改进的免疫粒子群算法在TDOA定位中的应用

针对无线传感器网络中的TDOA节点无源定位估计中的非线性优化问题,提出了一种改进的免疫粒子群优化(Immune Particle Swarm Optimization, IPSO)的TDOA定位算法。该算法在自适应粒子群算法的基础上,引入免疫过程,增加了粒子种群的多样性,平衡局部搜索能力和全局搜索能力,有效地解决粒子易陷入局部最优问题,更快收敛到全局最优解。仿真结果表明,提出的算法相比于标准粒子群算法、自适应粒子群算法、Chan算法,当基站数量仅为4～5个、半径达到100 m时定位精度仍然较高,当加入随机噪声时,性能更加稳定,鲁棒性较好。     

基于场景模态深度理解网络的单目图像深度理解

基于深度卷积神经网络的图像处理方法得到的单目深度图像质量远高于传统图像处理方法,但该方法对无用特征的训练易产生误差积累,且基于回归求解的连续深度距离预测精度较低,导致图像深度信息提取不精确、目标边缘模糊与图像细节缺失.提出一种应用于单目彩色图像的场景模态深度理解网络.建立以堆叠沙漏为主框架的网络模型,通过反复进行自下而...     

基于Matlab的电动汽车CAN总线数据分析方法

比较了几种主流的CAN总线测试与分析软件及其开发工具,并介绍了一种基于Matlab环境的CAN总线数据分析程序设计方法。通过使用M语言编程实现CAN报文的导入、解析、图形化显示和数据输出等功能,适用于各种CAN通信协议,可解析发送到CAN总线上的任何信息,方便进行数据的后期处理。     

基于GPS/INS的自适应无迹Kalman滤波算法

载体的姿态参数是导航系统重要的影响因素,为提高姿态角测量精度,以INS和GPS紧组合导航系统为研究背景,针对无迹Kalman滤波算法对误差模型较敏感、新息噪声干扰数据需预处理、算法实效性低等缺点,提出改进的自适应无迹Kalman滤波算法.首先,用自适应窗口在线估计系统噪声和量测噪声的协方差值,得到与实际噪声更贴近的统计特性,减小数据预处理的干扰;其次,对状态预测方差阵引入次优渐消因子减少计算量,同时为了减少模型的精度损耗,对滤波过程引入统计量,确定模型不确定性检测阈值;最后,用扩展Kalman滤波、无迹Kalman滤波和改进后的新滤波算法对无人机航向轨迹进行数据处理.结果分析可得,改进的滤波融合算法能将姿态的测量精度提高到0.1°,具有更强的收敛性,能较好地抑制漂移误差.     

基于激光雷达数据阴影处理和图像融合的地物分类方法

城市可见光图像中高大的建筑和树木造成的阴影及部分树木区域出现的颜色失真问题使得传统的颜色量化方法不能准确描述地物谱差异,最终导致分类精度下降。针对可见光图像中的阴影和颜色失真问题提出了一种改进办法:第一阶段针对阴影导致的被掩盖区域谱信息缺失问题,对阴影区域进行采样、分析,通过双阈值提取阴影区域并以面向对象分类方法获得绿色区域阴影。第二阶段通过融合树木区域在多源信息[激光雷达强度、多次回波的数字表面模型(DSM)]中的差异特征,剔除冗余,获取准确的树木区域,弥补颜色失真使得树木区域提取不完全的缺陷。实验结果与人工获取的真实数据对比显示,该方法与传统的Dempster-Shafer(D-S)证据理论融合方法相比,分类精度有了明显的提高。     

基于阿里云平台的猪场环境监测系统设计

针对现有规模性生猪养殖场环境监测系统中普遍存在的监测有害气体种类单一、缺乏对环境风险的整体评估的缺点,本文设计了一种基于阿里云的养殖场多组分有害气体及温湿度监测系统,设备主机端在采集计算当前区域中多种有害气体浓度后使用轻量级物联网MQTT协议将数据回传到物联网平台端,物联网平台端进行实时数据展示、数据存储并结合综合环境评估体系对环境进行评分,经测试系统可以满足规模性生猪养殖场对于环境监测系统可靠性、实时性和稳健性的需求。     

基于残差图卷积神经网络的高倍欠采样核磁共振图像重建算法

磁共振成像（MRI）因其无创伤和较高的软组织对比度而被广泛地用于复杂疾病诊断。目前多通过在k空间高倍欠采样磁共振（MR）信号解决MRI速度较慢的问题,然而代表性算法重建高倍欠采样的MR图像时往往存在细节模糊的问题。因此,提出一种基于残差图卷积神经网络（RGCNET）的高倍欠采样MR图像重建算法。首先,使用自编码技术与图卷积神经网络（GCN）构建生成器;其次,将欠采样图像输入特征提取（编码）网络中从底层提取特征;接着,通过GCN块提取MR图像的高层特征;然后,通过解码网络生成初始的重建图像;最后,经过生成器和鉴别器的动态博弈得到最终的高分辨率重建图像。在FastMRI数据集上的测试结果表明,与基于空间正交注意力机制的MRI重建算法SOGAN(Spatial Orthogonal attention Generative Adversarial Network)相比,在10%、20%、30%、40%和50%的采样率下,所提算法在标准均方根误差（NRMSE）指标上分别下降了3.5%、26.6%、23.9%、13.3%和14.3%,在峰值信噪比（PSNR）指标上分别提升了1.2%、8.7%、6...     

理工融合在复合型人才培养中的作用和实践研究

培养综合素质强的复合型人才是大学教育的重要目标,阐明了理工融合对提高复合型人才综合素质的推动作用,将理工融合理念融入大学教育教学,在人才培养的各个过程实践理工融合具有很强的现实意义。     

基于压缩感知的鲁棒性目标跟踪

压缩感知算法能有效地实时跟踪视频目标,但由于无法对目标特征最优选取,且样本搜索中心由上一帧目标位置所确定,其鲁棒性不高.鉴于此,提出了一种基于压缩感知的改进算法.该算法将meanshift算法与压缩感知算法相结合,从meanshift算法中获得最佳候选区域中心作为压缩感知算法的样本搜索中心,跟踪过程中通过在线特征选择训练的分类器确定最终目标位置.实验表明,改进后的算法不仅在背景干扰大时跟踪精度更高,而且当目标受到遮挡后,也能稳定地跟踪目标.     

基于MODIS数据的大尺度作物遥感监测综述

我国幅员辽阔,作物种类丰富,如何及时、客观、准确地收集我国作物信息,对科学指导农业发展具有重要的意义.本文以MODIS数据为主要信息源,以农作物的波谱特性和生物学特性机理为基础,开展利用MODIS数据的高光谱多时相及免费获取的优势,进行大尺度农情遥感监测研究,发展了适用的模型和算法,实现大尺度主要作物类型信息的遥感提取和产量遥感估算,提高了农作物遥感定量精度,并探讨了基于MODIS数据的全球农作物遥感监测的现状.同时,针对大尺度农情遥感监测中涉及的农业气候环境网格信息系统做了初步尝试.