基于注册和多尺度表观模型的三维头部跟踪

针对人体大范围运动下的头部姿态跟踪问题,提出一种基于尺度不变特征变换（SIFT）局部描述符注册和多尺度表观模型的三维头部姿态跟踪方法.基于SIFT局部描述符的注册算法通过在两帧灰度图像间进行特征点匹配计算两帧间的头部运动,在两帧人脸图像的尺度有一定变化时仍可得到精确结果.多尺度视角表观模型可以减少大范围跟踪时的误差累积,该模型在线选取具有不同头部姿态的关键帧,并通过多次注册的方法来减少当前帧的误差累积.实验结果表明,该方法不仅跟踪结果准确（均方根（RMS）误差为4 °）,而且在人体前后运动约1 m和头部进出摄像机视角情况下均很鲁棒.     

无线传感网图书定位系统的算法研究及实现

为提高图书馆图书的管理效率,设计了基于RFID的无线传感技术的图书定位系统体系结构,提出了一种基于RFID阅读器感应的图书虚路径跟踪算法,根据标签识别号把跟踪向量分成不同的向量组,解决时间冗余跟踪向量处理、乒乓效应处理等问题,通过标签路径提取实现图书的跟踪定位.设计了具有信息采集、通讯、定位等功能的图书定位系统的结构,围绕低功耗核心,给出传感器节点和汇聚节点的硬件结构,具有良好的部署性和扩展性.完成原型系统设计与实现,验证了系统的有效性.     

光伏发电中基于拉格朗日插值法的最大功率点跟踪

为了克服传统导纳增量法和扰动观察法存在的缺陷,提出了基于拉格朗日插值法的最大功率点跟踪方法.该方法将定步长与变步长相结合,提高了追踪最大功率点的准确性、快速性.利用MATLAB/Simulink建立仿真模型,在不同的起始电压和步长的情况下,追踪光伏电池的最大功率点.仿真结果表明:改进后的拉格朗日插值法在最大功率点跟踪控制过程中,跟踪精确且快速.     

欠采样的射频发射机线性化方法

提出一种在欠采样条件下的经过混合结构设计的射频发射机线性化方法。该方法基于欠采样频率选择性的非线性模型来校正调制器产生的镜像干扰信号以及射频功率放大器的互调失真信号。实验结果表明LTE的70 MHz双载波信号在发射机采样速率从491.52 Ms/s降低至122.88 Ms/s时使用该组合方法较之前方法有10 d B的归一化最小均方误差改善以及10 d B的邻道功率泄露比抑制改善。     

一种适于无源LANDMARC算法的定位性能评价方法

针对现有基于无源LANDMARC算法的改进研究主要以提高定位精度为目标,并没有考虑无源半双工通信机制引起的标签读取耗时较长的问题,引入路径损耗公式推导出基于辐射半径的功率能级映射模型.通过分析阅读器最大功率能级、参考标签布设密度对定位精度及系统耗时的影响,结合多目标优化的联合控制机制,提出一种适用于无源LANDMARC算法的定位性能评价方法.多种环境下的仿真结果表明,所提评价方法具有良好的稳定性和实用性,对于无源RFID定位系统的参数选择及性能评定具有一定的实际意义.     

基于RFID的监狱智能定位系统的设计与实现

为解决在押犯人管理困难的问题,该文介绍了一种基于射频识别技术的CC1110 RSSI定位系统。系统主要由腕带标签、读卡器、无线中继和服务器组成。标签主要负责对读卡器发送相关信息,读卡器负责接收标签的数据并转发给无线中继,中继通过以太网把读卡器传送过来的数据发送给服务器,服务器负责对数据的处理、分析并进行相关管理操作。该系统结构简单、硬件成本较低、易部署、适应性较强。实际测试表明,该系统能够用于监狱在押人员的定位,降低非视距误差。     

一种基于自动标签机制的行为识别模型迁移方法

随着智能手机用户数量的逐年增长,很多情景感知相关的研究也逐步开展。基于智能手机的人体行为识别已成为用户自适应感知服务中的重要研究课题。尽管有很多研究者已经尝试使用移动设备进行用户行为识别,但依旧难于从不确定的、不完整的以及不充足的移动设备传感器数据中推测出用户的行为。文中提出一种基于自动标签机制的人体行为识别模型迁移方法,利用集成学习分治思想以及深度学习网络(MLP)构建自动标签系统对新用户数据进行打标签,将打完标签的数据划归到通用模型的训练集中进行重新训练,以此完成模型迁移。实验结果表明,迁移学习后的行为识别模型能有效提高行为识别准确率。     

基于射频能量采集的电子标签设计方法

根据能量采集应用于标签的特点,在能量采集模块与标签模块之间添加监测电路,并在高低2个阈值设置的基础上,提出能量采集与标签协同工作策略,低阈值选取原则是保证储能模块的储能能够保证标签一次广播,最大限度地防止标签进入掉电状态.从标签设计目标要求的广播间隔与功率出发,根据环境中能够采集到的能量大小与标签不同状态下所需能耗的变化,推导出储能电容最优值、环境中应具备的射频(RF)输入功率最小值与最优值.利用P2110B与CC2640R2F芯片设计了一个基于射频采集的标签进行验证,测试结果表明：采取该方法设计的能量采集标签可以实现能量采集模块和标签模块协同工作,当射频输入功率大于最优值时,标签能够进行持续的“休眠-广播”循环工作,有效地防止标签陷入“能量死锁”,并可自适应地在不同工作状态下转换.     

基于速度闭环的自适应力位控制算法

针对力觉主手力控制中接触刚度时变的特殊要求,提出了一种含有速度闭环的自适应力/位混合控制算法.通过构造系统特定的标量函数,证明可以通过选择合适的自适应参数更新律,使得在该控制律和更新律的共同作用下追踪力误差是有界的,力误差的导数是平方可积的.利用Barbalat引理证明了该控制算法具有全局渐近稳定性.给出了主手力控制系统的体系结构,并对不同频率正弦力信号进行了跟踪实验.实验结果表明:对于同样频率的力信号,所提出的方法跟踪误差小于常规阻抗控制方法,整个控制系统稳定并具有良好的控制特性.实验分析了控制律中各关键参数对控制品质的影响.     

电流检测式静电探测器的信号特征及阵列模型

阵列方法广泛应用于遥感遥测等众多领域的定位问题上.在静电探测器阵列系统中,利用平面传感器将静电信号转换为电流信号进行检测的电流检测式静电探测器具有其独特的信号特征,具备构成阵列模型的基本条件.经实验证明针对静电传感器的定位阵列模型方法可行.分布式静电探测器阵列定位系统在不改变系统的硬件条件和资源配置的情况下,大大提高了系统的定位精度,降低了静电探测系统的误差.     

基于深度学习的人体跟踪与异常行为识别联合算法

基于深度学习的人体跟踪与异常行为识别算法在实现的过程中,都需要对人体目标进行特征提取。为了优化两次重复的特征提取过程,提高网络工作效率,提出了人体跟踪与异常行为识别联合算法。通过实时多域卷积神经网络(RT-MDNet)实现人体目标的跟踪,以不同的异常行为作为人体跟踪的不同操作域,提取人体目标的共性特征,实现人体的实时跟踪。同时,抽取RT-MDNet网络卷积层输出的高维特征图谱,将特征图谱与长短时记忆网络(LSTM)相结合,通过把握特征间的时序信息,实现异常行为的分类。在中科院提供的CASIA行为分析数据集中选取了6种异常行为对网络模型进行训练和测试。实验结果表明,该模型能够准确实时地跟踪人体目标,同时也能将跟踪目标的行为进行分类,识别率达到89.7%。基于深度学习的人体跟踪与异常行为识别联合算法,将人体目标的特征共享于跟踪与识别,实现了跟踪与识别的有效结合。     

矿井射频能量对雷管安全性的影响

建立了煤矿井下射频设备与雷管间安全距离的计算模型,分析了模型中各参量的取值,得出射频设备与雷管间的安全距离计算公式.基于该模型,分析了射频发射设备的功率和工作频率变化对安全距离的影响.规定了煤矿井下射频设备与雷管之间的本安距离,在本安距离条件下,得出矿井射频设备的最低本安发射功率为255 mW,即只要发射功率不超过此功率,射频设备就不会对雷管带来安全隐患,并得出射频设备在不同工作频率下的本安发射功率.     

基于信号稳定度提高RFID识别率的方法

为了提高标签识别率,提出了一种基于标签信号稳定度的提高射频标签(RFID)识别率的方法.该方法通过比较RFID信号强度的稳定度来剔除干扰标签,甄别出真正需要读取的标签,从而达到提高标签识别率的目的.实验结果表明,该方法可以有效地提高RFID识别率.     

基于深度学习的眼底图像辅助诊断系统设计

目前多数眼底图像分类方法主要针对单一类别疾病不同级别进行分类,且网络模型存在参数量大、计算复杂等问题。基于轻量化的SqueezeNet深度学习模型,设计了一种实现多标签眼底图像辅助诊断系统。在公开数据集ODIR上进行训练和验证,实验结果表明该系统具备强大的特征提取能力,可以在非大幅降低模型精度的情况下最大程度地提高系统的运行速度、降低系统内存消耗。该基于深度学习的眼底图像辅助诊断系统适合于硬件部署,可以为人工智能应用于计算机辅助医疗设备中提供一定的参考价值。     

基于增强CVAE的三维射线重构方法

射线追踪数据的样本空间不完备性是造成大规模多输入多输出信道幅值预测出现高预测误差用户较多的主要原因。 为了更全面地表征所有用户的信道传播特征,提出了一种基于扩展概率分布的条件变分自编码器(CVAE)的三维射线重构方法。 该方法基于用户射线样本的稀疏度选择先验概率分布,通过增强 CVAE 为高误差用户生成新的射线样本训练集,使射线追踪数据的隐变量分布更符合高误差用户的特征。 仿真结果表明,基于所提出的方法在原有射线样本训练集中扩充新样本后,可将高预测误差用户数降低到原来的 53.59% ;使用新训练集训练的神经网络在得到大幅降低预测信道幅值时间开销的同时,将信道幅值预测精度提升了 7.8% 。     

基于标签关联性的多标签Scratch分类算法

为了实现Scratch可视化编程领域的作品分类,提出了一种基于标签关联性的多标签分类算法（MLLR）,构建了一个有效的多标签Scratch分类模型.首先提取作品的Block使用特征、计算思维技能特征和复杂度特征3类特征作为分类特征;然后针对RAKEL算法随机选择标签子集,忽略了标签间的关联性,提出了改进的MLLR算法,该方法根据多标签之间的关联性来划分标签子集,再训练相应的标签幂集子分类器.实验结果表明,MLLR算法在分类性能和时间性能上优于RAKEL等多标签分类算法,构建的分类模型对于Scratch作品具有较强的适用性,分类的准确率达到81.3%.     

混合音频下心率信号感知的放松状态评估模型

以放松减压为目标的情绪调节及放松状态评估有助于提升国民身心健康。针对降低生理信号采集导致的放松情绪诱发困难，使用附着型人体传感器采集受试者的心率信号进行放松状态识别，使用混合音频诱发受试者产生放松情绪，从二维情绪量表中换算获得放松状态标签。采集受试者的心率信号，从心率信号中提取时域特征、频域特征和心拍数。基于多层感知机和长短时记忆网络构建放松评估模型，实现放松状态识别。实验结果表明，相比于目前的研究成果，该放松识别模型具有更优的分类性能，能够为情绪调节与放松状态评估问题提供一种新的可靠解决方法。     

基于数据驱动的膝关节外骨骼控制

为了识别人体运动意图协调人机运动,采用二维激光测距仪采集地形数据进行在线识别,使用学习向量量化（LVQ）的方法,基于不同地形间的距离特征实现快速、准确的地形分类. 设计基于数据驱动的无模型自适应控制方法,基于膝关节角度的输入输出数据建立动态线性化模型,避免了人机外骨骼建模的复杂性和建模误差. 建立人机外骨骼模型,通过仿真得到正常行走时膝关节的先验力矩,引入先验力矩提高控制器的准确性. 搭建ADAMS和MATLAB联合仿真平台,选取平地路况进行实验. 实验结果表明,所设计的控制方法使得外骨骼膝关节对目标角度有良好的跟踪,对人体行走有较好的助行效果.     

基于超宽带雷达基带信号的多人目标跟踪

针对超宽带（UWB）雷达多人目标跟踪中的距离扩展问题,提出基于基带信号的方法. 该方法对射频回波信号进行下变频和抽取,通过动目标指示滤除杂波. 在基带CLEAN检测提取得到量测后,采用凝聚和跳窗方法确定目标初始状态. 运用联合概率数据关联和卡尔曼滤波进行跟踪. 在3种室内环境下开展实验. 结果表明,相对于选用射频回波直接进行处理,提出的方法对多目标跟踪的均方根误差（RMSE）小于0.26 m,在数据存储空间上减少了87.5%,在目标检测的处理时间上减少了39.7%.     

基于SVM的声磁标签检测系统设计及其FPGA实现

针对强电磁干扰环境下,传统声磁EAS系统存在检测距离近,误报、漏报率高等缺点,提出了一种基于支持向量机(SVM)的声磁EAS系统,并以FPGA芯片作为实现平台.通过快速傅里叶变换(FFT)法提取标签、噪声信号频域特征,将其作为SVM算法训练样本.SVM训练模型对数据帧做有标签和无标签二分类,训练部分在MATLAB上进行...