基于高斯粒子滤波的当前统计模型跟踪算法

对于非线性系统估计问题,高斯粒子滤波器可以获得近似最优解,与粒子滤波器相比其优点是不需要重采样步骤和不存在粒子退化现象.采用高斯粒子滤波代替当前模型自适应跟踪算法中的卡尔曼滤波,将高斯粒子滤波与当前统计模型的优点相结合,提出了一种新的当前统计模型自适应跟踪算法,用于非线性非高斯系统的机动目标跟踪.MonteCarlo仿真表明,该算法跟踪精度优于标准的交互多模型算法和当前统计模型自适应跟踪算法,实时性好于交互多模型粒子滤波算法.     

高速高机动目标多速率交互多模快速跟踪算法

高速高机动目标的被动定位跟踪在理论上和实践上均有较高的技术难度,传统的定位算法难以同时满足定位精度和实时性的要求.本文以交互式多模型算法(IMM)为框架,根据多速率跟踪(MRT)的思想,实现了模式空间与测量空间的多速率混合滤波,并给出了多速率常高通(CH)和常高高通(CH2)模型的统一表示形式.同时,引入自适应"当前"统计模型对高度机动的运动模型进行刻画,在此基础上,根据各模型假定的机动性,多模型综合选配了粒子滤波算法和卡尔曼滤波算法,从而建立了高速高机动目标的多速率交互式多模型跟踪算法.实验结果表明,与传统的跟踪算法相比,本文算法定位精度高,误差小于4%斜距;运算复杂度低,具有高于25 Hz的速率更新目标状态的能力.     

基于无味有向图切换的机动目标跟踪VSMM算法

在机动目标跟踪领域,传统的基于固定模型集合的交互式多模型算法需要大量的模型来保证模型不失配,但是会带来巨大的计算量,并且来自过多模型的不必要的模型间竞争反而会使算法性能下降.为解决此矛盾,该文提出了一种基于有向图切换和无味卡尔曼滤波算法的变结构多模型算法.该算法根据目标不同时刻的运动状态依据有向图匹配不同的子模型集合进行滤波.仿真结果显示该算法在有效降低计算量的同时使模型集合和目标的运动状态更好的匹配,从而提高了算法跟踪精度.     

基于当前统计模型的一种双自适应模糊滤波算法

在当前统计模型的基础上,提出一种双自适应模糊滤波算法.该算法利用模糊推理机制及结合升半正态形模糊分布函数,对最大加速度和过程噪声协方差矩阵进行双自适应调整.针对阶跃机动,引入强跟滤波器达到增强跟踪机动目标的能力.仿真结果表明,该算法提高了机动模型与目标实际机动模型的匹配程度以及对强机动目标跟踪的精度,改善了滤波器的跟踪性能,克服了对弱机动目标跟踪性能的不足.     

鲁棒性语音识别的在线自适应匹配

语音识别的一个最重要的领域就是鲁棒性问题,这个问题的核心是如何处理训练和识别不匹配的问题。提出一个在线自适应匹配算法,此算法能够根据当前语音信号,自适应的估计出语音畸变参数,从而调正模型来匹配当前的测试环境,在Aurora2测试集上,正确率显著提升。     

一种自适应的主动声呐直达波干扰抑制算法

为了克服主动声呐编队作战条件下的直达波干扰,达到检测微弱目标回波信号的目的．提出了一种基于频域分块自适应滤波算法的直达波抑制方法。这种方法将自适应滤波理论和匹配相关技术相结合,首先对接收数据做频域分块自适应滤波,再利用已知发射信号副本进行匹配相关,最后提取目标回波信号。其中,频域分块自适应滤波算法相比基本最小均方算法,计算复杂度降低,收敛速度快,基本保证了主动声呐每个探测周期内的直达波抑制和目标回波的提取。通过数值仿真实验表明：在强直达波干扰存在条件下,该算法对目标回波的提取在精度和鲁棒性等方面均优于以往的直接匹配相关方法。     

鲁棒性语音识别的在线自适应匹配

语音识别的一个最重要的领域就是鲁棒性问题，这个问题的核心是如何处理训练和识别不匹配的问题。提出一个在线自适应匹配算法，此算法能够根据当前语音信号，自适应的估计出语音畸变参数，从而调正模型来匹配当前的测试环境，在Aurora2测试集上，正确率显著提升。     

基于自适应特征融合的多尺度相关滤波跟踪

为了减小目标跟踪中目标变形、光照影响、运动模糊以及目标旋转对跟踪效果的影响,在相关滤波KCF基础上,提出了一种基于自适应特征融合的多尺度相关滤波跟踪算法。首先,提取VGG19网络中conv2-2、conv3-4、conv5-4层的特征以及CN特征,并在conv2-2层加入CN特征;然后,将这3个特征分别代替HOG特征进行滤波学习,得到3幅响应图;进而对3幅响应图进行加权融合预测目标位置。最后,在尺度方面引入多尺度相关滤波器进行尺度的确定。该算法比KCF跟踪算法精确度和成功率分别提高了13.6%和11.8%。与现有的其他优异跟踪算法相比,该算法在应对运动模糊、背景杂乱、目标变形、平面旋转方面更具有较好的跟踪效果。     

水声传感器网络中时钟漂移率跟踪方法

时钟同步是水声无线网各个节点协同观测的关键技术。该文针对水下节点长时时钟漂移率受周围环境影响产生变化的问题,提出一种适用于水下传感网络的时钟漂移率跟踪方法。该方法使用多模型描述时钟漂移率的变化,在使用现有高时延时间同步(TimeSynchronizationforHighLatency,TSHL)水声网络授时协议和轻量级高时延授时(Tri-message)算法计算获得时钟漂移率的基础上,使用交互式多模型卡尔曼(Kalman)滤波对变时钟状态向量进行跟踪和估计,并在滤波过程中采用Sage-Husa自适应方法动态调整滤波参数,提高算法估计的准确性。仿真结果表明,使用提出的跟踪方法,时钟漂移率估计均方误差可从3.0×10-9降低到5×10-10,算法性能优于现有授时方法。     

基于区域自适应模型耦合向量约束的图像匹配算法

目的 为了解决提高图像匹配算法的匹配精度与鲁棒性。方法 设计基于区域自适应模型耦合向量约束规则的图像匹配算法。首先引入采用上下文信息的显著性分析方法,提取图像的显著区域和非显著区域。根据区域的显著性特征构造区域自适应模型,用以动态调整FAST算法中的灰度阈值,提取图像中的特征点。然后,通过欧氏度量将特征点邻域内的点分为长、短点集;通过长点集生成特征方向,利用短点集生成特征向量,以获取特征点的描述符。最后,对特征点之间的Hamming距离进行度量,实现特征点的匹配。利用匹配特征点组成的向量建立向量约束规则,对匹配特征点进行优化,完成图像匹配。结果 实验结果表明,与当前图像匹配技术相比,所提算法具有更高的鲁棒性与匹配正确度,当目标旋转角度达到100°时,其匹配准确率仍可达到88.95%。结论 所提算法具有良好的适应性,在遇到几何变换时,具有较好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

基于机器视觉的柔性包装袋喷码缺陷检测研究

目的 针对传统喷码检测方法计算量大、字符区域定位不显著、识别准确率较低等不足,提出一种基于机器视觉的柔性包装袋喷码缺陷检测方法。方法 以柔性包装袋上喷码图像为研究对象,以滤波抑噪、阈值处理等技术对图像进行预处理,运用YOLO-V3网络模型对字符区域进行定位,并采用阈值和非极大值抑制算法提高喷码区域定位的显著性,通过改进AlexNet网络结构、运用多特征融合运算等方法,获取更为丰富的图像卷积特征,实现字符串的整体识别,从而提高喷码缺陷识别的准确率。结果 将YOLO-V3联合改进AlexNet的检测方法与传统喷码检测方法进行对比,结果表明,所设计喷码缺陷检测方法的分类准确率达到99.39%。结论 基于机器视觉的柔性包装袋喷码缺陷检测方法在模型计算量、字符区域定位显著性和字符识别准确率都有一定的优势,并有效解决了字符串整体识别的问题。     

OFDM水声通信系统动态OMP信道跟踪算法

针对正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)水声通信系统中最小二乘(Least Square,LS)信道估计算法和静态压缩感知信道估计算法分别存在估计精度低、导频开销大和计算复杂度高、实时性差的缺点,利用水声信道冲激响应的时域相关性,通过建立动态稀疏观测模型,提出一种动态正交匹配追踪(Dynamic Orthogonal MatchingPursuit,D-OMP)信道跟踪算法。该算法仅在初始时刻进行一次完整的正交匹配追踪(OrthogonalMatching Pursuit, OMP)信道估计获取信道支撑集,之后通过连续跟踪前一时刻信道支撑集的变化来跟踪信道。仿真结果表明,在导频开销相同的情况下,与传统LS算法、经典OMP算法相比,所提算法具有更好的信道跟踪性能和较低的算法复杂度。     

基于SLAM导航的多目视觉AGV系统设计

目的为了进一步提高SLAM定位精度和小障碍物识别能力。方法采用SLAM与多目视觉结合的方法,首先构建AGV运动学模型,然后构建双目立体视觉模型,基于SURF+RANSAC改进的分区域加权算法,尽可能剔除冗余误匹配对,显著提高匹配精度。其次,在传统SLAM导航基础上融入单目视觉,实现关键工位点精确定位停靠,并给出二维码遮挡缺损情况下的解决方法,采用双目视觉实现距离实时测量。结果双目距离检测精度可达±1.88 mm,轨迹精度可以控制在±2 mm。结论融合SLAM和多目视觉可以有效提高导航定位精度和小障碍物识别能力,提高了SLAM的应用领域,具有一定的推广前景。     

Optimal dwell point location of automated guided vehicles to minimize mean response time in a loop layout

An important control issue in operating an automated guided vehicle system is where to locate idle vehicles. Dwell points for idle vehicles affect the performance of manufacturing systems. A polynomial time algorithm has been developed to determine dwell points for idle automated guided vehicles that minimize the mean response time. Both uni- and bidirectional loop layouts are considered. The proposed algorithm, based on a dynamic programming model, partitions the set of pick-up stations into subsets so that a single vehicle serves all stations in a subset. The dynamic programming algorithm has been streamlined by applying certain optimality properties. Computational results show that the proposed algorithm can solve large-scale problems in a reasonable time. A simulation experiment has also been conducted to compare several idle vehicle positioning rules, and the results show that best performance is obtained by positioning idle vehicles in dwell points that minimize the mean response time.     

3D Trajectory Planning of Positioning Error Correction Based on PSO-A* Algorithm

Aiming at the yaw problem caused by inertial navigation system errors accumulation during the navigation of an intelligent aircraft, a three-dimensional trajectory planning method based on the particle swarm optimization-A star (PSO-A*) algorithm is designed. Firstly, an environment model for aircraft error correction is established, and the trajectory is discretized to calculate the positioning error. Next, the positioning error is corrected at many preset trajectory points. The shortest trajectory and the fewest correction times are regarded as optimization goals to improve the heuristic function of A star (A*) algorithm. Finally, the index weights are continuously optimized by the particle swarm optimization algorithm. The optimal trajectory is found by the A* algorithm under the current evaluation index, so the ideal trajectory is planned. The experimental results show that the PSO-A* algorithm can quickly search for ideal trajectories in different environment models, indicating that the algorithm has certain feasibility and adaptability, and verifies the rationality of the proposed trajectory planning model. The PSO-A* algorithm has better convergence accuracy than the A* algorithm, and the search efficiency is significantly better than the grid search A star (GS-A*) algorithm. The PSO-A* algorithm proposed in this paper has certain engineering application value. The researchers will study the realtime and systematic nature of the algorithm.     

基于变分模态分解的水下目标噪声特征提取及分类

当信号中存在异常事件引起的间歇现象时,传统的经验模态分解算法常易产生较为严重的模态混叠现象,严重影响目标特征提取的性能。文章在水下被动目标信号特征分析提取中引用变分模态分解算法。该方法能够自适应地对信号频带进行切割,极大程度上避免了传统模态分解算法所产生的模态混叠现象,提高了对目标特征提取的准确性,同时也避免了无效计算。此外,还利用相关性阈值进行模态选择,一定程度上消除干扰模态。在对变分模态分解（Variational Mode Decomposition,VMD）的各阶模态函数进行希尔伯特变换的基础上,提出一种基于变分模态分解和希尔伯特变换（VDM-Hilbert Transformation,VDM-HT）联合处理的特征集进行目标分类。采用四种分类器对3种水下目标噪声信号进行分类。结果表明,VMD-HT算法所提取的特征集相比其他模态分解算法具有更好的分类性能。     

基于卡尔曼滤波和粒子滤波融合的UWB室内定位算法

基于超宽带(ultra-wideband, UWB)室内定位技术得到了广泛的发展,然而,在LOS(line-of-sight)和NLOS(non-line-of-sight)环境下的UWB的测距信息均存在不同程度的误差,因此,提出了一种改进的卡尔曼滤波算法对UWB原始数据进行平滑处理;之后提出卡尔曼滤波(Kalman filters and particle filters, KPF)和粒子滤波融合的算法。通过卡尔曼滤波得到的状态量和误差协方差进行粒子采样,克服了传统粒子滤波进行粒子采样时的运动学模型与实际运动不相符的缺点,大幅减少了粒子退化的现象。经过实验,该算法在LOS和NLOS环境中的定位精度分别提升了20.6%和15.6%。     

基于注意力BiGRU的机械故障诊断方法研究

为了解决机械故障诊断领域传统方法自适应性差、参数选择过于依赖人工的问题,提出了一种基于循环神经网络的机械故障诊断算法。该方法利用预处理后的机械振动信号,搭建了双向门控循环单元的故障诊断模型,并进行了基于注意力机制的模型优化,提高了特征提取效率。经过美国凯斯西储大学轴承数据集以及自采集的柴油机故障实验数据验证,相比于传统神经网络算法提升了计算效率和诊断准确率,并表现出了良好的抗噪能力。结果表明,该方法可以有效适用于基于机械振动信号的故障诊断,具有一定的工程应用价值。     

基于改进YOLOv5的旋转目标检测算法及其应用研究

目的 提高工业分拣上常见的纹理多样、随机堆放盒体的检测与识别能力。方法 提出一种基于YOLOv5的旋转目标检测算法，该算法包括目标分类、位姿角度识别和边界框位置定位3个模块功能。目标分类模块中，通过自建数据集和设计8种目标分类标签以供模型分类学习;位姿角度识别模块对YOLOv5头网络中添加角度预测分支，引入环形平滑标签角度分类方法，实现分拣盒体的旋转角度精准检测;在边界框位置定位模块上，使用LCIoU回归框损失函数来计算旋转框回归损失，得到紧密包裹目标位置的边界框。结果 改进的YOLOv5算法在自建数据集上检测精度达到95.03%，在机器人多物体分拣实验中的准确率可达100%。结论 本文算法在盒体处于散乱堆放、密集堆放、堆叠堆放场景下均具有较高的定位与识别精度。     

基于佳点集粒子群算法的SVM参数优化方法

针对传统的粒子群算法（PSO）初始种群随机生成而导致的算法稳定性差和易出现早熟等问题,提出了基于佳点集改进的粒子群算法（GSPSO）,并将其优化支持向量机（SVM）,构建一种高效的预测评估模型（GSPSO-SVM）。首先采用佳点集方法使PSO中初始粒子均匀分布,然后利用GSPSO优化SVM的惩罚因子C和径向基核函数参数g以获取最佳参数值,提高SVM分类性和稳定性,最后将模型应用于旱情数据的评估预测。仿真实验结果表明：本模型在平均准确率和方差方面的准确都取得了很好的效果;对比分别用PSO和遗传算法（GA）优化的SVM模型,本模型的性能更好。