基于GABP-KF的WSN数据漂移盲校准算法

针对无线传感器网络节点容易产生数据漂移的问题,提出了一种新型的跟踪和校准节点数据流漂移的算法。首先使用基于遗传算法优化的BP神经网络对目标节点和其邻居节点间的时空相关性进行建模,以获得目标节点的预测值,再使用卡尔曼滤波器跟踪和校准该节点的数据漂移。针对不同的真实数据集进行仿真实验显示,该方法相较于其他对比方法模型预测精度更高,漂移校准性能更好。实验结果表明,该算法可以精确地校准传感器节点的数据漂移,提高节点数据的可靠性。     

网络化人体运动跟踪系统研究

针对目前基于惯性传感的动作捕捉系统存在的姿态漂移、实时性不强和价格较高的问题,设计了一种低功耗、低成本,能够有效克服姿态数据漂移的人体实时动作捕捉系统。首先通过人体运动学原理,构建分布式关节运动捕捉节点,各捕捉节点采用低功耗模式,当节点采集数据低于预定阈值时,自动进入休眠模式,降低系统功耗;结合惯性导航和Kalman滤波算法对人体运动姿态进行实时的解算,以降低传统的算法存在的数据漂移问题;基于Wi-Fi模块,采用TCP-IP协议对姿态数据进行转发,实现对模型的实时驱动。选取多轴电机测试平台对算法的精度进行了评估,并对比了系统对真实人体的跟踪效果。实验结果表明,改进算法与传统的互补滤波算法相比具有更高的精度,基本能将角度漂移控制在1°以内;且算法的时延相对于互补滤波没有明显的滞后,基本能够实现对人体运动的准确跟踪。     

基于均值漂移和边缘检测的轮廓跟踪算法

实时的轮廓跟踪算法可以为视频监控系统提供物体的轮廓信息以供对物体类别、物体行为等进行识别.提出一种基于均值漂移和边缘检测的轮廓跟踪算法.方法中,首先利用均值漂移算法跟踪得到目标物体的中心位置,同时用高斯统计模型进行背景更新,从前景图像和背景图像中分别得到具有相同位置和大小的前景矩形区域和背景矩形区域,然后用背景分割的方法得到目标物体区域,再对目标物体区域进行边缘检测就得到了目标物体的轮廓,进而实现了对目标物体的轮廓跟踪.实验表明,可以实时、准确、稳定地对目标物体进行轮廓跟踪.     

自治的云服务模型中动态数据迁移设计

在自治的云系统服务模型基础上提出了动态数据迁移算法.在充分了解目前数据迁移技术的前提下,在系统中的每个节点设立自动监控模块,对数据迁移算法进行分析和比较.针对云环境的特点,通过实验验证动态迁数据迁移算法的合理性和可行性.实验结果表明,动态数据迁移技术体现了系统处理和计算能力方面的平衡.     

一种改进的动态k-均值聚类算法

针对经典k_均值聚类方法只能处理静态数据聚类的问题,本文提出一种能够处理动态数据的改进动态k-均值聚类算法,称为Dynamical K-means算法.该方法在经典k-均值方法的基础上,通过对动态变化的数据集中 新加入样本进行分析和处理,根据聚类目标函数改变的实际情况选择最相似的类别进行局部更新或进行全局经典k_均值聚类,有效检测发生聚类概念漂移和没有发生聚类概念漂移的情况,从而实现了动态数据的在线聚类,避免了经典k_均值方法在动态数据中每次都要对全部数据重新聚类而导致算法速度过慢的问题.标准数据集和人工社会网络数据集上的实验结果表明,与经典k_均值聚类方法相比,本文提出的动态k_均值聚类方法能快速高效地处理动态数据聚类问题,并有效地检测动态数据聚类过程中所产生的概念漂移问题.     

结合PN约束在线半监督boosting目标跟踪算法

针对在现有的基于在线半监督boosting的目标跟踪算法中,当目标发生遮挡或快速移动导致分类器更新过程中有错误引入时,其自训练机制会造成分类器错误累积进而产生跟踪漂移甚至导致跟踪失败的问题,提出了一种基于结合正负样本约束的在线半监督boosting的目标跟踪算法（简称PN-SemiT）。该算法在原有的在线半监督boosting跟踪算法的基础上,通过增加正负样本约束条件来实时纠正分类器的错误,并且将目标的先验模型和在线分类器相结合,通过不断迭代更新分类器来预测未标记样本的类别标记和权重。实验结果表明,与传统的在线半监督boosting目标跟踪算法和其他跟踪算法相比,PN-SemiT具有更优异的跟踪性能,能够在复杂的跟踪环境下有效缓解目标跟踪漂移问题。     

流数据分类中的概念漂移问题研究

传统的流数据分类算法基于滑动窗口来优化现有分类器或建立多个分类器来跟踪概念的漂移过程,而不能根据概念漂移的强弱程度自适应地进行分类.在结合当前主流的CVFDT和集成分类器算法的基础之上,提出一种新型流数据分类算法:SADT算法.算法动态地判断概念漂移的发生,自动决定是优化还是重建分类器,适用于不同类型的数据的分类.通过分析和实验论证,该算法在处理概念漂移时具有更好的适应性.     

基于观测器的发动机转矩跟踪模型预测控制

针对如何实现发动机转矩快速精准地跟踪期望转矩的问题,提出一种基于观测器的模型预测控制策略.首先,利用均值模型对汽油发动机的进气歧管压力动态、转矩和转速动态进行建模,考虑到发动机真实转矩不可测的情况,采用Lyapunov稳定性理论和可测转速信号设计观测器对进气歧管压力进行在线估计,进而获得发动机的实时估计转矩;然后,利用基于观测器的模型预测控制算法设计转矩跟踪控制器,通过C/GMRES数值优化算法在线求解滚动时域优化问题,实现转矩的实时跟踪控制;最后,利用汽油发动机实验台进行实验验证以表明所提出算法的有效性.     

基于视觉显著性的均值漂移跟踪算法

为解决突变运动下的目标跟踪问题,提出了一种基于视觉显著性的均值漂移跟踪算法,将视觉注意机制运用到均值漂移跟踪框架中,利用时空显著性算法对视频序列进行检测,生成视觉显著图,从视觉显著图对应的显著性区域中建立目标的颜色特征表示模型来实现运动目标跟踪.实验结果表明:该算法在摄像机摇晃等动态场景下可以较准确检测出时空均显著的目标,有效克服了在运动目标发生丢失和遮挡等情况下跟踪不稳定的问题,具有较强的鲁棒性,从而实现复杂场景下目标较准确的跟踪.     

IKnnM-DHecoc:一种解决概念漂移问题的方法

随着数据流挖掘的应用日趋广泛,带概念漂移的数据流分类问题已成为一项重要且充满挑战的工作.根据带概念漂移的数据流的特点,一个有效的学习器必须能跟踪并快速适应这种变化.一种基于增量KnnModel的动态层次编码算法被提出用于解决数据流的概念漂移问题.在将数据流划分为数据块后,根据增量KnnModel算法对每块的预学习结果构建并更新类别层次树、层次编码,用可增量学习的分类算法对照编码划分进行学习,并生成备选分类器集.最后依据活跃度对结点进行剪枝处理以减少计算代价.在预测阶段,利用增量KnnModel算法和动态层次纠错输出编码算法的各自优势进行联合预测.实验结果表明:基于增量KnnModel算法的动态层次纠错输出编码算法不但能够提高模型学习的动态性和分类的正确性,而且还能够快速适应概念漂移的情况.     

WSN中基于超椭圆判决边界的异常检测的动态建模

为了实现无线传感器网络的动态数据流环境中的异常检测,本文提出了一种迭代超椭圆判决边界方法。首先建立起异常检测超椭圆模型,然后每个节点基于到当前时间为止的测量值来调整其超椭圆模型,最终收敛到覆盖正常和异常测量值的超椭圆边界;为了提高模型对监测环境中数据变化的跟踪能力,提出了一种采用遗忘因子并结合滑动窗口的基准估计和有效N跟踪的方法,从而实现对数据真实流属性的捕捉;仿真实验结果表明,本文提出的动态建模方法相比于目前先进的静态建模方法,不仅具有更高的准确性和异常检测能力,而且具有更强的数据变化的跟踪能力和检测能力。     

Surveillance and human–computer interaction applications of self-growing models

The aim of the work is to build self-growing based architectures to support visual surveillance and human–computer interaction systems. The objectives include: identifying and tracking persons or objects in the scene or the interpretation of user gestures for interaction with services, devices and systems implemented in the digital home. The system must address multiple vision tasks of various levels such as segmentation, representation or characterization, analysis and monitoring of the movement to allow the construction of a robust representation of their environment and interpret the elements of the scene.It is also necessary to integrate the vision module into a global system that operates in a complex environment by receiving images from acquisition devices at video frequency and offering results to higher level systems, monitors and take decisions in real time, and must accomplish a set of requirements such as: time constraints, high availability, robustness, high processing speed and re-configurability.Based on our previous work with neural models to represent objects, in particular the Growing Neural Gas (GNG) model and the study of the topology preservation as a function of the parameters election, it is proposed to extend the capabilities of this self-growing model to track objects and represent their motion in image sequences under temporal restrictions.These neural models have various interesting features such as: their ability to readjust to new input patterns without restarting the learning process, adaptability to represent deformable objects and even objects that are divided in different parts or the intrinsic resolution of the problem of matching features for the sequence analysis and monitoring of the movement. It is proposed to build an architecture based on the GNG that has been called GNG-Seq to represent and analyze the motion in image sequences. Several experiments are presented that demonstrate the validity of the architecture to solve problems of target tracking, motion analysis or human–computer interaction.     

基于人机交互的机械臂位姿自动监视系统设计

为了提高机械臂位姿自动监视和控制能力,提出一种基于人机交互的机械臂位姿自动监视系统设计方法,系统设计包括机械臂的位姿自动控制算法设计和系统硬件设计两部分,采用粒子滤波位姿跟踪方法进行机械臂的动态定位位姿参数信息采集和融合处理,在动态和静态环境下,结合加速全局定位方法进行机械臂位姿自动监视的人机交互设计,构建机械臂人机交互的动态定位控制模型,采用自适应位姿跟踪方法实现对机械臂的位姿自动监视,通过捕捉未知目标的质量特性参数,实现机械臂的位姿自动监视和人机交互设计。通过DSP和嵌入式ARM实现对机械臂位姿自动监视系统的硬件设计。测试结果表明,采用该方法进行机械臂位姿自动监视的自动化水平较高,智能性较好,提高了机械臂的位姿自动监视和控制能力。     

AEKF在WSN移动节点定位中的应用

自适应扩展卡尔曼滤波(AEKF)通过引入自适应遗忘因子,限制卡尔曼滤波器的记忆长度,充分利用现时的测量数据,增强滤波跟踪性能,具有较好的鲁棒性.本文将AEKF应用到无线传感器网络动态节点的定位中,跟踪移动节点位置.该方法不仅能够实时修正模型误差,还能够自适应调整滤波器的动态范围.仿真分析结果表明,AEKF较之EKF,改善了滤波器的动态性能,较好地抑制了滤波发散过程,具有更好的跟踪性能,提高了定位精度.随着物联网的发展,无线传感器的定位研究将具有非常重要的工程意义和价值.     

基于任务容器的多源数据实时监控系统研究

为解决现有飞行试验监控模式存在的数据源单一、扩展性存在不足、系统鲁棒性差等缺点,进行基于数据分发服务规范DDS（data distribute service）的多源数据实时监控技术研究,在不改动实时监控系统硬件架构的情况下,根据现有实时监控系统数据特点和任务需求,采用任务容器技术对试飞数据处理任务进行分发与执行,实现飞行试验数据的分布式实时接收解析以及飞行任务的集中管控;采用基于模板方法的解析算法实现系统多源信号源的数据接入能力,提高了系统的扩展性;采用基于序列化和活跃度检查的任务派发机制实现了任务节点的状态监控及自动任务派发,提高了系统的稳定性,同时DDS通信协议的使用提高了实时监控系统在带宽受限状态下的通信能力。实际使用证明该技术的应用使监控系统具有高可靠、高稳定、动态可扩展等优点。     

Distributed multivariable control system design for coal-fired boilers

This paper describes the multivariable characteristics of industrial coal-fired boilers and associated mathematical models, such as combustion model, a water drum level model and a superheated steam model. The purpose of the paper is to design multivariable control systems using multivariable system frequency domain design theory and the Smith-predictor technique. A specific application shows how to design a model-based distributed multivariable control system for coal-fired boilers in a small-scale power station.     

基于μC/OS-Ⅱ智能监控分站节点的设计

为了提高井下安全系统分站节点的监控性能,利用μC/OS-Ⅱ在ARM Cortex-M3硬件平台上开发设计基于CAN总线的矿用分站节点,实现了井下环境参数的实时监测,同时可连接控制设备实现实时智能控制,并可通过安全可靠的CAN总线与中心分站通信.节点采用多路开关实现多路多种信号的智能采集,提高了节点的智能化.软件设计采用多任务和优先级抢占调度机制,实现任务问的并发运行,保证了系统的实时性和可靠性.采用数字滤波技术,减少了数据采集的误差.     

基于两步跟踪算法的海关车辆监控研究*

针对实时性和鲁棒性要求比较高的海关卡口车辆视频监控问题,提出了一种基于改进的均值漂移算法和粒子滤波算法的两步跟踪算法。对海关车辆监控的目标图像采用YCbCr颜色空间建立初始帧目标模型,利用改进后的均值漂移算法找出候选目标,在跟踪相似度小于设定的阈值时再利用改进后的粒子滤波算法进行后续的跟踪。通过实验分析,验证了提出的算法既能保证均值漂移算法跟踪的实时性,也能保证粒子滤波算法跟踪的鲁棒性,具有较好的应用价值。     

基于Zigbee技术的煤矿安全监控系统

文章提出了采用新型的Zigbee短距离无线通信技术与现有的有线监控设备相结合组建煤矿安全监控系统,从而实现煤矿井下动态的、全方位的实时监控方案。主要介绍了Zigbee技术概况、Zigbee网络构成及网络节点的设计等,并指出基于Zigbee技术的煤矿安全监控系统具有真正实现对井下环境的动态的、全方位的实时监控、功耗低、成本低廉等特点。