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。     

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。     

基于多模型的自适应有源噪声控制算法研究

针对有源噪声控制中次级通道存在很大不确定性的问题，建立次级通道模型集以覆盖次级通道的不确定性，每个模型都有一个相对应的采用Modified FXLMS算法进行权值更新的自适应滤波器。在系统运行过程中，算法首先依据切换准则实时判断当前次级通道所处状态，选出最匹配的次级通道模型，同时把采用最匹配模型进行权值更新的自适应滤波器的参数复制给参与控制的滤波器。仿真和实验结果表明，采用多模型自适应的有源噪声控制算法提高了系统的鲁棒性。     

基于匹配追随算法的摩擦力自适应辨识与补偿研究

提出一种基于匹配追随算法的摩擦力自适应辨识与补偿新方法,该方法利用正交多项式实现对系统中以摩擦力为主的非线性动态充分逼近与补偿,不要求任何摩擦力模型,相对于基于线性化模型的自适应补偿算法,该算法具有更高的优越性,基函数集的选取对该算法精度及计算量有重要影响,该算法给出了一种基于残差分析法的基函数集优选方法,最后,通过仿实验验证了该算法的有效性。     

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.     

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。     

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.     

基于文本挖掘的交互式专利分类

将文本挖掘理论应用于专利信息分析,提出了一种基于多分类器融合与主动学习的交互式专利分类算法,旨在实现高效的专利分类.该算法基于训练集,利用支持向量机,针对不同的专利类别分别训练相应的子分类器,然后通过多分类器融合对各子分类器进行有机结合,以获得性能更优的分类器和形成分类决策.在此基础上,利用主动学习选取最有信息的样本进行标引,从而通过人机交互实现分类模型的更新.针对传统批量选择性采样的缺点,还提出了动态批量选择性采样模式,通过确定度传播策略有效降低标引样本冗余度,以进一步提高主动学习的效率.实验结果表明,这种基于多分类器融合与主动学习的交互式专利分类算法的分类性能显著高于其他算法.     

模糊聚类和混沌自适应粒子群的神经网络色彩匹配

目的研究基于混沌理论、粒子群算法、模糊聚类和人工神经网络的色彩匹配模型。方法结合混沌理论和动态自适应策略,对粒子群算法进行改进,得到混沌自适应粒子群算法,并应用于径向基人工神经网络的基函数中心,以及扩展常数和网络权值的优化中;通过模糊聚类分类样本数据,得到混沌自适应粒子群径向基人工神经网络色彩匹配模型,并将模型与其他色彩匹配方法进行比较。结果CSAPSO RBF ANN色彩匹配模型的平均绝对误差、均方根误差和色差平均值分别为0.0106,0.000 96和1.9122。结论 CSAPSO RBF ANN色彩匹配模型具有良好的普遍性、通用性和泛化能力。     

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。     

基于时延方位估计的多基地模式轨迹解算算法

单基地模式的声呐探测系统存在工作方式固定、定位精度低的缺陷多基地定位声呐中 T-Rn 定位方式存在观测和测量缺失的问题。文章结合多基地系统在跟踪阶段中所获得的信号波达时间、接收信号幅度和信号来向角等多元先验信息,对基于波达时间及方位的定位算法进行了深入研究。文章提出了一种利用空间椭圆轨迹交汇的目标位置解算算法,并以空间反向投影算法辅助完成目标定位。该算法首先获取目标回波的相位关系,利用基于广义互相关的时延估计算法得到系统工作周期内的平均时延估计量。基阵的垂直方位观测量可通过接收信号的方位估计值获得,轨迹解算算法分别采用了椭圆轨迹交汇与几何定位法。最后给出了完整的算法流程,误差评估的仿真结果验证了交汇定位算法的有效性,该方式可有效保证多基地模式下的目标定位跟踪任务的执行效率,对实际工程应用中系统定位精度的评估有一定参考价值。     

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...     

基于改进蚁群算法的高精度水声定位航路规划

精确的水声定位是进行海洋资源勘探、海底管道敷设、海洋地形测绘等海洋开发活动的前提。其中一类典型的定位目标是可发射周期声信号的固定信标。文章利用单个自主式水下航行器(Autonomous Underwater Vehicle,AUV)对该类目标进行定位,其中一个关键问题是 AUV 的航路规划。传统的航路规划方法通常研究避障和路径长度最优化,未考虑定位问题的特殊性,而最终的定位精度是与航路息息相关的。因此,传统的航路规划方法容易导致所规划航路的定位精度较差。针对这一问题,文章在传统蚁群算法的基础上,首先引入 Bresenham 画圆算法规划圆形航路,保持定位目标处于 AUV 舷侧声呐视野范围内,避免信号缺失;同时在信息素设计中加入了定位精度因子,使得所规划的航路能充分考虑到定位精度。仿真实验表明,文中所提出的方法可以在传统航路规划避障能力、路径长度优化能力的基础上兼顾定位任务,提高针对声信标类目标的定位精度及定位鲁棒性。     

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。