次增加,可依据不同的信噪比要求对3种模型进行选取。     

全局优化的一类新的F-C函数

针对求解全局优化问题,有很多种求解方法。文中提出了一种快速求解一般无约束最优化问题的辅助函数方法。即F-C函数方法。该方法与填充函数法和跨越函数法相比较,既有相同点又有不同点。F-C函数法最大的优点就是在极小化F-C函数阶段中只需要进行一次局部极小化算法就能得到比当前极小值更低的目标函数局部极小点。文中在无Lipschitz连续的条件下,给出了一类新的求解全局优化问题的F-C函数。文中讨论了该F-C函数的优良性质并对该函数设计了相应的算法。最后,通过数值试验表明该F-C函数方法具有有效性和可行性。     

智能视频监控中运动目标检测的研究

针对某武器试验中背景复杂,现有的背景差分法在背景模型的维持和更新不能用于长期和复杂的场景,以及对近地目标提取检测困难的问题,提出一种改进的背景差分法。该算法采用结合邻域信息的背景差分法和最大方差阈值法,能够在一定程度上减小背景滞后更新引起的运动目标检测误差,且使目标边缘提取更加明确,从而提高了系统的运行速度,实现复杂背景下的运动目标检测。在Visual C＋＋6.0中用OpenCV实现了相关算法的设计,并给出了完成系统任务所需的部分关键代码,实现了运动目标和试验场景的分离与提取。仿真实验验证了该算法的有效性以及实时性。