基于最大池图匹配的形变目标跟踪方法

该文提出了一种基于最大池图匹配的形变目标跟踪算法,适用于跟踪目标产生较大形变或者严重遮挡等场合.此方法首先将目标搜索区域过分割为候选目标部件并建立动态图表示,即目标部件的表象特征和它们之间的几何位置关系.然后采用最大池图匹配算法,得到目标图和候选图中部件的匹配关系,从而确定出目标位置的置信图.联合考虑目标整体和目标部件对目标位置的支持,投票决定出精确的目标位置.在各种形变目标的跟踪序列测试下,该算法与其他跟踪器的对比验证了其有效性和鲁棒性.     

一种计算有效的Nystrom特征子空间匹配主用户频谱感知新算法

针对核（kernel）空间下主用户频谱感知算法存在的计算任务繁重这一共性问题,提出一种低计算复杂度的Nystrom特征子空间匹配（NSM）新算法.该算法依据数据样本维的独立同分布特性随机地选择数据子集.在高维核空间下应用Nystrom近似获得主特征向量,用以分别构建主用户特征信号与次用户接收信号的Nystrom特征子空间.以此为基础计算相应的Frobenius距离,实现主用户检测.计算机仿真结果表明：与代表性的核空间下主用户频谱感知算法相比,所提算法在保证检测性能较为理想的前提下,可将相应的计算复杂度降低近66%.     

基于局部二进制模式和图变换的快速匹配算法

针对图像匹配在图像拼接、目标识别等领域的应用中尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法计算复杂度高、实时性较差的问题,提出了一种基于局部二进制模式（Local Binary Patterns,LBP）和图变换（Graph Transformation Matching,GTM）的匹配算法.首先采用SIFT特征检测提取特征点并以特征点为中心取13×13的图像块作为特征区域;然后用本文提出的局部旋转不变二进制模式（Local Rotation Invariant Binary Patterns,LRIBP）描述子对特征区域进行描述产生29维的特征描述向量,降低了描述子的复杂度,并以欧氏距离为度量准则进行初始匹配;最后采用图变换匹配算法剔除误匹配点,从而提高算法的运算速率和匹配精度.仿真结果表明,本文所提算法不仅具有较高的精度和较强的鲁棒性,并且减少了算法的运算量,提高了算法的实时性.     

Blind parameter estimation algorithm for frequency-hopping signals based on compressed sensing

A blind parameter estimation algorithm for frequency-hopping signals based on compressed sensing was proposed,in order to solve the problem that the existing parameter estimation algorithms did not take into account the sparse structural characteristics of the signals in frequency domain.Firstly,the maximum cosine method was used to process the segmented compressed sampling signals,and the hopping frequency was estimated.Then,the atom matching algorithm was used to process the signal with the hopping point,and the frequency hopping instance time was estimated accurately.Then the hopping speed and hopping time were estimated.The experimental results show that the algorithm can significantly reduce the sampling data and computational complexity,while improving estimation accuracy.     

增程式电动车恒功率控制方式的仿真分析

增程式电动车有多种发动机控制策略,本文针对一款新能源电动汽车改制的增程式电动车动力参数匹配问题,以AVL Cruise为仿真平台,采用增程器恒功率控制策略构建整车模型,计算了所设计的增程式电动车经济性能.研究结果表明,最大爬坡度、加速时间、最高车速满足车辆动力性要求.     

基于视觉的机器人抓取技术的研究

该文提出了一种基于智能相机的机器人抓取系统,采用图像处理算法对相机捕获到的图像使用模板匹配、边缘查找及坐标变换,得到工件在机器人坐标系的位置和姿态,通过串口将处理后的工件位姿数据发送给机器人控制器,控制器向机器人发送运动指令。经实验验证,系统达到设计要求,在工业机器人系统中引入计算机视觉提高了机器人的柔性以及对环境的适应能力。     

基于条纹匹配的InSAR/INS组合导航方法

现存的组合导航系统存在诸多问题：地形辅助导航系统分辨率较低;GPS/INS导航系统中GPS信号易受干扰;SAR/INS导航系统无法实现三维定位且无法获得平台的姿态信息.针对以上问题本文提出了基于条纹匹配的InSAR/INS组合导航方法：该方法将InSAR系统获得的干涉条纹与DEM生成的干涉条纹进行匹配,得到的定位偏移用以反演平台的位置和姿态信息,最后将反演结果与IMU信息进行组合滤波得到导航输出.该组合导航系统有以下优势：干涉条纹中包含地形信息和平台姿态信息;干涉相位对横滚角敏感,可通过干涉相位高精度反演平台的横滚角;InSAR系统具有较高精度的三维定位能力.本文主要介绍了基于条纹匹配的InSAR/INS组合导航的原理和方法,最后通过仿真和实测数据验证了条纹匹配和观测量反演算法的可行性.     

基于加权优先级和分类匹配的图像修复方法

待修复像素优先级的计算及最佳匹配块的确定是基于纹理合成图像修复方法的两个基本环节,传统方法不仅难于确定优先级计算中的置信度,而且难于搜索到最佳匹配块.提出了一种基于加权优先级和分类匹配的图像修复方法,该方法在优先级模型中,引入指数函数和正规化函数分别优化置信度和数据项,使得计算的优先级更加客观,从而使修复顺序更加合理.基于此,将结构信息作为搜索匹配块的一个度量因子,采用分类筛选方式,选取最佳匹配块.实验结果表明,所提方法在获得良好修复效果的前提下缩短了修复时间.     

重点雷达电子目标的快速靶向识别

针对现有雷达对抗侦察系统对特定雷达电子目标识别针对性不强的问题,提出一种重点雷达电子目标快速靶向识别方法,并采用并行处理流程,对多目标同时进行处理。首先,利用雷达电子目标的先验信息完成小样本脉冲序列建模;其次,实现了基于小样本脉冲序列快速匹配出雷达电子目标的算法,该方法绕过传统雷达信号的分选环节,不仅对重点雷达信号的识别效果较好,而且处理速度得到有效的提高;最后,进行了计算机仿真验证。理论分析与仿真结果均表明:以快速靶向为目的识别算法,能够有效克服现有雷达辐射源识别方法针对性不强和处理流程僵化的缺陷。