加权信息熵与增强局部二值模式结合的人脸识别

针对人脸识别因光照、姿态、表情、遮挡及噪声等多种因素的影响而导致的识别率不高的问题，提出一种加权信息熵（IEw）与自适应阈值环形局部二值模式（ATRLBP）算子相结合的人脸识别方法（IE （w） ATR-LBP）。首先，从原始人脸图像分块提取信息熵，得到每个子块的IEw；然后，利用ATRLBP算子分别对每个人脸子块提取特征从而得到概率直方图；最后，将各个块的IEw与概率直方图相乘，再串联成为原始人脸图像最后的特征直方图，并利用支持向量机（SVM）对人脸进行识别。在AR人脸库的表情、光照、遮挡A和遮挡B四个数据集上，IE （w） ATR-LBP方法分别取得了98.37%、94.17%、98.20%和99.34%的识别率。在ORL人脸库上，IE （w） ATR-LBP方法的最大识别率为99.85%；而且在ORL人脸库5次不同训练样本的实验中，与无噪声时相比，加入高斯和椒盐噪声后的平均识别率分别下降了14.04和2.95个百分点。实验结果表明，IE （w） ATR-LBP方法能够有效提高人脸在受光照、姿态、遮挡等影响时的识别率，尤其是存在表情变化及脉冲类噪声干扰时的识别率。     

基于MRAS-RLS算法永磁同步电机参数辨识

分析了各种常用辨识算法的优缺点,并对电机参数辨识方法中存在的问题做了进一步的研究和分析。通过分析递推最小二乘法和模型参考自适应法中的优缺点,设计出一种改进的递推最小二乘法(MRAS-RLS)。通过MRAS-RLS算法进行了定常和时变参数辨识的仿真实验,将辨识效果与改进前的算法进行对比,结果表明MRAS-RLS算法的辨识精度和速度均得到了提高。     

融合重检测机制的卷积回归网络目标跟踪算法

针对基于人工特征的背景感知相关滤波（CACF）算法在形变、运动模糊、低分辨率情形跟踪效果较差以及跟踪器遇到严重遮挡等情形容易陷入局部最优而导致跟踪失败的问题，提出一种融合重检测机制的卷积回归网络（CRN）目标跟踪算法。在训练阶段，将相关滤波作为CRN层融入进深度神经网络，使网络成为一个整体进行端到端训练；在跟踪阶段，通过残差连接融合不同网络层及其响应值，同时引入重检测机制使算法从潜在的跟踪失败中恢复，当响应值低于给定阈值时激活检测器。在数据集OTB-2013上的实验表明，所提算法在50个视频序列上精确度达到88.1%，相比原始CACF算法提高9.7个百分点，在具有形变、运动模糊等属性的视频序列上相比原始算法表现更优秀。     

无线传感器网络的发射功率自适应调节算法

无线传感器网络的能量损失与数据通信息息相关,无线传感器网络中发射功率自适应调节研究的主要是在满足网络可靠性的前提条件下,也即是丢包率低于某一阈值,通过发射功率自适应调节减少不必要的通信开销。综合目前的研究从功能层次划分,主要的研究集中在调整网络拓扑结构和发射功率自适应算法相结合、考虑可靠性对发射功率作自适应调整、防止网络干扰对发射功率作自适应调整等。