基于时频域的卷积神经网络运动想象脑电信号识别方法

针对目前运动想象脑电（EEG）信号识别率较低的问题，考虑到脑电信号蕴含着丰富的时频信息，提出一种基于时频域的卷积神经网络（CNN）运动想象脑电信号识别方法。首先，利用短时傅里叶变换（STFT）对脑电信号的相关频带进行预处理，并将多个电极的时频图组合构造出一种二维时频图；然后，针对二维时频图的时频特性，通过一维卷积的方法设计了一种新颖的CNN结构；最后，通过支持向量机（SVM）对CNN提取的特征进行分类。基于BCI数据集的实验结果表明，所提方法的平均识别率为86.5%，优于其他传统运动想象脑电信号识别方法；同时将该方法应用在智能轮椅上，验证了其有效性。     

彩显平面荫罩振动的实验研究

纯平阴极射线管中荫罩的振动会影响图像的色纯度 ,本文提出了一种新的测试荫罩振动方法 ,介绍了彩显荫罩振动测试系统。该系统采用光电转换和计算机信息处理技术 ,对荫罩的振动进行了非接触式实时测量 ,给出了荫罩振动的幅频特性测量结果 ,为提高CRT的图像质量 ,降低荫罩振动对图像的影响提供了一个有力的工具     

多尺度分析用于图像边缘的精确检测

图像中边缘往往存在于一个较宽的尺度范围内，边缘的定位精确性是衡量一个边缘检测算法性能的重要依据。众多算法中，引起较大关注的是M—H的二阶导数过零点检测和Canny的一阶导数最大值检测，但都存在各自的不足。本文提出将线性权重函数(LWF)作为平滑函数，并利用小波理论的多尺度分析方法，对图像边缘进行检测，其在定位精确性、噪声抑制能力方面均有较好性能。     

DFSMN-T：结合强语言模型Transformer的中文语音识别

自动语音识别系统由声学模型和语言模型两部分构成,但传统语言模型N-gram存在忽略词条语义相似性、参数过大等问题,限制了语音识别字符错误率的进一步降低。针对上述问题,提出一种新型的语音识别系统,以中文音节（拼音）作为中间字符,以深度前馈序列记忆神经网络DFSMN作为声学模型,执行语音转中文音节任务,进而将拼音转汉字理解成翻译任务,引入Transformer作为语言模型;同时提出一种减少Transformer计算复杂度的简易方法,在计算注意力权值时引入Hadamard矩阵进行滤波,对低于阈值的参数进行丢弃,使得模型解码速度更快。在Aishell-1、Thchs30等数据集上的实验表明,相较于DFSMN结合3-gram模型,基于DFSMN和改进Transformer的语音识别系统在最优模型上的字符错误率相对下降了3.2%,达到了11.8%的字符错误率;相较于BLSTM模型语音识别系统,其字符错误率相对下降了7.1%。     

一种基于改进DTW算法的动态手势识别方法

结合Kinect传感器提出了一种基于改进的DTW算法的动态手势识别方法。首先,通过SDK对Kinect传感器获得的深度信息进行分析,获得人体骨骼点3D位置,选取其中4个点作为手部运动特征;然后,用加权距离和全局路径限制的方法对传统的DTW算法进行改进;最后,用改进的DTW算法进行模板训练和实现动态手势的识别。实验表明：该方法能很好地实现动态手势的识别,实时性好,在背景干扰和光照方面有较强的鲁棒性,较传统的DTW算法在识别速度和识别正确率方面有所提高。     

一种基于改进QPSO的机器人路径规划算法

针对量子行为粒子群优化(QPSO)算法在移动机器人路径规划中出现早熟收敛的问题,提出一种基于聚集度因子和阶段变异策略的改进QPSO算法。根据目标函数计算粒子的适应度值,在压缩扩张因子中引入改进聚集度因子划分搜索阶段,利用分阶段变异策略更新个体位置,并对算法进行性能测试。实验结果表明,与FE-PSO算法相比,该算法具有较高的收敛精度与较好的稳定性。     

融入二维码信息的自适应蒙特卡洛定位算法

蒙特卡洛定位（MCL）算法存在计算量大、定位精度差的问题，由于二维码具有携带信息的多样性、二维码识别的方便性与易用性的特点，提出一种融入二维码信息的自适应蒙特卡洛定位算法。首先，利用二维码提供的绝对位置信息修正里程计模型的累计误差后进行采样；然后，采用激光传感器提供的观测模型确定粒子的重要性权重；最后，因为重采样部分采用固定样本集会导致大计算量，所以利用Kullback-Leibler距离（KLD）进行重采样，根据粒子在状态空间的分布情况自适应调整下一次迭代所需粒子数，从而减小计算量。基于移动机器人进行的实验结果表明，改进算法与传统蒙特卡洛算法相比定位精度提高了15.09%，时间缩短了15.28%。     

改进粒子群优化算法的移动机器人路径规划

针对单一智能优化算法求解机器人路径规划时易陷入局部误区的问题,提出改进粒子群优化算法(GB_PSO)用于机器人路径规划.该算法以粒子群优化算法(particle swarm optimization,PSO)为主体,由于遗传算法(genetic algorithm,GA)和细菌觅食算法(bacterial foraging optimization algorithm,BFO)更新策略所受环境影响的不同,拟合两种环境参数;然后计算粒子与不同环境参数之间的相关性将粒子群划分为两类,分别通过GA的选择、交叉、变异算子和BFO的趋化操作并行加强局部优化;最后通过改进的粒子群更新公式对粒子进行更新,实现机器人全局和局部路径的优化.实验结果表明,改进粒子群优化算法进行路径规划提高了局部和整体的搜索能力,路径规划速度快且路径距离短,同时具备更强的鲁棒性.     

混合Adaboost算法与Kalman滤波的头势人机交互

在基于头势的智能轮椅的人机交互中,头势识别是人机交互的重要研究内容.提出一种新的用于控制智能轮椅的头势识别方法,通过Kalman滤波器预测由Adaboost算法检测到的唇部窗口在下一帧图像可能出现的位置,进行下一帧图像的唇部检测,进而通过唇部窗口的位置与整个检测窗口中一个固定的矩形窗口进行比较确定头势.Kalman滤波器的使用克服了单纯使用Adaboost检测算法检测每一帧待检测窗口时将整个窗口的所有的位置都要搜索的问题,提高了唇部检测时间及检测精度,使智能轮椅在被头势控制过程中运动连续、正确.     

CWDM及其在宽带接入技术升级中的应用

着重介绍了CWDM在宽带接入网中的应用,尤其对CWDM在双向混合光纤同轴网络(HFC)升级的技术方案进行了讨论,认为CWDM将在宽带接入网技术发展中起到重要作用。