有适应力的分布式状态估计方法

为提高智能体系统对攻击的免疫力,研究了测量攻击下的适应力分布式状态估计方法。每个智能体对系统状态进行连续的本地线性测量。由于不同智能体的本地测量模型相互异构,对系统状态可能不具有本地可观测性,且攻击者能够操控部分智能体的测量数据,随意改变其测量结果。而智能体的目标是协同处理本地测量数据,并正确估计出未知的系统状态。因此,该问题的挑战在于在不对真实测量数据和恶意智能体的测量数据进行分辨时,如何设计算法估计得到真实的系统状态。为了解决这个问题,设计了适应性分布式最大后验概率估计算法。在该算法中,只要恶意智能体的数量小于某个特定值,所有智能体都能够收敛到系统状态。首先,根据卡尔曼滤波给出集中式最大后验概率(Maximum A Posteriori,MAP)估计方法,并与分布式一致性结合,进而得到分布式最大后验概率估计方法。然后,考虑到测量攻击,从估计一致性的角度,利用自适应饱和度增益设计了适应性分布式最大后验概率估计方法。最后,通过仿真实验验证算法的有效性。     

基于核密度波动的异常检测算法

异常检测是数据挖掘中的一个重要研究方向,当前大多数基于密度的异常检测算法常常基于样本分布假设,敏感于近邻参数[k]并且缺乏对集体异常点的检测能力。针对这些问题,提出了一种基于核密度估计的核密度波动算法。定义了可以综合评估数据点邻域内和邻域外核密度值波动的核密度波动因子,将其作为检测指标,并制定检测规则来识别异常点,这一指标可以综合考虑数据点的局部特征和全局特征,而且有助于发现集体异常。数据集上的实验结果表明,所提算法可以取得更好的检测结果,同时对算法参数具有相当的鲁棒性。     

深度稀疏自编码器在ECG特征提取中的应用

针对心电（ECG）信号智能分析模型中,复杂波形的特征提取困难,人工设计特征造成源信号特征丢失,标签样本不足等问题,提出了一种基于深度稀疏自编码器（Deep Sparse Auto-Encoders,DSAEs）的ECG特征提取方法。该方法在DSAEs进行贪婪逐层训练时,采用适应性矩阵估计（Adaptive moment estimation,Adam）对网络权重进行寻优,以此获得最优参数组合,同时提取出高层隐含层的输出,并作为ECG高度抽象的低维特征。最后利用支持向量机（Support Vector Machines,SVM）构建分类模型,完成对ECG的特征分类。使用MIT-BIH心律失常数据库的ECG数据进行仿真实验,结果表明,提出的ECG特征提取方法能有效地分层抽取特征,提高分类识别准确率。     

考场环境下考生视线估计方法

考生异常行为的监测容易使监考人员产生视觉疲劳。借鉴监考人员发现异常的过程,提出一种可用于考场异常行为分析的视线估计模型。为了减少图像中视线的信息损失,采用注视向量表示视线的大小和方向。该模型分为生成器、视线合成模块、鉴别器,先将考生头部图像输入生成器生成注视向量,再将头部位置和注视位置输入到合成模块得到真实注视向量。将头部图像与上述所得的两种向量输入鉴别器中,其生成对抗模式达到最优时,可得到生成真实值的生成器模型。实验结果表明,在多个考场环境中,该方法的性能优于所对比的几种方法。其中与Lian等人方法相比AUC（Area Under Curve）提高了2.6%,Ang（Angular error）和Dist（Euclidean distance）分别有效降低了20.3%和8.0%。     

基于CITAF-HAF的立方调频信号参数估计

针对立方调频（Cubic Frequency Modulated,CFM）信号的参数估计问题,提出了一种基于高阶模糊函数（High order Ambiguity Function,HAF）和相参积累三阶自相关函数（Coherently Integrated Trilinear Autocorrelation Function,CITAF）的参数估计方法。利用HAF将立方相位信号降阶为二次调频（Quadratic Frequency Modulated,QFM）信号,再利用CITAF完成参数估计。由于CITAF能够在时域和时延域完成信号能量的二维相参积累,其实现过程利用复乘、傅里叶变换和加法操作即可完成,因此该方法能够提高参数估计的分辨率和抗噪声干扰能力,并保持较低的计算量。实验结果证实了该算法的有效性和性能上的优越性。     

自适应融合特征的人群计数网络

针对人群计数方法中存在的尺度变化和多层级特征融合不佳的问题,基于U-Net的编码器-解码器网络结构,提出一种自适应特征融合网络,来进行精准的人群计数。提出自适应特征融合模块,根据解码器分支的需要,高效地聚合编码器分支提取的高层语义信息和底层的边缘信息;提出自适应上下文信息提取器,从不同感受野下提取多尺度的上下文信息并自适应加权融合,提高网络对于人头尺度变化的鲁棒性。在ShanghaiTech、UCF-CC-50和UCG-QNRF上的实验表明,与目前主流的人群计数算法相比,该算法具有更强的准确性和鲁棒性。     

基于人体姿态估计的手机使用状态监控

智能手机的日益普及给人们带来便捷的同时也带来了不少的隐患,在一些特定的场景下需要对手机的使用进行监控和限制.本文设计了一套手机使用状态监控系统,先采用YOLOv3检测图像中的人体,然后通过Open Pose姿态估计算法获得人体关节点,再通过YOLOv3判断手部区域是否有手机,最后通过神经网络分类器识别当前的手机使用状态.系统的应用测试表明该方案具有良好的检测与识别效果,能够满足相关场景的应用需求.     

Fault estimation for aero‐engine LPV systems based on LFT

In this paper, a fault estimator with linear fractional transformation (LFT) parameter dependency is designed for the linear parameter‐varying (LPV) system of the aero‐engine with both sensor and actuator faults under disturbances. After an aero‐engine affine parameter‐dependent LPV model is derived by the linear fitting method and matrix pseudo‐inverse method, the LPV model with disturbances and fault signals is transformed into a LFT structure. Based on the full block S‐procedure, the sufficient condition for the existence of the fault estimator is proposed, which can lead to less conservative results. Then the fault estimator design algorithm which can adjust to the current system dynamic adaptively is presented. Finally, a fault estimator is designed for a turbofan aero‐engine under multiple types of faults and disturbances to demonstrate the effectiveness of the proposed method.     

Probabilistic observation model correction using non-Gaussian belief fusion

This paper presents a framework for state estimation which tolerates uncertainty in observation model parameters by (1) incorporating this uncertainty in state observation, and (2) correcting model parameters to improve future state observations. The first objective is met by an uncertainty propagation approach, while the second is achieved by gradient-descent optimization. The novel framework allows state estimates to be represented by non-Gaussian probability distribution functions. By correcting observation model parameters, estimation performance is enhanced since the accuracy of observations is increased. Monte Carlo simulation experiments validate the efficacy of the proposed approach in comparison with conventional estimation techniques, showing that as model parameters converge to ground-truth over time, state estimation correspondingly improves when compared to a static model estimate. Because observation models cannot be known with perfect accuracy and existing approaches do not address parametric uncertainties in non-Gaussian estimation, this work has both novelty and usefulness in most state estimation contexts.     

一种割草机无刷电机高频注入启动策略研究

针对割草机电机在启动过程中转子定位精度低,加速阶段稳定性差等问题,提出了一种手推式割草机的无感无刷电机高频方波注入启动策略;采用将割草机电机的启动分为低速和高速两个阶段的方法,在不同采样点提取αβ轴系下的高频响应电流,用于转子位置估计,该方法无需滤波器,降低了位置估计误差;文章还在正负脉冲注入的基础上,提出了一种在电机首次启动时d轴极性的判断方法;利用STM32F302芯片搭建硬件实验平台,实验结果表明:改进的脉冲注入转子极性判别方法,能够准确判断转子极性,利用优化后的综合电流处理策略能有效地进行转子位置估计,提高精准度,符合割草机电机启动的要求.