一种基于HMM聚类的视频目标轨迹分析方法

针对视觉监控中基于运动轨迹的目标行为分析问题,提出了一种基于隐马尔科夫模型(HMM)聚类的轨迹分布模式提取和异常行为检测算法。首先为每一条运动轨迹训练一个HMM,并通过这些模型来计算轨迹两两之间的距离;然后对该距离矩阵采用主元分析法(PCA)降维并以降维后的每一行作为对应轨迹的特征进行模糊C均值聚类,接着为聚类后的每一类轨迹训练一个HMM作为其分布表达模型;最后利用这些HMM模型来检测给定轨迹所表示的目标行为是否异常。对不同场景的轨迹分析实验表明了方法的有效性。     

弹道导弹中段机动变轨模型研究

鉴于弹道导弹在中段机动变轨会导致飞行轨迹和落点的改变,对弹道导弹中段机动变轨进行了研究.针对弹道导弹中段飞行,引入小火箭的推力作用,建立弹道导弹中段变轨运动模型,运用四阶Runge-Kutta积分法求解其飞行轨迹,并将两种时机的机动变轨结果与自由飞行情况进行了比较,变轨时的中段结束点位置改变较为明显.仿真结果表明了该模型的有效性.该变轨模型可为目标的跟踪研究提供依据.     

遗传算法抑制BOC(1,1)信号多径研究

针对传统方法无法有效抑制伽利略(Galileo) BOC (1,1)信号短时延多径的现状,将多径抑制问题转换为最优拟合问题,提出了一种有效估计短时延多径的方法。利用遗传算法不需要函数可导,且不易陷入局部最小值的特点,将其应用于最优拟合BOC (1,1)短时延多径信号的计算上,有效地减小了每个通道的伪距测量误差,提高接收机定位精度。给出应用该算法的具体步骤,仿真结果表明该方法可以更加有效地抑制短时延多径。     

LTE系统中速度估计新算法

在移动通信速度优化问题的研究中,终端速度的估计对长期演进(LTE)系统性能有重要的影响.针对传统信道自相关函数法在高速场景下应用受限的问题,提出了一种新的联合速度估计算法.上述算法在中速和低速场景下采用信道自相关函数法进行估计,在高速场景下采用频偏估计法进行估计,利用归一化接收功率标准差进行场景判断并在两种方法中切换,以提高速度估计精度.仿真结果表明,联合估计算法在低速、中速以及高速场景下均具有较高的估计精度,具有较好的应用价值.     

一种10 bit 1 MS/s SAR ADC的设计实现

基于0.13μm CMOS工艺,设计了一种采样率达到1 MS/s的10位逐次逼近模数转换器,其中逐次逼近数字控制逻辑采用全定制的方法,减小了数字单元的面积和功耗;比较器中的预放大器分别采用了二极管连接和开关管复位的方式将各级运放的输出短接,加快比较速度,最后一级锁存器采用改进的两级动态锁存器,进一步提升比较速度的同时降低了失调误差。实验结果表明,1.2 V电源电压下,所设计的ADC采样率达到1 MS/s,输入信号频率为12.5 kHz时,测得的输出信号信噪比为54.47 dB,SFDR为45.18 dB。     

基于北斗的城市垃圾清运系统

为建设更美好的市容市貌, 降低运输车辆的空车率, 实现源头追溯与全流程透明化管理, 结合目前通用的软件开发方式与数据库技术, 给出了以智能化, 绿色为主的城市垃圾清运系统. 该系统以北斗定位数据为基础, 辅助以高德开放平台来进行设计开发. 系统的开发采用基于PHP语言的ThinkPHP框架以及B/S架构设计模式, 客户端采用Ajax和Web技术等方式实现数据的传输和展现. 该系统旨在为用户提供车辆实时位置查询、车辆历史轨迹查询、用户管理、统计分析等服务. 对于车辆运输过程中的整个轨迹数据, 系统采用了北斗系列来进行数据采集, 更有效地维护了信息和技术的安全. 后期还可结合机器学习等技术来对司机的驾驶行为, 车辆的健康状况进行相应分析. 通过北斗定位数据与互联网技术的结合, 该系统可有效地对车辆进行管理.     

基于机器视觉与单片机结合的机械臂抓取系统

抓取规划和控制是机械臂抓取系统中的难点。为了有效的解决这两个问题,本文提出一种基于机器视觉和单片机相结合的机械臂抓取系统。首先利用前期视觉测量成果对目标定位,然后设计了一种软件接口将目标表面三维信息进行可视化,并通过人为经验手动选择一个良好的抓取点;再结合逆运动学求解和轨迹规划算法,利用单片机驱动舵机使机械臂末端执行器移动到抓取点并完成抓取任务。实验结果表明,该系统成本低、并且目标形状不受限制,达到了预期效果。     

A real-time vehicle detection and a novel vehicle tracking systems for estimating and monitoring traffic flow on highways

Real-time highway traffic monitoring systems play a vital role in road traffic management, planning, and preventing frequent traffic jams, traffic rule violations, and fatal road accidents. These systems rely entirely on online traffic flow info estimated from time-dependent vehicle trajectories. Vehicle trajectories are extracted from vehicle detection and tracking data obtained by processing road-side camera images. General-purpose object detectors including Yolo, SSD, EfficientNet have been utilized extensively for real-time object detection task, but, in principle, Yolo is preferred because it provides a high frame per second (FPS) performance and robust object localization functionality. However, this algorithm’s average vehicle classification accuracy is below 57%, which is insufficient for traffic flow monitoring. This study proposes improving the vehicle classification accuracy of Yolo, and developing a novel bounding box (Bbox)-based vehicle tracking algorithm. For this purpose, a new vehicle dataset is prepared by annotating 7216 images with 123831 object patterns collected from highway videos. Nine machine learning-based classifiers and a CNN-based classifier were selected. Next, the classifiers were trained via the dataset. One out of ten classifiers with the highest accuracy was selected to combine to Yolo. This way, the classification accuracy of the Yolo-based vehicle detector was increased from 57% to 95.45%. Vehicle detector 1 (Yolo) and vehicle detector 2 (Yolo + best classifier), and the Kalman filter-based tracking as vehicle tracker 1 and the Bbox-based tracking as vehicle tracker 2 were applied to the categorical/total vehicle counting tasks on 4 highway videos. The vehicle counting results show that the vehicle counting accuracy of the developed approach (vehicle detector 2 + vehicle tracker 2) was improved by 13.25% and this method performed better than the other 3 vehicle counting systems implemented in this study.     

任意初态下的工业机器人迭代学习控制

对迭代初值为任意值的工业机器人轨迹跟踪控制系统,提出了一种基于滑模面的非线性迭代学习控制算法,使机器人轨迹能快速、精确跟踪上期望轨迹。基于有限时间收敛原理,构建了关于机器人轨迹跟踪误差的迭代滑模面,在滑模面内,机器人轨迹跟踪误差在预定时间内收敛到零。设计了基于滑模面的迭代学习控制算法,理论证明了随着迭代次数的增加,处于任意初态的轨迹将一致收敛到滑模面内,解决了迭代学习中的任意初值问题。数值仿真验证了该算法的有效性和抗干扰能力。     

轨迹数据的时空模式挖掘与管理决策研究综述

时空轨迹数据的获取变得越来越容易,轨迹数据刻画了移动对象的行为模式与活动规律,是对移动对象在时空环境下的移动模式和行为特征的真实写照,在城市规划、交通管理、服务推荐、位置预测等领域具有重要的应用价值。这些过程通常需要通过对时空轨迹数据进行模式挖掘才能得以实现。简述了轨迹数据挖掘的预处理和基本步骤,归纳了异常轨迹检测方法的分类,分析、总结了近年来基于轨迹数据的四种模式挖掘,从管理决策角度对轨迹数据挖掘进行相关综述和分析,有望为轨迹数据的模式挖掘与管理决策提供必要的文献资料和理论基础。