Quantized output feedback stabilization of uncertain systems with input nonlinearities via sliding mode control

This paper is concerned with the quantized output feedback stabilization problem for a class of uncertain systems with nonsmooth nonlinearities in the actuator device via sliding mode control schemes. It is assumed that system signals are quantized before being transmitted through communication channels. First, a dynamical compensator is developed to estimate unmeasurable system state. Then a sliding surface, in the augmented space using the system output and the estimated state, is proposed, and an adaptive sliding mode control scheme with a static adjustment law of the quantization parameter is established. It is shown that the proposed quantized feedback control strategy is able to tackle parameter uncertainty, external disturbances, and nonsymmetric input nonlinearity simultaneously and guarantees the reachability of the sliding modes of the uncertain system. Finally, an example is given to verify the validity of the theoretical results. Copyright © 2012 John Wiley & Sons, Ltd.     

一种基于复合混沌序列的扩频水印算法*

提出了一种安全性高的DWT（discrete wavelet transform）域鲁棒性扩频水印算法。该算法用Arnold变换对水印置乱,而后基于复合混沌二值序列对水印图案信号进行加密和扩频,并给出了一种小波域中量化步长的自适应确定方法,通过奇偶量化的方法将二值水印比特批量嵌入到载体的频域系数中。复合混沌密钥的使用与小波域系数修改的隐蔽性,增强了水印算法的安全性,基于混沌序列扩频码的扩频水印技术增强了水印的鲁棒性,同时很好地兼顾了水印的不可见性,并且实现了水印信息的盲提取。     

基于十进量化的SPIHT算法改进

通过对SPIHT算法进行研究,提出了十进量化的SPIHT算法,同时对SPIHT算法的精细扫描过程进行优化,降低了编解码的复杂度.通过MATLAB软件仿真,实验结果表明,在相同的压缩比限定下,十进量化的SPIHT算法重建图像的峰值信噪比多数时候优于SPIHT算法,编解码耗时相当.     

基于LVQ神经网络的城市快速路事件自动检测算法

基于具有自组织功能的学习矢量量化(LVQ)神经网络设计了城市快速路异常事件的自动检测算法,提出分车道检测的构想。研究了原始数据筛选、输入向量模式、神经元个数及检测时段等参数的选择。基于小波分析技术对原始数据的高频噪声进行滤波,引入长车流量作为输入参数,并对比了引入前后的检测效果。选用加利福尼亚算法作为评价的参考依据,对其执行过程和门限值的选择进行了研究。     

一种格缩减辅助MIMO检测的非线性量化算法

针对格缩减辅助MIMO检测中,采用格缩减技术后导致星座畸变,引起变换域信号非线性联合量化复杂度高的问题,提出了一种排序反馈的非线性量化算法。该算法同时考虑了变换星座的边界和各元素之间的相关性,且根据量化误差的大小选择信号元素量化判决的顺序,依次量化判决信号的各个元素。仿真证明,基于该算法的格缩减辅助MIMO检测其性能要优于无排序反馈量化和逐元素独立量化的格缩减辅助MIMO检测,且能很好的逼近最大似然检测的性能,在平坦块衰落信道下,算法复杂度为多项式复杂度。     

基于一次反馈的色彩-空间图像检索技术研究

基于颜色-空间二维直方图的图像检索方法简便易行,检索效率较高,但此方法对图像主体的检索不够突出,对检索精度造成了一定的影响.基于一次反馈的色彩-空间图像检索技术,在传统的色彩-空间的图像检索技术中加入了检索者对于检索结果的判断,通过检索者的一次反馈要求,选择是否进行图像的二次筛选,即结合人的智能识别来提高搜索精度,从而...     

基于模糊层次分析法综合评判工会竞赛成绩

为综合评判工会组织的各项竞赛活动的成绩,提出了基于模糊层次分析法的综合评判措施,主要包括竞赛项目权重的确定、竞赛成绩的量化和综合评判等过程.实际应用表明,模糊层次分析法可以最大限度减少主观因素对评价结果的影响,合理地确定各项赛事在工会竞赛活动中的权重,结合竞赛成绩的量化矩阵,使得综合评价结果科学、可信.     

基于对比学习的无监督三元哈希方法

为了解决现有无监督二元哈希方法由于存在较大量化损失而导致检索精度较低的问题,在CIBHash方法的基础上,提出了一种新的基于对比学习的无监督三元哈希方法——CUTHash,将三元哈希编码用于图像检索。具体来说,首先,使用融合了解耦对比损失的对比学习框架,在目标数据集上进行无监督的图像特征学习;接着,为了得到三元哈希编码,对学习到的图像特征使用平滑函数进行量化操作,解决离散函数量化后导致的零梯度问题;最后,应用改进后的对比损失,约束同属一张图像的增强视图的特征在哈希空间中尽可能地接近,从而使得三元哈希编码具有一定的辨识力,使其更好地应用于无监督图像检索任务。在CIFAR-10、NUS-WIDE、MSCOCO以及ImageNet100数据集上进行了大量对比实验,取得了较当前主流的无监督哈希方法更好的检索性能,从而验证了CUTHash方法的有效性。     

面向车规级芯片的对象检测模型优化方法

卷积神经网络复杂的网络结构使得模型计算复杂度高,限制了其在自动驾驶等实际终端场景中的应用。针对终端场景下的计算资源受限的问题,本文从轻量化深度模型设计和车规级芯片模型部署验证两方面进行研究。针对深度模型计算效率和检测精度的矛盾,本文设计了基于中心卷积的轻量化对象检测模型,实现功耗低且精度高的模型性能。进一步,本文基于量化感知训练的模型加速部署方法在车规级芯片上开展了系统级部署验证,在车规级芯片tda4上成功实现了高效的对象检测模型,在自动驾驶场景中取得了良好的性能。     

岷江全流域水资源量化配置研究

针对岷江流域的生态功能,本文采用多准则的层次分析法,构建了社会发展、经济发展和生态保护三维度的评价指标,以流域内行政区域作为分配对象,建立了科学合理的岷江流域水资源量化分配模式。结果表明:水资源分配不但要根据区域用水量、经济总量等社会、经济指标,也要根据生态保护的量度来进行相应的补偿,才能使水资源量化分配模型更加科学合理,各方均可接受,从而使得流域水资源的利用具有可持续性。