基于二进制树分解的动态防碰撞算法

针对现有的无线射频识别系统（RFID）二进制树防碰撞算法所需的搜索时隙较多,系统识别速率较低,提出了一种基于二进制树分解的动态防碰撞算法。该算法利用标签EPC的唯一性,对发生碰撞的比特位进行深度分解,根据碰撞位调整搜索状态,从而进一步减少搜索时隙数并提高了系统的呑吐量。通过对算法的分析和仿真结果表明：基于二进制树分解的动态防碰撞算法相对于动态二进制搜索算法有明显的优势。     

基于安全距离和时空网格的交叉路口车辆防碰撞安全预警

为保证交叉路口车辆行驶不出现碰撞问题,提出一种基于安全距离和时空网格的交叉路口车辆防碰撞安全预警方法。将交叉路口划分为多个网格,利用路侧单元并根据车辆所占的网格数,初步判断是否存在两车共用同一网格的情况。若在某一时刻两车占用相同的网格则会发生碰撞,故依据交叉路口车辆防碰撞安全距离,计算交叉路口前车未启动、前车匀速驾驶、前车均匀减速驾驶三种工况的临界行驶安全距离,结合此距离,将预警级别分为黄、绿、红三级,进行分级安全预警。实验结果显示：采用所提方法后,交叉路口车辆均安全通行,能够降低交叉路口车辆防碰撞安全预警的误警率、预警虚报率,提高交叉路口车辆防碰撞安全预警精度。     

基于BP神经网络的钻井复杂情况和事故诊断

根据钻井过程中复杂情况和事故发生及处理的特点,基于人工智能BP神经网络算法,构建了BP神经网络的钻井复杂情况与事故诊断模型,对复杂情况与事故的预测更加合理,精度更高。分析了钻井事故状态下工程参数的变化,采用不确定理论建立了基于可信度因子CF的训练样本构建模型。对BP神经网络算法进行了修正,改进了网络适应度及运算精度。实例证明,基于BP神经网络的诊断模型,能够实现钻井复杂情况与事故快速可靠诊断。     

基于连续时隙预测的帧时隙Aloha防碰撞算法

在射频识别（Radio Frequency Identification,RFID）系统中,针对EPC C1G2协议的Q算法中Q值调整的不灵活性及对空闲时隙和碰撞时隙处理上的缺点,提出了一种基于连续时隙预测的帧时隙Aloha防碰撞算法.通过马尔可夫时隙状态模型,分析不同连续时隙状态下帧长与标签数的关系,提出连续时隙预测机制和自适应散列方案.有效地减少了无效时隙的出现,实现了读取阶段的时隙多数为成功时隙.仿真结果表明,本文提出的算法能够灵活地调整帧长,有效提高吞吐率,降低传输延时和开销,为物联网（Internet of Things,IoT）的海量数据信息完整性问题提供了合理的解决方案.     

无人机自主防碰撞控制器设计

为了使无人机能够有效地规避突发静态障碍物,提出一种基于EKF-OSA的自主防碰撞控制器设计方法。首先建立无人机与障碍物的相对运动方程,采用扩展卡尔曼滤波算法(EKF)估计障碍物状态,并提出突发静态障碍物碰撞规避规则;然后,设计一种基于提前一步(OSA)优化方法的导引律。仿真结果验证了所提方法的有效性。     

RFID系统防碰撞算法的研究及其改进

射频识别技术中,防碰撞问题是提高系统读取效率的关键问题。文章在传统防碰撞算法的基础上,提出一种优化的基于动态帧时隙ALOHA的防碰撞（Improved dynamic framed slotted ALOHA,IDFSA）算法。实验结果表明：IDFSA算法大幅度地提高了系统的时隙利用率和读取效率。     

基于连续碰撞位探测的防碰撞算法研究

文章通过对IAMS算法的分析,提出了一种基于连续碰撞位探测（CCBD）的防碰撞算法.在CCBD算法中引入连续碰撞位探测机制,并把标签碰撞分为单独位碰撞和连续位碰撞两种情况进行处理.连续碰撞位探测机制能够准确获得连续碰撞位的实际存在情况从而避免了空闲时隙以及不必要的碰撞时隙的产生.理论分析和实验仿真表明,CCBD算法克服了IAMS算法的不足,在标签识别过程中表现出良好的性能.     

面向不确定性环境的多无人机协同防碰撞

随着无人机碰撞事故的增加, 防碰撞已成为多无人机共空域飞行亟待解决的问题。首先, 进行多无人机协同防碰撞体系结构设计, 然后, 提出一种新的模型预测控制方法: 应用扩展卡尔曼滤波预测不确定性环境空间的障碍物和目标轨迹, 无人机通过机间通信实现环境信息共享, 基于模型预测控制方法进行多无人机协同防碰撞制导决策。仿真结果表明所提方法的有效性, 同时协同机制的效果明显。     

基于OFDM技术的高压输电线路防外力破坏装置研究

由于高压输电线路具有高空、点多、面广、线长和野外的特点,因此非常容易发生外力破坏事故（尤其是施工机械造成的线路跳闸）而影响到电网的安全运行。基于此,本文利用OFDM技术设计了高压输电线路防外力破坏装置,以期降低大型施工机械（车辆）施工地段预防碰线事故发生的概率。     

针对非合作型动态障碍的无人机自主防碰撞

针对非合作型动态障碍研究了无人机自主防碰撞问题。首先对无人机自主防碰撞问题进行描述,将动态障碍的无人机防碰撞问题分为冲突预测与规避控制两部分;然后定义了动态障碍碰撞冲突预测规则,在二维动态碰撞冲突预测的基础上提出一种动态三维碰撞冲突预测算法;最后基于最优化理论设计了无人机自主防碰撞规避策略。仿真结果表明,所提方法能有效避免无人机与非合作型动态障碍之间的碰撞。     

多目标LFMCW车载前向防撞雷达的实现

为主动减少高速公路上碰撞事故的发生,提出一种基于FPGA和DSP芯片的车载前向防撞雷达系统的实时处理方案。分别介绍了LFMCW雷达的基本原理、系统硬件架构、信号处理流程,给出了实测数据的结果分析。系统采用MTD-频域配对法来实现对目标参数的估计,实测数据结果不仅验证了算法的有效性,而且表明系统能够准确实时地检测出前面目标车辆的距离与速度信息。该方法可以应用到LFMCW防撞雷达系统当中,从而给驾驶员提供前方道路行驶参考,以达到减少交通事故的目的。     

城市道路交叉口防碰撞预警的研究

城市道路交叉路口被认为是交通事故发生概率比较高的区域,文章详细分析了城市交叉路口碰撞预警算法及其存在的不足之处,对改进的算法进行论述。基于C-V2X交叉碰撞预警,通过车、路、人和基础设施数据信息共享和互联,准确预测车辆轨迹,给出行驶建议速度,有效解决城市交叉路口碰撞安全问题。     

面向实时感知的车联网业务监控应用研究

基于车联网的数据实时采集和人车交互的基础是可靠的网络接入服务和良好的通信保证,为此文中研究了车联网中车辆接入车联网的通信可靠性保证策略和网络质量优化方法。首先,由于车辆节点的通信不稳定性和动态性,研究了动态的车联网网络质量评估方案。其次,这项工作研究了基于车辆轨迹的对车辆接入网络的数据交互时间预测算法,以应对车联网不稳定的网络拓扑和高断开率。最后,提出了一种实时通信质量感知的网络接入策略,用于为道路上的车辆提供车联网服务。仿真结果证明了该方案在不同的通信距离下具有相对较高的网络接入成功率和较好的通信质量。     

Toward a deep CNN and RS-GOA framework for vehicle detection,traffic flow estimation,and optimal path selection from surveillance videos

Several autonomous traffic monitoring systems have been created as a result of the growing number of vehicles in urban areas. Traffic surveillance systems that use roadside cameras, in particular, are becoming widely used for traffic management. For an efficient traffic control and vehicle navigation system, accurate traffic flow information must be obtained based on the vehicles detected in surveillance videos. However, vehicles of various scales are difficult to spot in traffic surveillance videos due to the presence of barricades, other vehicles, and the impact of poor lighting. Also, adverse weather conditions like snow, fog, and heavy rain diminish the visual quality of the surveillance footage. This paper proposes multi-scale dense nested deep CNN (MSDN-DCNN) and regional search grasshopper optimization algorithm (RS-GOA) framework to accurately detect the vehicles, estimate the traffic flow, and find the optimal path with less travel time. First, the surveillance videos are pre-processed, which includes frame conversion, redundancy removal, and image enhancement. The pre-processed frames are given as input to the MSDN-DCNN for multi-scale vehicle detection. The detected results are used for vehicle counting and estimating the traffic flow. Finally, the optimal path is chosen based on the traffic flow information by using the RS-GOA algorithm. The performance of the proposed method is compared with the existing vehicle detection and path selection techniques. The results illustrate that the proposed Deep CNN-RS-GOA framework has improved performance with high detection accuracy (91.03%), high speed (53.9 fps), less running time (1,000 ms), less travel time, and faster convergence.     

基于相位信息与边缘投影的车体定位新算法

提出一种基于相位信息与边缘投影的车体定位新算法,先将RGB颜色模型与HSV颜色模型相结合,利用相位一致性检测出汽车图像中的车体边缘,再通过投影处理得到候选车体区域,然后对候选区域进行判别,最终得到车体的精确位置.实验结果表明,该算法鲁棒性强,受图像亮度、对比度和阴影的影响小,而且适用于包含多部车辆的图像,定位准确率高于其他常用算法.     

超声车辆检测的状态机算法

车辆检测现在主要应用到的有红外、地磁、视频和超声波等几种技术,它们各自都具有优缺点.文中分析并设计了一种基于HY-SRF05超声波模块的车辆检测算法：状态机检测算法.该算法能对检测车辆的阀值进行动态的更新,达到准确高效的检测效果.同时,该算法也适用于中、大型停车场的车辆诱导系统和公路上交通车流量的检测.     

基于视频的车型分类算法研究

对视频图像处理中车型分类算法涉及的摄像机标定和目标分割算法进行研究。通过摄像机标定实现像素坐标到世界坐标的映射,进而准确获取车辆长度及宽度信息。建立车辆高度信息计算模型,获得车辆高度信息。对实时视频图像进行目标分割,并通过车辆长度、高度及长高比等信息实现高速公路中车型分类。经过验证,该方法能够比较准确地进行车型分类,满足实际应用要求。     

基于QGA-Elman模型的新能源汽车充电站负荷预测

现代社会新能源汽车的利用率越来越高,很多城市都开始推广新能源汽车,政府也开始重视新能源汽车的发展。对于整个配电网来说,对短期新能源汽车充电站的负荷的预测是很有必要的。文中提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)与量子遗传算法(QGA)-Elman组合的模型对相似日新能源汽车充电站进行负荷预测。利用新能源汽车充电站所给的相似日的历史数据作为输入参数训练所建立的模型来预测次日的发电量。该组合模型在减小预测误差方面有所改进,研究的问题有一定应用价值。     

适于微小型飞行器平台的稳像算法

为解决微小型飞行器由于机械振动、气流扰动等原因引起的图像高频抖动,设计了一种适用于该平台的稳像算法。采用基于生物视觉的匹配方法估计帧间运动矢量,建立了图像参数传递的数学模型;结合微小型飞行器的运动特点,提出了带约束的交互式多模型卡尔曼滤波方法(CIMMKF),针对绝对帧位移曲线和旋转角度滤波,引入硬约束条件减小模型不准确性产生的误差,再通过软约束平滑硬约束带来的局部跳变求得图像合适的校正量。最后,给出了一种新颖的微小型飞行器平台稳像算法性能的评估方法。实验结果表明,该稳像算法能够适应飞行器多种状态的交替改变,有效减小滤波延迟,去除高频抖动,保留主动运动,使稳定后图像质量满足观察要求,具有图像信息保留程度高、速度快的特点,尤其适用于微小型飞行器实时视频稳定。     

基于激光与视觉的车辆防撞技术的研究

提出了一种基于视觉与激光测距相结合的车辆防撞技术.首先采用改进的Hough变换对车道标志线进行检测与提取,根据车辆底部的阴影特征搜寻车辆可能出现的位置;利用边缘检测排除非车辆区域;然后结合车辆在图像中的宽度,利用激光测距传感器对前方车辆动态扫描,计算出两车的车距和相对速度;最后用卡尔曼滤波算法连续跟踪检测到的车辆;实验表明:该方法能够实时有效地检测前方车辆,在高精度汽车防撞系统中具有一定的意义.