无线传感网络覆盖中概率Voronoi模型及算法研究

覆盖是无线传感网络中最重要的问题之一,随机覆盖是目前研究的主流。基于Voronoi图的随机覆盖算法是无线传感网络领域的研究热点。目前研究中采用的Voronoi图,主要采用基于距离的Voronoi边赋权值模型,存在两个主要问题,即模型粗糙和监测节点不全。以实测的分段概率传感模型为基础,从多传感协同监测的角度构造一种概率Voronoi模型,试图解决以上问题。并且用基于概率Voronoi模型的最大突破路径算法验证了模型有效性。就掌握的文献来看,该模型是首次提出,具有较好的实用推广价值。     

基于多异类传感器信息融合的微型多旋翼无人机实时运动估计

针对无人飞行器视觉定位结果存在较大时延而影响飞行器运动状态估计精度的问题,提出了一种基于多传感器数据融合的实时运动估计方法.首先,利用机载惯性测量元件(IMU)提供的姿态信息优化单目视觉定位算法,使得视觉定位结果的时延减小.然后,在利用卡尔曼滤波器估计飞行器运动状态的过程中,考虑了视觉定位结果的时延,利用加速度信息进行时延补偿.最终得到实时的高精度运动估计结果.在自主研制的四旋翼飞行器系统上对本文提出的方法进行了验证.通过与不考虑时延的方法的结果以及真实数据进行比较,证明了本方法的有效性.     

基于生理舌头模型的语音可视化系统

目的 目前针对舌头的语音同步动画技术还未得到广泛的研究。在此背景下,提出了一种基于生理模型的舌头动画合成方法。方法 首先构建了一个精细的、能够在肌肉激励下产生逼真舌头变形的舌头生理模型;其次利用该舌头模型合成了大量的舌头运动样本,并据此通过学习得到一个从肌肉激励到舌头轮廓的转换模型;然后对采集的动态2维舌头轮廓数据进行运动参数估计以得到与音素对应的体素(肌肉激励序列和刚体位移序列);最后将体素按一定的排列方式输入到舌头生理模型进行仿真以生成相应的舌头动画。结果 该系统可以合成听觉效果逼真的语音和视觉效果逼真且与合成语音同步的舌头动画。结论 本文方法可以根据汉语普通话或其他语言的2维舌头轮廓数据构建音素—体素数据库,并据此合成该语言对应的高真实感的3维舌头动画。     

基于前馈网络的盲分离算法

本文基于盲定位(Blinlind Surce Localization,BSL)指导盲分离(Blind Source Separatton,BSS)的思想,提出了一种用无限冲激响应(IIR)滤波器来构造前馈分离网络的盲分离算法.该算法不仅解决了传统盲分离算法不能估计信号源数目和不能确定分离输出信号与源信号之间的对应关系的问题,还能在实施信号分离处理之前判断所构造前馈分离网络的稳定性.对语音信号的仿真实验验证了该算法的有效性.     

输入向量控制细胞神经网络全局指数稳定

利用输入向量来控制细胞神经网络的稳定性.所得结果表明,当输入向量的绝对值大于某个仅仅只与细胞神经网络的物理参数有关的值时,不附加其它任何条件,细胞神经网络是全局指数稳定的.也讨论了输入向量的部分分量的绝对值大于某个仅仅只与细胞神经网络的物理参数有关的值时,细胞神经网络的全局指数稳定性,所得结论推广和改进了某些已有文献的相应结果.     

可变光照条件下的人脸图像识别

对于人脸图像识别中光照变化的影响,传统的解决方法是对待识别图像进行光照补偿,先使它成为标准光照条件下的图像,然后和模板图像匹配来进行识别。为了提高在光照条件大范围变化时,人脸图像的识别率,提出了一种新的可变光照条件下的人脸图像识别方法。该方法首先利用在9个基本光照方向下分别获得的9幅图像来构成人脸光照特征空间,再通过这个光照特征空间,将图像库中的人脸图像变换成与待识别图像具有相同光照条件的图像,并将其作为模板图像;然后利用特征脸方法进行识别。实验结果表明,这种方法不仅能够有效地解决人脸识别中由于光照变化影响所造成的识别率下降的问题,而且对于光照条件大范围变化的情况,也可以得到比较高的正确识别率。     

一种对亮度变化鲁棒的局部特征描述子及其快速生成算法

在不同的时间、从不同的视角、以不同的摄像机参数所拍摄的同一场景的图像间存在非线性亮度变化,这种非线性亮度变化给图像间的鲁棒匹配带来困难.为了解决这个问题,提出一种用于构建鲁棒局部特征描述子的新方法.该算法引入灰度相对次序的思想,在得到特征点归一化支撑区域以后,将区域内各点分割为多个组,并以区域中心和各点连线为Y轴,分别建立直角坐标系,计算中心对称局部二值模式,得到二维的统计直方图;据此,经归一化处理后可形成所需的兴趣点描述子.实验表明,本文算法构造的描述子在复杂亮度变化下的区分度更好,测试性能优于传统描述算子.同时,算法本身具有旋转不变性,并以插值计算替代了传统描述子构造过程中的梯度统计,具有描述子构造简单和快速的特点.     

一种基于时频分析的语音卷积信号盲分离算法

本文根据语音信号在实际环境下传播存在多径效应而造成反射信号之间产生时延差异的特点,提出了一种新的基于卷积混合矩阵模型的盲分离算法.该算法利用语音信号频谱中普遍存在的稀疏特性,通过对两路接收信号语谱图的对比分析估计出模型中时延参数和幅度系数的待定值;更进一步,从极大似然估计的思想出发,构造了一种基于时延参数和幅度系数的可信度函数,提出了通过寻找上述可信度函数的峰值以准确确定混合矩阵参数的方法.与现有的基于独立性假设的盲分离算法不同,本算法利用了语音信号频谱中普遍存在的稀疏特性,适用于求解大多数场合下的盲源分离问题.由于本算法本质上是一种非迭代的算法,且不存在发散的问题,故具有快速、稳定的特点.仿真实验和实际环境下所得到的实验结果表明,该算法能在各种信噪比的条件下准确地估计出由环境所确定的时延和幅度参数,并据此成功地分离出源语音信号,是一种面向真实环境下语音盲分离应用的有效算法.     

用于大库人脸识别的脸型分类研究

提出了一种基于”分集”的人脸识别方法,该方法在人脸识别前加入脸型预分类环节,将一个大规模的人脸数据库分解为依脸型分类的若干个子库。这样做一方面可通过分集降低后续识别处理的数据量,提高人脸识别的速度,另一方面可利用脸型特征对候选人脸集合进行粗筛选,降低系统的错误接受率。为了实现脸型分类,进一步提出了一种基于人体测量学的分类方法,即首先借助AAM技术提取脸部特征点,然后在此基础上计算面型指数,并由此实现对脸型的分类。对较大规模的人脸数据库所进行的实验结果表明,所提出的方法可有效提高人脸识别系统的识别率和识别速度。     

基于有限元方法的一种新型人工肌肉驱动器设计

为了满足机器人驱动器速度输出范围宽、负载能力大、输出精度高等要求,提出了一种新型的人工肌肉驱动器.介绍了该机构的运行原理和实现方式,并对其主要部件进行了有限元分析和参数优化.其独特的柔性铰链结构及箝位中心调节装置使得该机构能够实现高速、大行程、大输出力且工作的稳定,具有较高的实用价值.该人工肌肉具有良好的驱动性能,为下一步物理样机的研制提供了很好的基础.