基于小波包和局域判别基的脚步信号提取方法

着重研究在复杂的城市背景噪声环境下,对入侵人员脚步信号的提取与检测.通过对脚步信号及城市背景噪声的频谱特征分析,提出一种基于震动信号的人员脚步信号提取方法,该方法通过小波包分解(WPD)结合局域判别基(LDB)划分信号特征频带,有效地分离了城市中的过往车辆对入侵人员脚步信号的干扰并做出准确提取,仿真与实验结果证明,与常用的脚步识别算法相比,该算法鲁棒性,普适性及抗干扰性更好,符合实际工程应用需求.     

基于HHT的人员脚步信号识别算法

针对地面环境监控中的人员脚步信号识别问题,提出一种基于希尔伯特-黄变换的识别算法。利用经验模态分解方法将探测得到的震动信号分解成若干个固有模态函数分量,找出各分量在频谱上的奇异点,通过对这些奇异点的希尔伯特谱进行判定,实现对人员脚步信号的识别。实验结果证明,该算法具有较高的正确识别率。     

强震动冲击环境下的网络异常信号检测仿真

强震动冲击环境下的网络异常信号检测,可保证网络安全稳定的运行.在强震动冲击环境下,网络异常信号检测过程中存在较强的振荡波动和随机噪声,使得真实的异常信号特征与振动信号的频率及其相似.传统的基于核数据的网络异常信号检测方法,针对强震动冲击环境下的干扰,无法提取稳定的异常网络信号特征,不能够准确完成网络信号特征的分类,使得获取的网络异常信号检测结果存在较大的偏差.提出了一种采用敏感性分析的网络异常信号检测方法,在强震动冲击环境下的影响,网络异常信号与振动信号相比,存在一定的异常敏感性,先采用频率敏感性的检测方法初步检测网络异常信号,塑造网络结构有限元模型和敏感性矩阵,最后通过粒子群算法的模糊神经网络,选择模糊优选模型函数作为激励函数,能够根据强震动冲击的强度来确定各个影响因子的隶属度,确定了异常信号发生和损伤的精确位置,实现了网络异常信号的精确检测.实验结果表明,改进方法比传统方法更具有优越性,在强震动冲击环境下具有较高的网络异常信号检测效率和精度.     

基于自适应稀疏分解的声音识别算法

针对公共环境中异常声音的检测与识别存在的强噪声干扰及检测效率低的问题,提出基于参数自适应匹配跟踪的声信号识别算法.基于粒子和种群的进化率改进粒子群参数的自适应设置并优化稀疏分解目标函数;基于自适应粒子群算法的连续集搜索特性建立连续超完备Gabor原子集,以提高最匹配优原子与声信号的匹配度并加速原子的匹配搜索;使用SVM分类器实现公共环境异常声信号的复合特征识别.实验结果表明,与已有算法相比,该算法的公共环境异常声信号的识别率最优,且对不同背景噪声具有较好的识别鲁棒性.     

一种超低功耗无线震动传感器设计

为实现长期无人值守的震动测量与目标识别,设计了一种超低功耗无线震动传感器.该传感器采用磁电式敏感元件来获取震动信号,通过信号调理、数据采集、数据分析、数据存储和无线通信的软硬件设计,完成目标识别和数据传输.通过免供电传感和双处理器设计实现超低功耗工作,利用无线传感器网络监测模式构建无线、分布式震动监测网络.试验结果表明:该传感器能够完成震动信号测量并识别履带车和行人这两种典型目标,电流仅有30μA,预计可连续工作200天以上.     

判决法对数字和模拟信号的自动识别及验证

调制方式是数字和模拟通信信号的一个重要特征参数,数模通信信号调制方式的快速检测和识别在军用和民用方面都极为重要.以判决法为基础,提出了一种可用于检测和识别11种信号的调制方式的自动识别算法,并给出了该算法的实现流程.计算机仿真结果表明,理论分析与仿真实验验证了该算法的有效性.在信噪比≥9dB时,算法平均识别成功率≥97％,可以应用于实际通信系统中信号的快速检测和识别.     

基于HOG-SVM的跳频信号检测识别算法

针对非合作通信场景下的跳频信号自动化检测识别问题,本文提出了一种基于方向梯度直方图与支持向量机的跳频信号检测识别算法。该算法将无线通信信号转化为包含时间、频率和幅度的时频瀑布图,采用方向梯度直方图特征提取算法将不同跳频序列在瀑布图上产生的独特结构特征提取出来。然后利用支持向量机将特征序列映射到高维空间,通过寻找最大间隔分离超平面,实现跳频信号的检测与多种跳频序列的识别,并依此建立跳频信号检测识别原型系统。最后在室内多径信道环境下进行了测试验证,该算法能够完全自动化的精确检测到开放电磁环境下的跳频信号并且能够实现对多种跳频序列的识别。在信干噪比不超过20dB时,针对不同跳频序列的平均识别正确率能够达到98.01%。     

基于频域处理的信号检测和自动调制识别算法

信号检测和自动调制识别是非协作通信领域中的重要研究课题.通过对该课题现有主要研究成果的总结,针对实际工程应用给出了一种基于频域处理的信号检测和调制识别算法.该算法结构简单,计算量较小,有较好的检测和识别性能.     

联合时序结构和负熵的FECG盲提取算法

在提取胎儿心电信号时,利用时序结构的盲源提取算法对胎心率误差估计敏感;利用负熵的盲源提取算法存在提取出的信号具有不确定性问题.为克服这两种算法的缺点,利用时序结构和负熵构造了联合代价函数,利用梯度算法对该代价函数求偏导,提出了一种新的胎儿心电提取算法.该算法能确保每次提取出来的信号都是胎儿心电信号,并且在胎心率估计存在较大误差和胎心率变化的情况下,也能正常工作.计算机仿真和实际胎儿心电提取实验验证了该算法在提取胎儿心电信号时的稳定性和确定性.     

基于静电信号的人体动作识别

提出一种通过检测人体行为动作产生的静电信号进行人体动作识别的方法.在分析人体荷电特性的基础上,设计静电信号检测系统采集被测人员的5种典型动作（行走、踏步、坐下、拿取物品、挥手）的静电感应信号.对采集的5种动作的静电信号进行特征参量提取和显著性差异分析,优化用于分类的特征参数.基于Weka平台使用3种分类算法（支持向量机、决策树C4.5和随机森林）分别对采集到的250组样本数据通过10折交叉验证进行了分类识别,结果显示随机森林算法的识别效果最好,正确率可达99.6%.研究表明本文提出的单人环境下基于人体静电信号的动作分类识别方法能够有效地对典型人体动作进行识别.     

Methods for person identification on a pressure-sensitive floor: Experiments with multiple classifiers and reject option

This paper presents methods for footstep-based person identification using a large pressure-sensitive floor with a sensory system. The aim was to analyse and compare different pattern classification methods for their ability to solve this particular problem as well as to introduce some novel and useful methodological extensions, which can improve classification accuracy and the adaptability of the system. These extensions are based on the conditional posterior probability outputs of classifiers, i.e., efforts to combine classifiers trained with different feature sets and to combine multiple footstep instances of a single person walking on the floor. Additionally, a method to reject unreliable examples in order to increase accuracy was applied to the system. The experiments demonstrated the usefulness of these methods. An identification method that uses a combination of multiple classifiers and multiple examples yielded very promising results with an overall accuracy rate of 92% for ten different walkers. When the reject option was added, a classification rate of 95% with a 9% rejection rate was achieved. This methodology can be applied to smart room applications where a small number of persons need to be identified.     

仿人机器人足迹规划建模及算法实现

足迹规划是仿人机器人运动规划领域的一个新思想.本文建立了仿人机器人足迹规划的模型,并通过构建启发式成本函数,利用A*算法予以实现.针对复杂多障碍物环境,特别提出了基于可变落地足迹数量的复合足迹转换模型的方法.仿真实验证明了规划模型和算法的有效性和完备性,规划效果达到仿人机器人在线运动规划的要求.同时,数值实验也证明了在复杂多障碍物环境下复合足迹转换模型的必要性和优越性.     

一种改进的运动路径编辑方法

介绍了运动路径编辑方法,提出了保持足部位置运动速率不变的算法来解决其中出现的脚步滑动现象。该算法中,使用了基于约束的技术。首先,逐帧求出原始运动数据的足部位置,作为初始约束条件,当运动路径变化后,依据足部位置运动速率不变的原则,自动更新约束条件,减少了以往方法中的人工干预过程;然后,采用按帧编辑的实时逆向运动学算法求解约束条件。实验结果表明此算法有效地解决了脚步滑动现象。     

基于姓氏驱动的中国姓名自动识别方法

文章基于姓氏驱动和上下文信息,利用从真实姓名样本库和文本语料库中得到的大量统计数据,提出了一种中国姓名识别的分级加权筛选模型,利用基于这一模型的识别算法和冲突解决策略,实现中国人名的自动识别。通过从《人民日报》随机抽取的500个含有人名的句子进行测试,表明:中国姓名召回率达89.2%,精确率达93.15%。     

基于多尺度PSNR的图像融合评价算法

为了提高图像融合评价的准确性,提出了多尺度PSNR的图像融合客观评价方法。该方法首先对标准图像和融合图像按同种方式进行多尺度划分,得到每个标准图像块与相应融合图像块之间的PSNR;然后将它们组合成多尺度PSNR;最后应用灰色关联分析作为图像融合结果的优劣评判标准。实验结果表明,这种评价方法考虑了图像像素的整体和局部灰度分布特性,能正确对融合图像质量进行评价,其客观评价结果与主观评价结果具有一致性,且评价方法具有较好的有效性和简洁性。     

利用傅里叶谐波分析法的时序数据周期迭代辨识算法

对时序数据进行周期辨识能有助于人们认识事物的本质。针对现有的时序数据其周期辨识算法存在着辨识精度低及计算成本高的问题,提出了一种具有基频迭代机制的周期辨识算法。该算法首先基于方差分析法从原始序列中析出其周期长度的整型估算值,然后,以任意小的频率间隔在估算值区间内进行傅里叶谐波的迭代拟合,最后,基于最小拟合残差和的准则来确定最优的周期成分。实验表明,该算法不仅具有良好的计算效能,而且还能精确地辨识出与序列样本长度无关的周期成分。     

基于多维泰勒网的多入多出非线性时滞系统辨识

针对多入多出 （multiple input multiple output,MIMO） 非线性时滞系统辨识的准确性与实时性问题,提出基于多维泰勒网（multi-dimensional taylor network,MTN） 的辨识方案。MTN作为辨识模型,综合利用权剪枝 （weight-elimination,WE） 算法和共轭梯度（conjugate gradient,CG）算法,即WE-CG算法作为MTN辨识模型的学习算法;WE算法可以有效精简MTN辨识模型结构,从而降低计算复杂度、提高模型实时性能。最后,引入一个数值仿真例子和一个工程实例来验证所提辨识方案的有效性,同时与传统的MTN辨识方案作对比,给出了两者的准确性与复杂度分析,突出所提辨识方案的准确性与实时性。实验结果表明,所提方案够准确地对MIMO非线性时滞系统进行辨识。同时,相比传统的MTN辨识方案,所提辨识方案结构更精简,具有更低的算法复杂度。     

Detection and analysis of hair

We develop computational models for measuring hair appearance for comparing different people. The models and methods developed have applications to person recognition and image indexing. An automatic hair detection algorithm is described and results reported. A multidimensional representation of hair appearance is presented and computational algorithms are described. Results on a data set of 524 subjects are reported. Identification of people using hair attributes is compared to eigenface-based recognition along with a joint, eigenface-hair-based identification.