基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。     

多机器人体间动态碰撞检测方法仿真研究

当前多结合包围求碰撞检测法、Average-Case法、K-DOPs法等实现多机器人体间动态碰撞的检测,均存在寻优性能较差、检测效率较低的问题。为此提出一种基于动态粒子群的多机器人体间动态碰撞检测方法。采用OBB层次包围盒方法,缩小多机器人之间需要动态碰撞检测的区域,同时把动态碰撞检测问题转换为物体特征对间距离机制的非线性优化问题,进而构建层次拓扑框架进行局部碰撞检测,将机器人体引入到粒子群算法中建立混合进化算法,找到动态碰撞检测的最优解,实现多机器人体间动态碰撞检测。仿真结果证明,所提方法的检测效率高达96%,且具有较高的寻优性能。     

单帧红外图像低频非均匀性噪声校正算法

红外成像系统中,低频非均匀性噪声严重影响红外系统的成像效果,传统基于标定的方法无法对其进行有效的去除.为此,提出一种基于曲面拟合的低频非均匀性噪声校正算法,首先对含噪图像进行小波滤波,以抑制高频信息;然后利用场景和低频非均匀性噪声梯度的稀疏特性,建立关于非均匀性噪声曲面参数的■正则化能量泛函,并利用ADMM方法求解最优的非均匀性噪声曲面参数;最后将原始图像减去估计的低频非均匀性噪声得到校正后的图像.使用中波红外热像仪拍摄得到红外图像,对仿真图像和实际图像进行校正,实验结果表明,该算法能明显降低图像的粗糙度和非均匀性值,且有效地去除低频非均匀性噪声.     

三维CT层间图像超分辨重建与修复

CT图像在疾病诊断、癌症精准放疗阶段发挥着重要的作用.然而,受X射线剂量的限制以及现有医疗设备等因素的影响,三维CT图像成像采样间距较大,层间分辨率远低于层内分辨率.为提高CT图像的层间分辨率,避免因相邻层CT图像之间存在较大差异对超分辨率重建造成干扰,提出一种在相邻CT图像序列切片间利用上下层的配准信息插值出一个新的中间切片,并对插值得到的中间切片进行修复的方法.首先,利用CLG-TV光流估计模型配准算法估计相邻2幅CT图像之间的像素运动,得到一个稠密的光流场,从而获得2个连续切片之间精确的像素对应关系,并依据新切片位置对速度矢量进行缩放;然后,利用计算出的速度场在连续2幅图像之间生成初始插值图像.由于相邻切片之间的像素难以一一对应,插值后的图像通常存在像素缺失现象.最后利用序列图像的帧间非局部自相似性,通过求解最优化问题以修复插值图像中像素丢失的区域.在DIR-Lab实验室和山东省医学影像学研究所提供的数据集上的实验结果表明,与其他经典方法相比,文中方法能够生成高质量的中间CT切片,在定量和定性上提高了层间分辨率.     

基于贝叶斯估计的土壤呼吸传感器最优高度点搜索研究

为了准确监测土壤呼吸，针对土壤呼吸传感器最优布点的问题，提出了一种基于贝叶斯估计的土壤呼吸传感器最优高度点搜索算法。算法的具体思路为:首先通过CFD(计算流体力学)仿真与涡度相关法得到土壤呼吸稳态时气室内不同高度的碳通量数据。然后对数据赋予一定的权值得到不同高度的融合数据，最后采用贝叶斯估计理论求解相应高度的概率密度，从而确定传感器最优高度点。结果表明:直径为0.25m，高度为0.3m的气室传感器最优高度点为中轴线上0.0836m处，且该点数据的均方根误差RMSE为1.426μmol·ｍ-2·s-1 。平均偏差Bias为1.224μmol·m-2·s-1，并与贝叶斯联合密度的计算结果验证分析，证明此算法有很高的可行性与准确性，为土壤呼吸传感器的最优高度点选取提供了方向与建议。     

电子鼻技术对甘薯储藏中长喙壳菌侵染病变程度判别

针对甘薯受到病原菌侵害后，引发储藏病害产生毒素问题，提出了一种基于电子鼻技术，利用化学计量学对甘薯储藏病害的病变程度进行判别的方法，以期为库存甘薯储藏病害的识别提供技术参考。通过主成分分析(PCA)、偏最小二乘法 －判别分析(PLS-DA)、正交偏最小二乘法判别分析(OPLS-DA)、BP神经网络(BPNN)和支持向量机(SVM)对长喙壳菌侵染后不同病变程度的甘薯气味响应特征值进行分析判别。结果表明，PCA、PLS-DA、OPLS-DA)均可对3类病变程度的甘薯进行有效的区分。BPNN 模型未能对3类病变甘薯进行有效的区分。SVM利用交叉验证算法优化(Best c＝0.2500 Best g＝0.3789)并建立模型。测试集的准确率为96%。因此，电子鼻技术可对甘薯储藏病害程度实现区分，且具有较好的判别效果。