改进多目标帝王蝶算法

帝王蝶优化算法结构简单,能够较好的完成寻优搜索要求,但在多目标问题上,算法的精度和非支配解的分布性较差.针对以上不足之处,本文提出一种改进型多目标帝王蝶算法(Improved multi-objective monarch butterfly algorithm,IMOMBO),对非支配解进行拥挤度排序,所有非支配解个体都以当前最优个体为中心点映射镜像点,并朝向镜像点奔袭,以此增加个体在Pareto前沿上的收敛性和算法精度.在算法迭代后期,对部分较优个体进行Logistic混沌映射,以改善个体在Pareto前沿上的分布性.随机选用ZDT和DTLZ测试函数集中的函数进行算法性能验证,实验结果证明,本算法可以很好地保证非支配解个体的收敛特性和分布特性.     

SAR成像应用特征分析及硬件设计空间讨论

合成孔径雷达SAR是一种主动式的对地观测系统.近年来SAR逐渐朝着多平台化发展,陆续出现了在无人机、探测车等小型移动平台上.SAR成像是运行在SAR上的成像程序,由于新的特殊运行环境的出现、其对低能耗和高算力有了更严格的要求.如何针对特定的平台,提供高性能、低功耗的应用支持,便成为其核心要点.对SAR成像计算和访存等特征进行了分析,针对性地进行了程序优化并测试了该程序在x86平台上的性能,以获得可靠的性能参考.在此基础上,面向DSP+FFT加速器的硬件结构,构建了一个算力配比数学模型,为硬件设计提供解决方案.     

面向新一代智能电表的微电流指纹自动配对技术

针对智能电表与表后断路器大多依赖人工掌机扫码进行配对,配对过程过度依赖人工,成本高,且容易发生误配对串户等问题,提出了面向新一代智能电表的微电流指纹自动配对技术。该技术通过在蓝牙断路器内置开关电容模块和编码电路,将配对特征码信息调制成无功电流信号,利用电力线传输至智能电表,并与蓝牙断路器广播发送的配对特征码信息进行比对,从而实现智能电表与表后断路器的自动配对。该配对过程无需依赖人工,极大地降低了人工成本,提高了配对的准确性。最后,实验验证了所提的微电流指纹自动配对技术的正确性和有效性。     

基于计算机视觉算法的视频智能监控与跟踪系统研究

本文基于计算机视觉算法设计了视频智能监控与跟踪系统.以OpenCV计算机视觉库、Visual Studio与MFC框架开发并实现了系统.首先设计系统整体框架,其次着重分析视频数据预处理,再次以高斯混合背景差分法提取目标,通过阈值二值处理与背景相分离,然后以Camshift与卡尔曼滤波跟踪目标并发出告警提示,最后系统实现结果表明,基于高斯混合背景差分法进行运动目标提取,并通过阈值二值处理,可准确可靠地与背景相分离,目标检测效果显著;可及时准确触发告警机制,发出告警提示信息.     

Nonsmooth spatial frictional contact dynamics of multibody systems

Multibody System Dynamics - Computational prediction of 3D crutch-assisted walking patterns is a challenging problem that could be applied to study different biomechanical aspects of crutch walking...     

Observer‐based compensation control of servo systems with backlash

For compensating backlash phenomenon in servo systems, the authors propose an observer method in this paper to estimate both system states and vibration torque before controller design. First, a systematic scheme is given to obtain plant parameters, which is very important in observing system states. This is a parameter estimation principle that gives a crude estimation and computes the differences between the crude and true values. As a result, the precise value of the parameters is obtained by adding together the crude value and the difference. Then, based on the precise estimated parameters, an extended state observer (ESO) is designed to obtain feedback and feedforward signals. Consequently, robust compensation control is achieved by designing an output feedback controller, consisting of a feedback term and a feedforward term. Finally, in order to validate the proposed approach, extensive experiments are performed on a practical servo system with backlash nonlinearity.     

融合UWB与INS的消防员室内定位与NLOS检测算法

融合超宽带（UWB）和惯性导航系统（INS）能够实现消防员室内精确定位。为实现UWB的非视距（NLOS）误差检测,设计一种双级EKF框架。该框架以松耦合形式实现UWB/INS的数据融合,通过INS获取的初始位置估计坐标以检测UWB测量值的NLOS误差,根据检测结果计算残差矩阵来动态调整融合滤波器的测量噪声矩阵,以达到缓解NLOS误差的目的。实验结果表明,与三角不等式原理检测算法和无NLOS检测的UWB/INS简单融合算法相比,所提NLOS检测算法具备良好的检测能力、较强的稳定性及较高的定位精度。     

基于国产处理器增量式实时交通流预测算法及实现

针对城市交通难以处理大量数据且实时性差等问题,提出了根据增量式城市交通流数据预测拥堵情况的一种基于国产处理器的L-BFGS(limited-memory BFGS)算法。该算法通过存储向量序列计算Hessian矩阵,改进Two-Loop算法求下降方向,在Spark集群中并行处理时收敛速度快,适用于实时性要求强的城市交通场景。实验结果证明,L-BFGS预测算法完全可以在国产平台上对大规模的实时交通数据流进行快速建模、预测,在改善城市交通管理水平提供有效支撑的同时也丰富了国产芯片的应用领域。     

基于部分加权损失函数的RefineDet

针对目标检测网络单阶改进目标检测器（RefineDet）对类间不平衡数据集中小样本类别检测性能差的问题,提出一种部分加权损失函数SWLoss。首先,以每个训练批量中不同类别样本数量的倒数作为启发式的类间样本平衡因子,对分类损失中的不同类别进行加权,从而提高对小样本类别学习的关注程度;然后引入多任务平衡因子对分类损失和回归损失进行加权,缩小两个任务学习速率的差异;最后,在目标类别样本数量存在大幅差异的Pascal VOC 2007数据集和点阵字符数据集上进行实验。结果表明,与原始RefineDet相比,基于SWLoss的RefineDet明显提高了小样本类别的检测精度,它在两个数据集上的平均精度均值（mAP）分别提高了1.01、9.86个百分点;与基于损失平衡函数和加权成对损失的RefineDet相比,基于SWLoss的RefineDet在两个数据集上的mAP分别提高了0.68、4.73和0.49、1.48个百分点。     

基于检测与跟踪相互迭代的极暗弱目标搜索算法

针对极低信噪比（LSNR）情况下暗弱运动目标和背景噪声的强度难以区分的问题,提出了一种基于检测与跟踪相互迭代的极暗弱目标搜索算法,总体上采用将时域检测与空域跟踪的过程联合、迭代进行的新型策略。首先,在检测过程中计算检测窗口内信号片段与已经提取的背景估计特征的差别;然后,在跟踪过程中运用动态规划算法保留使得轨迹能量累积最大的轨迹;最后,自适应地调整下一检测过程中被保留轨迹的检测器阈值参数,使该轨迹内的像素能以更宽容的策略被保留到下一检测跟踪阶段。实验测试结果表明,所提算法可以在1%~2%的虚警率和约70%的检测率下探测到低至0 dB的暗弱运动目标。可见该算法可有效改善对LSNR暗弱目标的检测能力。