多个水下机器人动态任务分配和路径规划的信度自组织算法

针对多个水下机器人(autonomous underwater vehicles,AUVs)动态任务分配和路径规划速度跳变问题,引入栅格信度函数概念,给出一种改进的栅格信度自组织(belief function self-organizing map,BFSOM)算法.目的是控制一组AUV有效地到达所有指定的目标位置,同时保证AUV能够自动的避开障碍物.首先,自组织神经网络(self-organizing map,SOM)算法对多AUV系统进行任务分配,使得每个目标位置都有一个AUV去访问.整个分配过程包括定义SOM神经网络的初始权值、获胜者选择、邻域函数的计算3个步骤;其次,根据栅格信度函数和环境信息更新SOM获胜神经元的权值,使得每个AUV在访问对应目标的过程中能够自动避障并且克服速度跳变,实现AUV自动有效路径规划.最后,通过仿真实验证明了本文提及算法的有效性.     

红外运动模糊图像参数估计方法

在船舶上拍摄红外传感图像的过程中由于船舶的摇晃而导致的运动模糊,会降低图像的质量.根据运动模糊图像的特性,分析了运动模糊图像的退化模型与特性.首先对倒频谱进行了二值化,并运用Radon变换确定了点扩散函数的模糊角度,然后使用模糊尺度迭代与维纳滤波得到复原图像,再对其进行边缘检测,通过计算累计边缘数确定了模糊尺度.最后对不同模糊程度的图像计算参数并复原,实验结果表明了算法的有效性.     

基于关键资源优先的三级装卸搬运分时协调策略

研究基于关键资源优先的单元化“装卸、搬运、装卸” 三级作业链的调度问题. 在已知关键资源调度方案的条件下, 将两个非关键各作业级的调度问题分别转化为最小单位流问题, 并建立相应的0/1 整数规划模型求解. 为求解大规模问题, 提出三级装卸搬运的分时协调策略. 参照宁波港码头数据, 设计面向集装箱码头的仿真算例, 实验结果验证了所提出模型和策略的有效性.

     

基于KDTree改进的ICP算法在点云配准中的应用研究

在三维激光点云数据配准的过程中,利用传统Iterative Closest Point(ICP)算法搜索对应点对时速度慢,而且配准精细化程度低,远达不到三维建模后期处理的要求。针对这一问题,提出一种基于KDTree改进的ICP算法以实现激光点云数据的快速精细化配准。通过实验验证算法的有效性和合理性,为后期模型重建过程中的三角网格化、曲面化、纹理映射提供强有力的理论和实践基础。     

基于蝙蝠算法的改进杂草算法研究

提出了一种新型的混合算法并命名为混合杂草蝙蝠算法(Hybridize Invasive Weed Optimization with Bat Algorithm,IWOBA),该算法在杂草算法的基础上利用蝙蝠算法的回声定位来解决每代种子逐步寻优的问题。其原理是利用种群速度和位置的不断更新,增加种群的多样性,从而达到提高种群的全局收敛性。最后利用6个测试函数对该算法和标准杂草算法进行测试比较。仿真结果表明,IWOBA能够有效克服原算法早熟、易陷入局部最优的缺点,可加快算法收敛速度,具有良好的鲁棒性。     

可穿戴式的功能近红外光谱成像系统的前端设计

针对脑部血氧非侵入式无损血氧检测,设计了一款多通道的可穿戴式功能近红外光谱成像系统的前端。采用超低功耗无线片上系统(System on a Chip,So C)芯片作为控制中心以及无线传送模块,借用时分复用技术实现光源驱动,利用高灵敏度的光电传感器以及高分辨率的模数转换芯片实现信号采集,实现一款体积小、功耗低、精度高、无线数传、可实时检测脑部血氧浓度的系统前端。给出了光源驱动与信号采集扩展方案,使得系统可以自由配置成更多通道采集系统。     

基于压缩感知理论的图像融合

像素级图像融合需要对待融合图像的像素灰度进行综合分析与处理,而巨大的数据量给图像融合带来了极大的不便。压缩感知理论的兴起提供了一种新的数据采集和压缩方法 ,它利用图像的部分信息重构原始图像,有效减轻了图像处理的计算复杂度。本文基于对压缩感知理论的研究,把压缩感知的方法应用于图像融合,并尝试通过对压缩感知观测矩阵的改进提高融合质量。文中设计出一种适应于DCT域的射线采样矩阵,通过与随机生成的观测矩阵融合效果的比较,证明该方法取得了良好的融合效果。     

模糊神经网络抓斗纠偏系统故障诊断

针对抓斗纠偏系统复杂性、不确定性、模糊性的特点,提出基于故障树的模糊神经网络作为抓斗纠偏系统故障诊断的方法。该方法利用故障树知识提取抓斗纠偏系统故障诊断的输入变量和输出变量,引入模糊逻辑的概念,采用模糊隶属函数来描述故障的程度,利用Levenberg-Marquardt优化算法对神经网络进行训练,系统推理速度快、容错能力强,并通过实例分析验证了抓斗纠偏系统模糊神经网络故障诊断的有效性。     

基于压缩感知的单样本人脸识别

提出一种基于压缩感知的单样本人脸识别方法,通过局部邻域嵌入非线性降维和稀疏系数的方法产生冗余样本,则新样本包含了多种姿态和多种表情。将所有的新样本作为训练样本,运用改进后的稀疏表征分类算法进行人脸图像的识别。在单样本情况下,基于ORL人脸库和FERET人脸库的实验证明,该方法比原稀疏表征方法在识别率上分别提高了15.53%和7.67%。与RSRC、SSRC、DMMA、I-DMMA等方法相比,该方法同样具有良好的识别性能。     

基于联合相容分支定界的关联算法研究

联合相容分支定界算法(Joint Compatibility Branch and Bound,JCBB)充分考虑传感器量测之间的相关性和重新匹配关联的可能,但计算量随观测数目成指数增长。为优化其计算复杂度和关联准确度,以最近邻算法(Nearest Neighbour,NN)进行关联,对符合重复度和经过设定步数的情况使用JCBB进行特征匹配,并以互斥准则和最优准则来提高关联准确度。引入机器学习领域的评价测度对改进后算法和JCBB算法进行比较,结果表明,改进后的关联算法能够保证更好的关联准确度。