DRS航管雷达模拟机自动机长语音技术研究

随着DRS航管雷达模拟机广泛应用于民航管制训练中,研制采用语音识别和合成技术的自动机长势在必行。就语音识别技术在DRS航管雷达模拟机中的应用进行了研究和试验,并给出了基于IBM Voice Type的具体实现。实践证明,这一方案是可行的,而且效果比较理想。     

一种用于图像目标识别的神经网络及其车型识别应用

构建了一种用于图像目标识别的多层前向神经网络，给出了网络拓扑结构，并成 功地把该神经网络运用到车型识别中。该方法综合了神经网络、模糊逻辑、模式识别的相 关 算法，对图像目标轮廓进行整体识别，达到了较高的目标识别准确率。实践表明，该网 络经 过监督学习后，能摒除图像中一定量干扰像素影响，准确地识别出各种外形车的车型 。     

基于单机排序问题的降落飞机分组排序方法

为使单跑道降落飞机排序结果在实际操作时可行、简单，首先限制同一航路段上的飞机按照先来先服务的原则排序，在最终的排序中，其拓扑次序不变；其次提出了将飞机分组排序的思想，对同一航路段上刚好满足最小安全间隔的飞机做为一个飞机组参与排序。使用1|chains|∑wjcj做为排序模型，通过求解各飞机链的ρ因子可以快速得到排序结果。将本方法用于对双流国际机场和其它几个机场的实际航迹数据进行计算，得到的排序序列完全符合实际管制需要，具有很高的推广应用价值。     

基于NSA多尺度模型的人脸识别

提出了NSA多尺度模型.该模型摒弃了LSA模型中不同尺度的图像间具有线性映射关系的假设.首先利用神经网络建立不同尺度图像间的映射关系;其次使用反向传播算法训练神经网络确定这种映射关系;最后根据该映射关系由低分辨率图像估计高分辨率图像.利用对比度相似性量化估计图像与目标图像间的相似程度.将该模型用于人脸识别,提出利用梯度算子进行图像分割提高识别的准确性.实验结果表明,以该模型分析得到的对比度相似性为95.3634%;以该模型为基础的人脸识别系统对光照具有很好的鲁棒性.     

基于遗传算法的车窗定位

车型识别是智能交通系统中一个重要组成部分 ,而车窗是车型识别的一个重要特征 ,因此如何更准确、更快速地定位车窗是一个关键点之一。特别是当图像的信噪比递减 ,或者由于照明、运动模糊等因素的影响 ,使得图像子区域在直方图中不一定出现明显的波峰和波谷 ,而无法检测、定位和分割出峰值不明显的图像 ,利用传统的方法往往不能得到令人满意的定位、分割效果 ,因此采用基于色度函数曲线构造的遗传算法来进行车窗的分割、定位。实验结果表明该算法抗噪能力强 ,具有很好的适应性。     

DR导航系统非线性过程处理方法的改进

针对DR系统中利用扩展卡尔曼滤波（EKF）方法解决非线性问题在算法复杂性上的缺陷和精度上的不稳定性，从数据预先处理的角度出发合理规避线性化过程，提出了一种充分利用现成经典卡尔曼滤波公式的行之有效的方法，就是数据进入滤波器之前就预先进行处理，获得每一组量测值按照极坐标-笛卡儿坐标的转换方式转为相应的位置信息，然后按照标准的卡尔曼滤波公式构建滤波器，进行状态的最优估计。计算机仿真结果证明了这种算法的有效性。     

基于空间特征的汽车阴影分割方法

利用阴影区域内的点与背景对应点颜色的比值大小，以及该点和汽车的空间位置关系以及汽车的形状有关的特征，提出一种新的基于空间特征的汽车阴影分割方法，该方法不仅适用于汽车与阴影颜色差别明显时的汽车阴影分割，在当两者颜色相近时，也能获得较好的分割效果。实验结果显示了该方法的有效性。     

采用CASPCM模型进行姿势鲁棒性人脸识别

针对ASPCM模型处理转动角度较大的人脸图像时出现的不足,提出CASPCM模型.以样本与模型中心的距离为依据将训练样本分组,为每个分组训练ASPCM模型;将局部ASPCM模型的合成映射结果加权平均得到CASPCM模型的合成结果;提出利用梯度下降法使分解映射的姿势估计逐步精确.采用精确性和概括性两个标准衡量该模型的分解性能和合成性能.实验表明,CASPCM模型的分解性能和合成性能均优于ASPCM模型;基于该模型的人脸识别系统在处理转动角度较大的人脸图像时,识别率比 ASPCM模型高7%.     

基于GNSA多尺度模型的人脸识别

考虑近似图像信息和细节图像信息,提出了 GNSA 多尺度模型。该模型利用具有 1 个隐含层和 50 个隐单元的神经网络建立不同尺度图像间的映射关系;使用反向传播算法训练神经网络,确定这种映射关系;根据该映射关系由低分辨力图像估计高分辨力图像。采用亮度相似性和对比度相似性量化估计图像与目标图像间的相似程度。实验表明,以该模型分析得到的两种相似性分别为 89.907%和 96.196%;以该模型为基础的人脸识别系统对光照具有很好的鲁棒性。     

基于能量增强和形态学滤波的车标定位方法

根据车标在垂直方向上能量高且集中的特点,提出了一种新的快速且鲁棒性较高的车标定位方法。先通过能量增强和自适应形态学滤波进行图像过滤,进而通过自适应阈值分割出车标候选区域,然后根据车标特征及其与车辆的相互关系进行了车标精确定位。大量实验表明,晴朗天气下,定位准确率在94．5％左右,天气较差时定位准确率在89．2％左右,定位时间为120～150ms。