基于卫星通信和无人船的海洋监测技术研究

海洋监测技术已列为我国中长期科技发展纲要中优先发展的前沿技术。随着定位、导航、控制等相关技术的快速发展,搭载多种传感器的无人船,可在近、中、远等不同海域长时间自主工作,连续进行数据采集。随着卫星通信技术的发展,长期困扰海洋监测设备的通信问题,出现了越来越多的解决方案。结合智能控制的无人船传感器平台,基于新一代卫星通信技术构建全球测控网络,基于大数据技术实现海洋监测数据存储、处理、分析等工作的自动化,基于互联网技术的最新成果,建立海洋监测数据的服务框架,提出了一套全新的海洋监测及数据应用的解决方案。     

无人船安全目标追踪与自动避障算法

设计了无人船安全目标追踪算法和双回路追踪以及自动避障控制策略,内回路是控制无人船安全目标追踪并与目标保持一定安全距离,通过Lyapunov函数证明了该控制算法的渐近稳定性;外回路是无人船在安全距离内发现障碍,将目标点虚拟化,运用模糊控制原理,实现自动避障;优化传统的Dijkstra算法,设计了无人船实时最短路径算法;仿真结果表明,提出的综合算法能够实现无人船以合理速度通过最短距离,顺利避障,兼顾了时间效率。     

基于机器学习的VoIP流量在线识别系统

针对目前VoIP离线识别无法满足复杂网络环境中流量监控系统的实时性与高精度要求,设计并实现了VoIP流量在线识别系统。首先,基于数据挖掘工具WEKA中集成的机器学习算法,在扩大训练集的基础上对流统计特征进行筛选并搭建分类器模型。然后,利用JPcap库提出并设计边抓包边检测机制,实现VoIP流量快速识别。实验结果表明,该在线识别系统实时性高,且能达到92%的精度。     

类人足球机器人场上目标识别算法

在比赛过程中类人足球机器人的视觉系统需要对足球、球门以及对阵双方机器人进行识别. 考虑到算法的快速性及有效性,采用基于颜色信息的算法对球及球门进行识别,通过球及球门的颜色阈值提取图片中球与球门可能的位置,再由球与球门的背景色或面积信息确定球与球门的正确位置. 对双方机器人的识别,首先提取机器人的特征,然后通过在线实时的监督学习方法训练一组级联分类器,通过训练好的分类器对双方机器人进行检测. 实验表明算法能够快速有效地识别场上目标,且算法具有较好的鲁棒性.     

基于改进SSD的无人船海上船舶识别算法

针对无人船海上航行时视觉系统获取的图片中船舶识别不准确,以及识别精度偏低的问题,提出了基于改进单镜头多盒探测器(SSD)的无人船海上船舶识别方法.在传统SSD网络的第七层增加I2正则化对其进行改进,使得SSD每个卷积层的参数比较均衡,降低模型对局部特征的敏感性,从而提高船舶识别的置信度.实验结果表明:所提方法具有较好的...     

基于机器学习的目标跟踪算法研究综述

在视频目标跟踪研究中,基于机器学习的理论和算法成为了一个重要的发展方向。在线学习通过对样本持续的学习和更新从而适应背景环境以及目标的变化,能够获得更好的目标跟踪效果。根据算法的特点,将在线学习方法分为集成学习方法、判别式学习方法和核函数学习方法3类。重点对每类中具有代表性的几种方法进行详细描述,并分析其优缺点。最后还分析了机器学习方法在目标跟踪研究中面临的问题和未来的研究趋势。     

基于物联网的无人船水质采样系统

我国拥有众多河流湖泊,在工业化发展迅速的背景下,水污染成为了不可忽视的问题。为了有效地保护水资源,定期对河流湖泊等水域进行水体参数监测和水质样本采样研究尤为重要。目前,国内外在无人船水环境监测领域取得一些成果,通过安装在船体底部的检测装置周期性地收集传感数据,发送给地面基站。然而,针对某些水污染问题,需要在水域内采集多处样本进行专业研究。现有的无人船少有自动采水功能,且难以一次性采集多处水体样本。为此,本文设计研究了一种基于物联网的水体采样的无人船系统,可以实现多点水体样本采集,提高水体采样效率。     

基于云平台的无人船自主控制系统设计

为提高作业效率、降低人工成本,设计和研发一种由船载端、OneNET云平台、远程监控平台组成的无人船自主控制系统。该系统通过全球定位系统（Global Positioning System,GPS）、惯性测量单元（Inertial Measurement Unit,IMU）等传感器,获取船体的姿态和航速航向信息。同时,无人船能够在自主避障算法的控制下,结合激光测距传感器和超声波传感器测得的障碍物距离信息,避开水面障碍物,并复航到原先设定的路径上,最后停在指定的位置完成规定的环境监测任务。通过应用测试可知,远程监控平台可以实时在线监控无人船的运动状态,实现无人、高效的智慧化管理。     

基于DDPG算法的海上无人救援技术研究

针对海上无人救援过程中遇险目标的漂移及如何快速靠近的问题,提出一种基于深度强化学习理论的目标追踪算法,使无人搜救船在与环境交互的过程中学习到自主驾驶追踪漂移遇险目标的最优驾驶决策.在SART的辅助下,通过自主学习能够使搜救船以最短的时间追踪到漂移遇险目标.在Gazebo物理仿真器中建立三维仿真环境,基于ROS系统分别设...     

基于支持向量机的遥感图像舰船目标识别方法

针对高分辨率遥感图像舰船目标识别问题,提出了一种基于支持向量机的舰船目标分类方法。支持向量机(SVM)是一类新型机器学习方法,基于结构风险最小化归纳原则,具有出色的学习能力。与传统的方法相比,支持向量机不但结构简单,而且技术性能特别是泛化能力明显提高。该文简要介绍了有关统计学习理论和支持向量机算法,将支持向量机应用于遥感图像舰船目标识别,并同传统的舰船识别方法进行了相关的对比实验,实验结果说明本文提出的分类器在识别性能上明显优于其它传统分类器,具有更高的识别性能率。     

针对潜望镜的舰船目标识别算法的研究

鉴于潜望镜智能化程度不高的现状,对以潜望镜识别水面舰船为应用背景的目标识别算法进行了研究.算法选择Zernike矩不变量作为识别特征,并且利用基于上层建筑的矩不变量以提高特征的分类能力;同时还对舰船目标的观察空间进行形态划分,减少目标表示所需图像数量,提高识别效率.仿真试验验证了识别算法的有效性.     

基于增量学习SVM的人脸识别

为了提高人脸识别率,本文提出了一种增量学习支持矢量机(SVM)人脸识别方法,有效地对SVM的参数进行更新。提出的方法采用高斯概率模型描述SVM的参数统计特征,在无需额外存储训练数据的前提下,采用增量学习SVM的方式实现参数的更新;并通过最小化分类误差准则最大化SVM两类输出值概率分布间的距离。详细的实验以及与现有方法的比较结果表明,提出的识别方法具有更好的识别性能。     

基于数据挖掘技术与支持向量机的目标识别研究

提出了基于数据挖掘技术及基于支持向量机的两种水中目标识别方法,分别藉助目标噪声特征量提取和模式识别算法以及支持向量及二次规划算法,对比性地研究了不同工况下三类目标的分类识别效果。其方法和结果对水中目标识别有较好的参考价值。     

针对潜望镜的舰船目标识别算法的研究

鉴于潜望镜智能化程度不高的现状,对以潜望镜识别水面舰船为应用背景的目标识别算法进行了研究。算法选择Zernike矩不变量作为识别特征,并且利用基于上层建筑的矩不变量以提高特征的分类能力;同时还对舰船目标的观察空间进行形态划分,减少目标表示所需图像数量,提高识别效率。仿真试验验证了识别算法的有效性。     

基于散射中心的雷达目标SVM识别方法

为减少经典目标识别算法中的计算量与模板存储量,本文将雷达目标散射中心作为目标识别的特征,通过支持向量机(SVM)方法分类目标.首先,采用基于传播算子的多重信号特征法(PM-MUSIC)提取雷达目标散射中心参数;其次,计算散射中心的中心矩以建立统一标准的识别特征,并采用SVM方法对目标进行分类.最后,通过仿真实验比较了该...     

基于机器学习的铁路工务人员行为识别方法

针对现如今铁路工务人员在作业时得不到实时监控，安全事故时有发生的情形.以铁路探伤工为例，分析了工务人员的7种主要行为.每个工务人员佩戴集成了加速度传感器的嵌入式设备，采集其行为数据并提取特征，采用C4.5决策树、随机森林、KNN、SVM四种分类算法做了实验，结果表明：SVM分类识别率最高，行为识别准确率达到了99.2%.该研究为消除铁路现场作业人员的行为安全隐患具有一定工程应用价值.     

基于改进的ResNet网络的人脸表情识别

近几年来,人工智能的热度一直居高不下,其中作为人机交互的一种重要方法—人脸表情识别已经成为计算机视觉研究的热点.从传统的机器学习算法到现在的深度学习,识别效率也在不断地提高,为了进一步提高人脸表情识别率,在传统的卷积神经网络的基础上,提出了一种基于改进的ResNet卷积神经网络的表情识别方法.该方法基于ResNet网络...     

基于增量学习支持向量机的音频例子识别与检索

音频例子识别与检索的主要任务是构造一个良好的分类学习机，而在构造过程中，从含有冗余样本的训练库中选择最佳训练例子、节省学习机的训练时间是构造分类机面临的一个挑战，尤其是对含有大样本训练库音频例子的识别．由于支持向量是支持向量机中的关键例子，提出了增量学习支持向量机训练算法．在这个算法中，训练样本被分成训练子库按批次进行训练，每次训练中，只保留支持向量，去除非支持向量．与普通和减量支持向量机对比的实验表明，算法在显著减少训练时间前提下，取得了良好的识别检索正确率．     

基于机器学习的车用主动防撞预警雷达信号识别系统研究

为了避免同向和相向干扰信号对识别精准度影响,引入机器学习,研究车用主动防撞预警雷达信号识别系统。在机器学习支持下,设计预警雷达信号识别系统总体架构,采用BGT24MTR12E6327XUMA1型号原装雷达收发器,通过TendaA9信号放大器将混频信号送到信号处理系统之中,以此控制汽车行驶速度。TMS320F206 DSP通过CAN总线连接外部设备和TJA1041A总线收发器,使PC和DSP之间能够串行通信。使用抗干扰流水线结构转换方式,基于机器学习获取无干扰实时状态信号。通过计算雷达信号相似度,设计具体识别流程。依据各个子雷达在汽车上分布情况设计实验,由实验结果可知,相向干扰下机器学习技术信号识别精准度最高可达到96%;同向干扰下机器学习技术信号识别精准度最高可达到94%,为车辆安全行驶提供设备支持。