基于曲面曲率和RLDA的3D掌纹识别方法

提出一种新的3D掌纹识别方法,利用掌纹曲面的3D曲率信息提高当前2D掌纹识别算法的精确度和鲁棒性。首先因曲率是3维物体的重要表征,能够与视点无关地表现曲面的局部形状,不管手掌发生旋转或者平移,曲率信息都是稳定的,因此提取3D掌纹的均值曲面曲率特征来刻画3D掌纹的曲面特征;继而获得3D掌纹映射到2D空间上的灰度图像——均值曲率图像(MCI);然后在获得的MCI上采用正则化的LDA(RLDA)方法来进行二次特征抽取,以消除传统线性判别分析(LDA)应用于识别时存在的小样本问题和优化准则函数并不直接与识别率相关等问题。实验结果表明,所提出的方法相比与传统的LDA、PCA、ICA、LPP等方法有更高的精度和速度。     

一种变迭代参数的变阶数LMS算法

介绍了基于分数阶数的变阶数最小均方算法(Fractional tap-length least mean square,FTLMS),分析算法中迭代参数对FTLMS算法收敛性能的影响.利用系统输出误差随滤波器阶数及滤波器抽头权系数迭代过程逐渐减小的特点,提出了一种新的变迭代参数的变阶数LMS算法(Variable parameter FTLMS,VP-FTLMS).在高噪声和低噪声环境下对本文提出的算法分别进行仿真验证,并与不同的滤波器阶数迭代参数设置下的FTLMS算法相比较.仿真结果表明,与FTLMS算法相比,本文提出的VP-FTLMS算法具有更快的阶数收敛速度及更小的稳态振荡,同时获得了较小的稳态额外均方误差(Excess mean square error,EMSE).     

基于图像处理技术的离线手写签名鉴别方法

由于手写签名具有高度的唯一性、不遗忘性、自然性与可靠性已成为身份识别的研究热点。文中对手写签名识别技术主要是离线手写签名识别技术进行了详细分析,在研究手写签名的特点和在身份认证中实用性的基础上,提出了一种基于图像处理技术的手写签名鉴别方案,该方案利用了图像的缩放和膨胀细化技术对图像进行处理,然后利用均方差和峰值信噪比来评价签名图像的相似度。试验数据表明该鉴别方法简单可行且高效,能获得较好的验证率和鉴别率。     

一种MIMO-OFDM系统的信道估计算法

导频辅助的最小平方（LS）算法是MIMO—OFDM系统中常用的信道估计方法,特点是易于实现,但精度不高。基于最小均方误差（MMSE）的信道估计算法性能较好,但复杂度高,难以实现。提出了一种基于离散傅里叶变换（DFT）的信道估计算法,首先将LS信道估计循环前缀长度以外的时域响应值置零,然后选择重要路径,再通过计算参考导频的相位偏移量来进行补偿,最终实现信道的估计。算法能够满足一定的估计精度,且便于实现。仿真数据证明了算法的有效性。     

结合Camshift和Kalman预测的运动目标跟踪

针对单一的CamShift跟踪算法在目标发生遮挡时非常容易致使跟踪目标失败的问题,本文提出了一种基于CamShift和Kalman预测的跟踪算法。首先,采用帧间差分阈值法来快速、精确地检测和提取出运动目标;然后,通过在CamShift算法中使用运动目标的颜色特征,在图像序列中找到运动目标的所在位置和大小;最后,使用Kalman滤波预测目标的位置,进而有效地解决了背景中大面积相同颜色的干扰和目标部分被遮挡等问题。用无线遥控车完成了运动目标的跟踪实验,实验证明结合CamShift算法和Kalman预测滤波能实时、准确地跟踪目标。     

Faster ARMA maximum likelihood estimation

A new likelihood based AR approximation is given for ARMA models. The usual algorithms for the computation of the likelihood of an ARMA model require O(n) flops per function evaluation. Using our new approximation, an algorithm is developed which requires only O(1) flops in repeated likelihood evaluations. In most cases, the new algorithm gives results identical to or very close to the exact maximum likelihood estimate (MLE). This algorithm is easily implemented in high level quantitative programming environments (QPEs) such as Mathematica, MatLab and R. In order to obtain reasonable speed, previous ARMA maximum likelihood algorithms are usually implemented in C or some other machine efficient language. With our algorithm it is easy to do maximum likelihood estimation for long time series directly in the QPE of your choice. The new algorithm is extended to obtain the MLE for the mean parameter. Simulation experiments which illustrate the effectiveness of the new algorithm are discussed. Mathematica and R packages which implement the algorithm discussed in this paper are available [McLeod, A.I., Zhang, Y., 2007. Online supplements to “Faster ARMA Maximum Likelihood Estimation”, 〈http://www.stats.uwo.ca/faculty/aim/2007/faster/〉]. Based on these package implementations, it is expected that the interested researcher would be able to implement this algorithm in other QPEs.     

目标跟踪中巴氏系数误差的分析及其消除方法

在meanshift的目标跟踪方法中,Taylor公式的近似展开会造成优化过程中Bhattacharyya系数值的误差,这种误差会给目标跟踪带来偏差,同时不适合快速运动目标的跟踪.针对Bhattacharyya系数的Taylor公式近似表示情形,研究了这种近似表示引起的系数误差和对目标跟踪的影响,在此基础上,将Bhattacharyya系数的优化问题转化为求解约束优化问题,从而提出一种改进的目标跟踪方法,以达到提高目标跟踪的精度,而且证明了该改进方法的收敛性.实验表明文中方法对于快速运动目标的跟踪具有更好的跟踪精度.     

基于均值漂移和联合粒子滤波的移动节点定位算法

针对无线传感器网络移动节点定位面临的高精度和实时性要求,把均值漂移算法引入联合粒子滤波(Joint ParticleFilter)框架.提出了基于均值漂移和联合粒子滤波的移动节点定位算法.它使用均值漂移算法构建粒子滤波的建议分布,通过有效利用最新观测信息,提高粒子状态估计的准确性,使得采样粒子的状态分布与后验概率分布更接近,减少了状态估计必需的粒子数目.该算法还提出了基于虚拟海明距离和交互势的权重计算方式,减少相邻移动节点间的干扰.仿真实验结果表明,基于均值漂移算法和联合粒子滤波的移动节点定位,可获得比基本粒子滤波更高的定位精度,其定位精度与无味粒子滤波(Uscented Particle Filter)相当,而计算开销比无味粒子滤波减小至少50%.     

迭代无味卡尔曼滤波器

通过对无味卡尔曼滤波器(Unscented Kalman filter,UKF)的误差进行分析,提出了迭代UKF(IUKF)算法.该基本思路是用测量更新后的状态估计去重新对状态量和观测量的一步预测,然后再次应用LMMSE估计子估计状态量的均值和协方差阵,如此多次迭代后的滤波估计输出具有更高的精度和更小的方差,故滤波器表现出更好的一致性.Monte Carlo仿真表明,IUKF主要应用于观测噪声较小的场合,其中的迭代只需进行2～3次即可.     

不确定变时滞随机系统的鲁棒均方指数稳定性

研究了不确定变时滞随机系统的鲁棒均方指数稳定性问题, 不确定性是范数有界的. 通过构造Lyapunov泛函, 得到了基于线性矩阵不等式的鲁棒均方指数稳定的充分条件. 最后给出实例加以验证所提出方法的有效性.