运动图像位移估值器的设计

本文提出了一种用于运动补偿的位移估值器,它能够输出一个用于帧间预测或内插的完整的矢量场。基于平动物体模型,运用自适应块匹配算法,此分级结构自适应的位移估值器,不仅适用于大的位移估计,同时保证了估计精度,估计精度可以达到亚像素水平,并且能够避免错误估计.     

适可而止的基于节点搜索的可变形块运动补偿

基于节点搜索的可变形块搜索是一种新型的运动估计方法,它比传统的基于平移的运动搜索有更高的精度,但该方法运算量比较大.本文在基于节点搜索可变形块运动补偿算法中采用适可而止的措施,对搜索精度足够的非平移块终止当前搜索,直接跳到半像素精度搜索.实验结果表明,只要门限选择得当,就能以预测质量降低很小的代价换来运算速度的大幅提高.     

一种基于H264编码标准的快速运动估计算法

运动估计历来是视频压缩编码中最重要也是最耗时的环节之一。本文基于H264编码标准提出一种快速运动估计算法,该算法结合UDO（ratedistortionoptimal）的分布特点和块运动相关性,对块的运动区域分类,并按类采用不同的模板进行搜索。实验结果表明,本算法在编码恢复图像的效果在PSNR（peakofsignaltonoiserate）方面与全搜索方式相当,但在编码速度上有较大提高,较JM参考软件中其他几种快速搜索算法有30％左右的提高。     

基于H.263标准的视频压缩算法的优化及研发

介绍了基于H．263标准的视频压缩算法，对作为视频压缩关键技术的运动估计算法进行了深入的研究，提出了一种改进算法，并引入英特尔公司的MMX技术进行双重优化后的新钻石搜索算法，以消除原钻石搜索算法中大量的重复计算。仿真实验结果证明，双重优化的新算法大大地提高了计算速度和压缩率。相应的研发成果已在本课题组与烟台正达公司的合作项目中得到了应用，并通过了验收，取得了令人满意的效果。     

一种基于运动估计的MPEG-4对象分割算法

针对传统的视频分割算法因偏重于分割效果而导致计算量过大、实时性能差的缺点,文章提出一种在MPEG-4编码过程中通过双重筛选和利用运动估计结果提取运动对象的算法。此算法首先在运动估计过程中加入背景优先准则进行第一重筛选;然后根据运动估计后宏块的最小平均绝对差值分利用区域自适应门限进行第二重筛选,从而获得运动区域掩模;最后对掩模进行形态滤波和填充消除噪声点,最终得到运动区域。算法分别在硬件和软件平台上进行测试,结果表明,该算法不仅取得了理想的分割效果,还大幅度缩减了计算量,明显提高了实时性。     

基于变异粒子群的快速运动估计算法

为了提高视频编码效率,提出了一种基于变异粒子群的快速运动估计算法.新算法将运动矢量特性和粒子群算法的全局搜索特性结合,通过迭代寻找全局最优解.为了避免粒子群算法陷入早熟收敛,在每次迭代中加入了变异算法.同时采用合适的终止策略降低运算复杂度.实验结果表明,新算法对运动平缓的视频序列,搜索精度和运算复杂度与以往快速搜索算法...     

基于自适应差分进化算法的电力系统动态状态估计

提出一种基于自适应差分进化算法的电力系统状态动态估计方法。动态估计包括预测和滤波2个阶段。在预测阶段,利用布朗双指数平滑方法预测下一个时间间隔的状态;在滤波阶段,利用预测阶段获得的预测状态,基于自适应差分进化算法对目标函数进行寻优,通过优化算法提高预测精度,从而减小状态预测的误差。仿真结果表明：所提方法具有较小的估计误差,对坏数据具有较好的抑制能力。     

基于运动矢量的改进视觉 SLAM 算法

针对移动机器人运行场景中出现运动物体时,视觉同时定位与地图构建( SLAM)算法位姿估计误差大且构建地图不一 致的问题,提出了一种基于特征点运动矢量的改进视觉 SLAM 算法。 首先,引入基于特征点运动矢量的运动点检测算法。 通过 结合初始相机位姿,计算图像特征点的运动矢量,并使用期望最大化方法求解运动矢量角度的高斯混合模型参数,通过结合前 一帧的运动点检测结果,从而区分当前图像中的运动特征点;其次,基于运动点检测结果,对当前帧相机位姿进行优化;再次,通 过设置图像预处理环节,剔除运动点占比较大和与前一帧相似性较高的图像,提高闭环检测算法的计算效率;最后,使用剔除动 态点后的图像特征点对场景进行描述,并改进单个节点处图像间相似性得分计算函数,经过闭环确认后,得到正确闭环。 数据 集实验表明,所提算法具有较高的位姿估计精度和较好的鲁棒性,同时能有效检测场景中闭环的存在,且建图效果较好。     

基于ASSA-RBF联合算法的三元锂离子电池SOC估计

准确估计三元锂电池的荷电状态(SOC)是保障电动汽车安全稳定运行的基础。针对传统BP神经网络估计精度不高,而RBF神经网络也容易陷入局部最优的问题,提出一种基于自适应麻雀搜索算法与RBF神经网络联合的三元锂电池SOC估计方法。首先,对标准麻雀搜索算法进行改进,采用精英混沌反向机制初始化麻雀种群,采用柯西-高斯变异策略优化麻雀种群中跟随者位置更新公式;然后,使用改进后的麻雀搜索算法对RBF神经网络的初始权值和宽度参数进行寻优,以提升算法对SOC的估计精度;最后,基于三元锂电池的充放电实验数据进行模型验证。结果表明,动态应力测试工况下,所提联合算法模型SOC估计均方根误差为0.694%,平均百分比误差为3.15%,能很好的应用于三元锂电池SOC估计。     

基于自适应SRUKF算法的电力系统动态谐波状态估计

针对传统无迹卡尔曼滤波(unscented kalman filter, UKF)谐波状态估计算法存在时变噪声和异常数据时估计准确度较差的情况,提出了一种基于自适应平方根无迹卡尔曼滤波(square-root UKF, SRUKF)的电力系统谐波状态估计算法。首先,针对时变噪声干扰,引入改进的Sage-Husa噪声估计方法实时估计噪声协方差。其次,针对异常数据干扰,引入异常数据修正方法,通过修正系数来降低异常数据对状态估计结果的影响。最后,通过搭建IEEE14节点系统验证自适应SRUKF算法的估计性能,能够有效地应用于电力系统的动态谐波状态估计。仿真结果表明,该算法在时变噪声和异常数据干扰时仍具有良好的估计性能。     

基于起点预测的十字-六边形-菱形运动估计算法

为了解决运动估计算法精度不高和运算量大的问题,有必要寻找一种有效的运动估计算法。本文在讨论块运动类型的判定和起始搜索点预测的基础上,分析了针对整像素的六边形-菱形（HDSP）的搜索过程和针对半像素的十字形（CSP）的搜索条件,从而提出了基于起点预测的十字-六边形-菱形的运动估计算法（IPP-CHDS）。文中详细研究了该算法的搜索过程和流程,并利用三个序列进行测试,测试结果表明,IPP-CHDS算法的搜索精度与FS算法接近,但它的运算量却大大的减少。     

基于螺旋搜索机制的行星搜索算法

螺旋搜索机制的全局搜索能力强,广泛用于萤火虫算法及鲸鱼搜索算法,但其收敛速度慢,收敛精度低,局部搜索能力较差。通过改变收敛范围较小时的搜索模式,提出了局部螺旋搜索来提高其局部搜索能力,并引入变异操作提高其局部搜索能力,提出了行星搜索算法。通过对单峰及多峰值测试函数对该算法进行验证。结果表明行星搜索算法在收敛速度、搜索精度及局部搜索能力等方面较粒子群算法、萤火虫算法及鲸鱼搜索算法等有明显提升。     

基于遗传禁忌搜索算法的PMU布点配置

将遗传算法GA（Genetic Algorithm）和禁忌搜索算法TS（Tabu search）相结合,提出一种遗传禁忌搜索算法GATS ( Genetic Algorithm & Tabu search)用于相量测量单元优化配置。GATS算法结合了遗传算法的随机搜索能力、并行性和禁忌搜索算法的记忆功能,有效地解决了遗传算法的爬山能力差、早熟的问题,提高了收敛速度及优化质量;同时遗传算法的种群操作,保留了遗传算法的多出发点的优势,弥补了禁忌搜索的单一单操作缺乏并行性的弱点。在约束条件处理时,采用了不可行解启发性修复方法,提高了算法的优化效果。基于图论的深度优先方法用于系统可观性分析。将GATS算法应用于优化相量测量装置安装地点选择,实现了安装地点最少,而整个系统可观的目标。通过算例证明了算法的有效可靠。     

基于ISSA优化SVM的变压器故障诊断研究

针对传统的变压器故障诊断方法准确率较低的问题,提出了改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化支持向量机(SVM)的变压器故障诊断方法。首先引入动态反向学习因子对种群进行优化选择以提高麻雀搜索算法(SSA)全局寻优能力,其次用ISSA优化SVM的核函数参数和惩罚系数,建立基于油中溶解气体分析(DGA)的ISSA算法优化SVM的故障诊断模型。然后采用核主成分分析法(KPCA)对故障数据进行非线性降维。将经过KPCA处理后的数据输入ISSA-SVM进行故障诊断。并与灰狼算法-支持向量机(GWO-SVM),粒子群算法-支持向量机(PSO-SVM)诊断结果进行对比。结果表明,ISSA-SVM故障诊断率为92%,比GWO-SVM, PSO-SVM,SSA-SVM分别提高了10.67%、8%、5.33%,可以更精准的预测变压器运行状态。     

基于正交对立学习的改进麻雀搜索算法

针对麻雀搜索算法种群多样性少,局部搜索能力弱的问题,本文提出了基于正交对立学习的改进型麻雀搜索算法(OOLSSA)。首先,在算法中引入正态变异算子,丰富算法种群多样性;其次,利用对立学习策略,增强算法跳出局部最优的能力;然后,在加入者更新之后引入正交对立学习机制,加快算法的收敛速度;最后,基于15个基准测试函数与6个传统优化算法和2个改进型算法进行仿真实验、非参数Friedman检验以及算法平衡能力进行分析,评估OOLSSA算法寻优性能。仿真结果证明,OOLSSA与其余8种算法相比,算法的探索开发能力以及收敛速度都表现良好。     

基于改进麻雀搜索算法的微网容量优化配置

为得到微电网中各微电源的最佳容量配比,满足负荷的出力需求,本文针对含风光柴储的并网型微电网,以综合运行成本最低为目标函数,以分布式电源出力及污染物排放量为约束条件,建立容量优化配置模型。采用折射反向学习机制、差分变异交叉选择策略及动态步长因子改进标准麻雀搜索算法对模型进行求解,并与鲸鱼优化算法、差分算法、灰狼算法、麻雀搜索算法进行对比。选取宁夏地区两个典型日进行算例分析,所求成本较其他4种算法分别降低3.05%、4.12%、8.46%及1.13%。仿真结果表明所提模型具有合理性,且改进的SSA具有良好的寻优能力。     

基于混沌搜索策略蝙蝠算法的输电网规划

针对输电网规划求解中存在变量多、维数高、约束条件复杂等导致难以求得全局最优解的问题,将蝙蝠算法应用于输电网规划求解当中。为避免原算法精度低、易陷入局部最优的缺点,提出在原算法基础上,通过逻辑自映射函数产生混沌序列对蝙蝠前n%适应度最优个体进行混沌优化,并建立计及线路建设费用、网损费用、输电线路走廊建设费用、N及N-1约束条件下的过负荷惩罚费用为目标函数的输电网规划模型。最终通过Matlab软件对IEEE-18和巴西南部46节点标准算例编程计算,结果验证了新算法在求解大维度输电网规划模型的可行性及高效性。