基于二元传感器网络的多源定位研究

针对多源定位模型计算比较复杂的情况,基于Neyman-Pearson准则对二元传感器网络的多源探测模型进行了研究,然后在2个信号源的情况下,提出利用Fisher准则将传感器分为两部分,每部分传感器与相应信号源对应,并在此基础上提出利用加权减负加正(WSNAP,weighted subtract on negative add on positive)算法对多信号源进行定位计算。仿真结果表明:Fisher准则能以较高的正确率的将报警传感器分为两部分;与质心算法和加正(AP,add positive)算法相比较,所提出的方法计算复杂度较低、定位精度更高,并利用数据库对文中的结论进行了验证。     

基于时-频分析的步态模式自动分类

针对不同路况和运动模式下的高维、非线性、强耦合和高时变下肢加速度信号的识别问题,提出了一种基于时——频分析的步态模式自动分类方案.利用三轴加速度传感器采集运动时小腿在矢状面、冠状面和横切面的加速度信号,利用五阶Daubechies小波基对其进行特征提取,并采用线性判别式分析进行降维,最后利用决策树和支持向量机对得到的精简步态特征进行模式分类.实验结果显示两种分类器的总体分类准确率均达到90%以上,个别步态分类可达到100%,验证了特征提取和降维方法的合理性和有效性.     

改进的温度控制算法在微机中的实现

讨论在温度控制系统中改进的PID算法和大林算法,分析PID控制器用于温度控制存在的问题,并提出了相应的改进措施,讨论了采用周期的选择。     

基于视觉显著性特征的快速场景配准方法

视觉显著性特征是模拟生物视觉注意力选择机制的一种具有较好的鲁棒性与不变性的视觉特征。基于视觉显著性特征提出了一种快速的场景配准方法。该方法采用调幅傅里叶变换构造视觉显著性映射;通过对显著特征局部极值特性以及信息丰度的分析,实现显著点的粗定位、预选择与可信度排序;通过图像形态学操作,实现了显著场景区域的生长与合并。在此基础上,提出了SSIFT(saliency scale invariant feature transform）算法,从而减少了场景分类算法的计算量。利用本文方法对美国南加州大学的场景数据库进行测试,实验结果表明这种方法提取的SSIFT特征对于图像的平移、旋转以及光照等变化具有良好的不变性;与经典SIFT算法相比,该方法在计算速度上具有明显的优势,并在识别率上也略优于SIFT算法。     

疲劳驾驶监控中人脸检测与定位方法

目的为了正确检测和定位人脸区域,提高疲劳驾驶监控中人脸检测与定位方法的准确率和实时性.方法结合肤色分割、模板匹配,改进连通区域划分算法实现对戴眼镜人脸的检测与定位.结果实验结果表明,肤色分割改进算法能对不同复杂程度背景的人脸图像正确的检测与定位,正确率达到97.7%.结论该算法能在不同光照条件和复杂程度背景下,检测并定位人脸区域,实时性好,准确率高,对戴眼镜情况时也能检测定位成功.     

基于无线传感器网络技术智能家居报警系统设计

目的 针对无线传感器网络技术和智能家居报警的特点,研究一种基于无线传感器网络技术的智能家居报警系统.方法 通过搭建该报警系统结构框图,设计了报警系统的网络节点,利用许可证技术来保证信息的传输准确.结果 通过软硬件的结合,设计了报警系统的软件,给出了报警系统的网络节点硬件设计方法,采用的许可证技术提高了报警信息传送的安全性和准确性.结论 实验表明,该系统使用方便、稳定可靠,有一定的实用价值.     

机器人神经网络控制研究进展

介绍神经网络理论在机器人控制与应用中的研究进展,讨论具有代表性研究成果的特点与局限性,并提出可能的研究方向。     

神经网络芯片研究进展

本文讨论了神经网络芯片的研究进展,重点介绍具有代表性神经网络芯片的结构、功能及应用领域,分析芯片的特性,并讨论了神经网络芯片研究的发展趋势。     

联合多任务学习的人脸超分辨率重建

目的 人脸超分辨率重建是特定应用领域的超分辨率问题,为了充分利用面部先验知识,提出一种基于多任务联合学习的深度人脸超分辨率重建算法。方法 首先使用残差学习和对称式跨层连接网络提取低分辨率人脸的多层次特征,根据不同任务的学习难易程度设置损失权重和损失阈值,对网络进行多属性联合学习训练。然后使用感知损失函数衡量HR（high-resolution）图像与SR（super-resolution）图像在语义层面的差距,并论证感知损失在提高人脸语义信息重建效果方面的有效性。最后对人脸属性数据集进行增强,在此基础上进行联合多任务学习,以获得视觉感知效果更加真实的超分辨率结果。结果 使用峰值信噪比（PSNR）和结构相似度（SSIM）两个客观评价标准对实验结果进行评价,并与其他主流方法进行对比。实验结果显示,在人脸属性数据集（CelebA）上,在放大8倍时,与通用超分辨率MemNet（persistent memory network）算法和人脸超分辨率FSRNet（end-to-end learning face super-resolution network）算法相比,本文算法的PSNR分别提升约2.15 dB和1.2 dB。结论 实验数据与效果图表明本文算法可以更好地利用人脸先验知识,产生在视觉感知上更加真实和清晰的人脸边缘和纹理细节。     

支持向量机和水平集的高分辨率遥感图像河流检测

河流是重要的地理结构特征,对河流进行检测识别研究,在军事上和民用上都具有十分重要的意义.提出了一种基于支持向量机(SVM)和水平集的高分辨率遥感图像河流检测算法.首先根据高分辨率遥感图像河流目标的特点,采用样本图像的纹理特征和基准点信息扩散特征构造特征向量,并基于样本训练支持向量机分类器实现河流目标的粗分割;然后以粗分割结果为基础,采用距离正则化水平集演化(DRLSE)模型提取河流的精确轮廓,获得完整的河流区域.以1 m分辨率的IKONOS图像进行实验验证,结果表明本文算法准确性高,灵活性强,可以在复杂背景下准确地检测河流目标区域,在实践中具有广泛适用性.