基于EM的多目标跟踪算法

为了提高多目标跟踪的鲁棒性,增强目标之间的区别性,使用了一种基于能量最小化(energy minimization,EM)的多目标跟踪算法,不同于现有算法,本算法专注于将多目标跟踪中的复杂问题表示为能量函数的模型,模型中包括了更优的目标区分策略(相似度模型)。通过将每个能量函数成本值对应一个多目标的跟踪轨迹方案,算法将多目标跟踪问题转化为能量最小化的问题。在能量函数模型的优化方法上,算法采用共轭梯度算法和一系列的跳转运动来找到能量最小的值。公开数据集的实验结果证明了本算法的有效性,而且定量分析结果证明了本算法提高了目标与背景、目标之间的相互区别性从而与其他算法相比能获得更好的鲁棒性能。     

PC机与多台单片机串行通讯

介绍了一种利用单只RS232C口实现PC及兼容机与MCS—51系列单片微机多机串行通讯接口硬件及通讯规约。这一电路简易实用,经济可靠。     

分布式微机系统在粮情监控中的应用

介绍了利用分布式微机系统原理组成的大型粮库粮情监控系统的研制情况。着重讨论了该系统的组成原理、通讯接口和通讯程序设计方法。     

Delphi技术在测试软件中的应用

详细介绍了用Ｂｏｒｌａｎｄ Ｄｅｌｐｈｉ３．０开发自动测试系统过程中的一些高级技术的应用,这些技术包括：动态封面的动作;动画的生成和播放;利用多媒体控件实现语音提示,数据库的组建,添加和删除;ＤＬＬ的调用;引进ＭＳＣｏｍｍ３２．ＯＣＸ实现串行通信。     

一种改进型的时空混合高斯背景建模

针对单固定摄像机的环境,提出一种结合三帧差法的时空混合高斯背景建模方法,改善了传统混合高斯背景建模只考虑单个像素在时间上的特性而忽略相邻像素空间上的相关性,从而对非平稳场景较为敏感的缺点。对于状态变化频繁的点,让其取邻域内的稳定点的灰度值,再与三帧差法的结果进行或操作。实验结果表明,与经典混合高斯背景方法相比,本文的方法能够有效改善背景中出现的非平稳波动,检测出的目标也更完整,并且对阴影的影响,也有一定的抑制作用。     

数字摄像法测量白天能见度算法设计

数字摄像法测量白天大气能见度,常用的方法是双亮度差法,此方法需尽可能保证标准的观测条件,例如两组目标-背景视线方向一致,尽量选择观测反射率低得可以忽略的人工实用黑体目标物等,否则会产生较大的误差。为此设计了一种新的基于数字摄像机的白天能见度算法:拍摄包含合适的目标物和天空背景图像,通过暗原色先验估计透射率,通过调节光圈大小获得散焦图像,把S变换应用到图像处理中,计算视觉距离,可以得出大气消光系数,从而反演出大气能见度值。实验数据表明,该算法在能见度的值在4 000~8 000 m范围内最大误差小于9%,测量结果比双亮度差方法误差减小2.1%~3.4%。     

基于单势阱随机共振的多频周期微弱信号检测

经典随机共振（SR）应用于微弱信号检测,在取得较好效果的同时也带来了最佳系统参数调节困难的问题.单势阱随机共振（SSR）只需调整一个系统参数,更容易调整系统到最佳状态.在研究了单势阱随机共振理论基础上,对多频周期信号加上与实际更为接近的色噪声,采用互相关系数作为测度指标,运用自适应方法寻找系统最优参数后,系统设置该参数,从待测信号中检测出多频周期微弱信号.实验结果表明单势阱随机共振对多频周期微弱信号具有较好的检测效果.     

自适应UKF在北斗伪距定位中的研究

针对北斗伪距定中噪声统计特性未知或者不准确带来的定位精度不高问题,为减小噪声统计特性的不准确在滤波过程中对状态估计带来的影响,采用了无迹卡尔曼滤波(UKF)和噪声统计值估计器相结合的滤波方法,该方法在UKF中引入改进的噪声估计Sage-Husa算法,对系统噪声和观测噪声进行实时估计,抵抗不准确噪声在定位解算时带来的误差;最后在进行状态更新时引入一个收敛因子对每一次滤波状态进行更新,保证算法的收敛性。实验结果表明,该方法与传统的无迹卡尔曼滤波相比,在提升算法收敛速度的同时,将伪距定位的精度提高了40%左右,可用于带有时变噪声和未知噪声的定位系统中。     

多尺度卷积神经网络检测睡眠呼吸暂停

睡眠呼吸暂停综合征作为一种常见的与睡眠相关的呼吸障碍性疾病,受到众多的关注。由于其复杂的检诊断过程及昂贵的价格,吸引了众多研究学者探索基于单通道信号的快速、便捷检测方法。基于心电信号(ECG)提出了一种多尺度卷积神经网络睡眠呼吸暂停快速检测方法,与常规的单尺度卷积神经网络方法相比,该方法可以有效地结合信号的细节信息和抽象信息,提升卷积神经网络的特征呈现能力。通过PhysioNet提供的Apnea-ECG数据库进行验证,多尺度卷积神经网络获得了85.2%准确率、83.1%敏感性和86.5%特异性。与现有方法相比,该方法进一步提升了睡眠呼吸暂停的检测性能。