基于反应式行为的车辆运动意图辨识

为提高无人驾驶智能汽车决策规划能力,提出了一种基于反应式行为的车辆运动意图辨识策略。对反应式车辆运动意图进行了分析与归类,建立了基于多维高斯隐马尔科夫过程的反应式车辆运动意图模型;搭建了车辆运动意图信息采集系统,进行了典型工况数据采集;在此基础上,对模型进行训练,利用正交试验对模型参数进行优化,选取典型工况进行辨识测试。结果表明,所提出的辨识策略能够有效辨识交通车辆的运动意图。     

基于空间隐患分布与运动意图解析的危险评估方法

针对智能监控领域中存在的目标检测速度慢、安全性分析缺失等问题,提出一种基于空间隐患分布与运动意图解析的危险评估方法。使用k-means++及背景消除法增强YOLO(you only look once)v3算法的目标检测能力,完成人体目标和危险物的识别及定位;利用卡尔曼滤波预测人体目标的移动轨迹,以移动偏向角及人体目标与危险物的距离构建人的运动模式;建立危险度评估模型,依据不同的运动行为模式评估其危险程度。试验结果显示,增强YOLOv3算法在测试集上对各类目标的检测精准度与召回率均超过95%,交并比(intersection over union, IOU)提升7%,帧率达31.3帧/s,满足系统的实时性要求;本研究提出的危险度评估方法能够较好拟合多种运动模式的风险递变规律,危险度评估结果融合了看护目标的运动意图,使得对不同运动模式的安全性评估更加合理。     

基于多层脑功能网络特征的动作意图识别

基于脑电信号完成对步态特征的解码分析并就动作意图做出可靠识别和预测,是基于脑机接口的人机混合康复训练系统和智能助行机器人中的核心问题。为实现对站立、坐下以及静止状态这些最基本步态过程的分类识别,提出了基于多层脑功能网络分析的特征表示方法,结合对各类脑功能网络特征的统计分析,确定对不同动作敏感的网络特征量,并结合支持向量机、线性判别分析、逻辑回归以及朴素贝叶斯算法完成对不同动作过程的分类识别。实验结果表明,所提出的方法可较好地实现对上述动作意图的识别,针对13名被试者对站立、坐下和静止状态的识别准确率均高于71%,最高达到77%。对多层动态脑功能网络的分析结果表明,下肢运动过程的发生会弱化脑区间的相互依赖关系,导致网络拓扑连接结构变得逐渐稀疏。研究结果对理解下肢运动过程中大脑认知过程变化,开展基于脑机接口的下肢康复策略研究和康复系统开发具有一定的参考价值。     

基于相位划分的下肢连续运动预测

为了实现针对特定个体的运动特点进行更精确的下肢连续运动预测和用更短的时间开展预测模型训练,采用对每个步态相位都建立预测模型的方法. 在识别出当前的步态相位后,使用当前相位的预测模型进行关节角度的预测. 使用支持向量机（SVM）,对提出的方法进行验证. 实验表明,采用基于相位划分的下肢连续运动预测方法相比于对整个运动状态进行关节角度建模的预测方法,具有更高的预测精度和更短的模型训练时间. 髋、膝、踝关节的预测结果与真实值的相关系数均大于0.99,每次预测的角度与真实值的平均均方根误差均小于2°,训练时间缩短4.0~5.0倍.     

一种基于DS证据理论的目标意图预测方法

为了在反导作战中对态势预测提供方法支撑,运用DS证据理论进行目标意图预测。根据相关证据的权重对传统的DS证据理论组合规则进行了改进;提取了弹道导弹在飞行过程中目标意图预测的关键要素,给出了基于DS证据理论的目标意图预测的方法步骤。最后结合想定进行了仿真,计算出各目标意图的基本概率赋值并给出了决策。仿真结果表明,DS证据理论运用到弹道导弹目标意图预测是可行的,可为反导作战提供辅助决策依据。     

基于意图识别的不确定性行为序列预测方法

针对协同推荐和序列表征方法在预测用户行为任务上面临的行为不确定性和数据稀疏问题,提出基于意图识别的不确定性行为序列预测(G2IE)方法. G2IE方法根据计划行为理论(TPB),对用户行为序列中受控行为模式进行挖掘;基于信息熵计算相邻受控行为之间的不确定性行为列表的行为转移意图强度;融合行为转移意图增强行为关系,弥补行为意图缺失. G2IE方法挖掘行为的不确定性关系,并用模型进行量化,用于解决行为不确定性难点;通过融合转移意图方法能够发现更多的行为关系,也在一定程度上缓解数据稀疏的问题. 较其他使用行为直接关系的方法,G2IE方法有更准确丰富的表示能力. 在3个公开行为数据集上进行对比实验,结果表明,本研究方法在综合指标F1值上均为最优,证明了所提方法的有效性.     

基于时频局域相关能量的时变信号分析

提出了一种基于信号时、频局域相关能量的新的时-频信号分析方法,它有着较明确的物理意义。进一步的分析表明了它实际上是对Rihaczek分布的平滑。与Wigner分布（WD）相比,它有效地消除了多分量信号的交叉项,并避免了WD的频率模糊现象,计算方法也更为简便。     

一种基于最小熵准则的加窗傅氏变换时频分析

加窗傅氏变换（ＳＴＦＴ）是非平稳信号时间－频率二维分析的一种方法，它的时间、频率分辨率是固定的，从而限制了其在工程的广泛应用。文中以代阶函数（即Ｓｈａｎｎｏｎ熵）最小为准则，确定钟形函数时间窗的窗宽，用符合信号特性的变窗代替固定窗，克服了一般ＳＴＦＴ方法的不足，使之成为非平稳信号分析、检测等有力的工具。     

搜索引擎用户查询的广告点击意图分析

搜索引擎广告点击率的多少直接影响搜索引擎的收入,而深入分析用户查询的广告点击意图则是提高广告点击率的基础性工作.针对与此,基于商用搜索引擎的用户查询点击日志,统计分析了搜索引擎用户查询的广告点击率,提出基于查询词内容匹配和基于贝叶斯分类的两种方法预测搜索引擎用户查询的广告点击意图.在大规模的真实用户查询点击日志上的实验结果表明,所提出的方法能够预测查询的广告点击意图,将广告投放的精度从3.0%提高到36.8%,广告投放的平均F-measure值从0.060提升到0.408.通过广告点击意图预测,有效缩小了广告投放范围,并适用于在线广告意图的实时预测.     

基于样本熵的降雨和径流时间序列突变检验

传统的突变检验方法Mann-Kendall法主要基于线性和概率统计理论,对于高度复杂和非线性的水文时间序列检测能力不足。采用基于非线性动力学参数的样本熵方法,结合滑动技术和滑动移除技术,利用湘江流域1961~2009年多个气象站点日降雨资料和控制站湘潭站日径流资料,对降雨和径流时间序列进行突变检验。结果表明:日尺度降雨和径流时间序列样本熵值最小,复杂度最低,可预测性最高;径流分别在1966年、1983年、1992年以及2002年发生突变,降雨在1966年、1987年以及2002年发生突变;滑动样本熵与滑动移除样本熵相结合不仅能有效地识别突变,更能发现突变前后时间序列的动力学变化特征。     

基于空换时技术的分数域时频分析快速算法

提出一种以空间换取时间的方案,能有效提高分数域时频分析的运算效率。鉴于该算法对时间域进行切割,将导致时频分布在衔接处出现边界效应,文章还提出错位平滑技术,有效将各时间段的时频分布进行无缝拼接。     

参数逼近的自适应时频分析

针对二次时频变换中的交叉项影响,研究了一种基于信号分解的WVD时频分析的方法,它结合自适应高斯提取法的思想和WVD的优良特性,将信号分解为若干个基于高斯包络的chirp信号分量,然后进行WVD时频变换和时频图的综合显示,消除了时频变换中交叉项的影响,也保持了信号自项的时频聚集度．将此时频分析方法应用于雷达信号时频分析,实验结果表明,该分解方法有效地消除了信号交叉项的影响,且保持了原信号的时频聚集度．     

Interrupted sampling repeater jamming suppression based on time-frequency analysis and band-pass filtering

Interrupted sampling repeater jamming is a new type of coherent jamming that generates a single or multiple false target groups,which cannot be effectively suppressed using conventional signal processing methods.To solve this problem,the received signals of several pulse repetition cycles are first accumulated in the time-frequency domain to enhance the time-frequency information on the signals.Then,the distribution of jamming signal is extracted accurately on the time-frequency surface based on the image processing algorithm,and the target echo is roughly reconstructed according to the time-frequency domain filtering method.Finally,based on the reconstructed time-domain signal,a band-pass filter is constructed to suppress the interference and noise.Simulation results indicate that compared with other methods,this scheme can effectively suppress various types of interrupted sampling repeater jamming in a low signal-to-noise ratio and multi-target environment with robustness and accuracy.     

基于VMD和样本熵的电磁式电流互感器故障诊断

针对电磁式电流互感器故障诊断效率低、准确率不高问题,提出一种变分模态分解(VMD)和样本熵相结合的故障诊断方法.将原始故障信号通过VMD分解成一系列本征模函数(IMF)并进行优选,计算其样本熵作为新的互感器特征提取对象的特征值,与常见时频域特征指标组合成新的特征向量输入K近邻分类器进行训练.Matlab仿真实验结果表明,该方法中新的特征指标用于低压电流互感器故障诊断是有效可行的,可为电磁式电流互感器故障诊断提供参考.     

基于VMD和样本熵的电磁式电流互感器故障诊断

针对电磁式电流互感器故障诊断效率低、准确率不高问题,提出一种变分模态分解(VMD)和样本熵相结合的故障诊断方法.将原始故障信号通过VMD分解成一系列本征模函数(IMF)并进行优选,计算其样本熵作为新的互感器特征提取对象的特征值,与常见时频域特征指标组合成新的特征向量输入K近邻分类器进行训练.Matlab仿真实验结果表明,该方法中新的特征指标用于低压电流互感器故障诊断是有效可行的,可为电磁式电流互感器故障诊断提供参考.     

基于核熵成分分析的高光谱遥感图像分类算法

根据核熵成分分析(KECA)的特点提出了基于凸面几何学概念的样本集选取方法和以特征空间光谱角为相似性度量的C-均值分类算法,并将其用于高光谱遥感图像分类。在HYDICE高光谱数据上的试验表明,本文提出的算法可以有效地提高分类精度。     

基于不确定性分析的视觉里程计优化

通过推导视觉里程计中运动参数估计的不确定度,分析了视觉里程计的定位精度.采用矩阵扰动理论,准确计算了基于最小二乘法运动估计算法给出的6个自由度运动参数估计的不确定性,此方法的计算复杂度为O(1).采用扩展卡尔曼滤波器对视觉里程计和惯性测量单元数据进行融合优化,获得了更加准确的机器人定位和姿态信息.融合实验结果表明,融合后的闭合误差比单一的视觉里程计闭合误差减少近49.5%.     

Driving intention recognition and behaviour prediction based on a double-layer hidden Markov model

We propose a model structure with a double-layer hidden Markov model (HMM) to recognise driving intention and predict driving behaviour.The upper-layer multi-dimensional discrete HMM (MDHMM) in the dou...