基于卡尔曼过滤的多传感器协作数据重构算法研究

本文针对多传感器系统存在的数据易丢失、易受干扰和易失真等问题,在卡尔曼过滤的基础上结合协同合作方式提出了一种协作数据重构算法。该算法从一阶线性化、二次加权突变平滑和随机统计特征等方面出发建立了适用于多传感器系统的卡尔曼过滤算法,然后基于中继转发信号和自适应感知时间间隙,给出了协作数据重构多传感器系统协同过程控制算法。数学分析和实验结果表明,所提算法与压缩感知重构算法相比在监测数据准确度、均方差、功耗和能耗等方面表现出优势。     

云化SFT下的径集域与割集域的重构与研究

为了克服原有SFT体系中径集域和割集域处理具有模糊性、随机性和离散性故障数据能力不足的问题,使用云模型和SFT相结合的方法来解决该问题。首先使用云模型云化SFT特征函数,得到云化特征函数,进而云化径集域和割集域,最终得到云化径集域和云化割集域。云化径集域和云化割集域没有严格的分界线,分布区域是通过云滴表示的。若云滴表示的元件/系统故障概率小于P_b,这些云滴存在的区域即为云化径集域;反之大于P_b的云滴存在的区域为云化割集域。通过实例分析了元件X₁和系统的云化径集域和云化割集域,得到了他们适合工作的环境因素变化范围组合。分析过程和结果表明云化径集域和云化割集域能克服原始故障数据的不确定性。     

WSN中基于压缩感知的高能效数据收集方案

可靠高效的数据收集是无线传感器网络（Wireless sensor networks,WSN）应用中的关键问题.然而,由于无线通信链路的高失效率、节点资源受限以及环境恶劣等原因,网络容易发生丢包问题,使得现有的数据收集方法无法同时满足高精度和低能耗的要求.为此,本文提出了一种基于压缩感知的高能效数据收集方案.该方案主要分为节点上的数据处理和数据收集路径优化两个步骤.首先设计了基于指数核函数的稀疏矩阵来对感知数据进行稀疏化处理,然后综合考虑了数据的传输能耗和可靠性等因素,采用分块矩阵的思路,将单位矩阵和准循环低密度奇偶校验（Low density parity check,LDPC）码的校验矩阵相结合构造了测量矩阵,并证明了它与稀疏矩阵之间满足限制等距性质（Restricted isometry property,RIP）.最后,将数据收集路径优化问题建模为哈密尔顿回路问题,并提出了基于树分解的路径优化算法进行求解.仿真结果表明,在网络存在丢包的情况下,本文方案仍然能够保证数据收集的高精确度,相比于其他数据收集方案而言,本文方案在数据重构误差和能耗方面的性能更优.     

Nonlinear aircraft sensor fault reconstruction in the presence of disturbances validated by real flight data

This paper proposes an approach for Inertial Measurement Unit sensor fault reconstruction by exploiting a ground speed-based kinematic model of the aircraft flying in a rotating earth reference system. Two strategies for the validation of sensor fault reconstruction are presented: closed-loop validation and open-loop validation. Both strategies use the same kinematic model and a newly-developed Adaptive Two-Stage Extended Kalman Filter to estimate the states and faults of the aircraft. Simulation results demonstrate the effectiveness of the proposed approach compared to an approach using an airspeed-based kinematic model. Furthermore, the major contribution is that the proposed approach is validated using real flight test data including the presence of external disturbances such as turbulence. Three flight scenarios are selected to test the performance of the proposed approach. It is shown that the proposed approach is robust to model uncertainties, unmodeled dynamics and disturbances such as time-varying wind and turbulence. Therefore, the proposed approach can be incorporated into aircraft Fault Detection and Isolation systems to enhance the performance of the aircraft.     

基于联合特征匹配的多视角三维重建方法

本研究提出了一种基于角点与直线联合特征的三阶段匹配算法,依次经过相关匹配、松弛迭代匹配和最小平方中值法匹配三个步骤,并与此同时加入限定图像匹配区域、添加手工匹配点对以及局部直线匹配三个人机交互环节,将局部坐标系中得到的数据点进行三维数据融合到一个坐标系中,能较好解决视差不连续区域和遮挡区域的误匹配问题.实验证明该算法具有良好的运行效率和稳定性,能够对非平面物体进行精确三维重建并实现多视角显示.     

牙颌点云数据的显著性特征提取

随着激光扫描测量技术的发展,其数据测量精度的逐渐增高使得获取的几何模型表面点云数据的细节信息越丰富,能更准确的反应物体几何表面特征,但如此海量的点云数据同时也带来对应的技术挑战,海量的点云数据在计算机文件存储、数据后期进一步处理以及软件可视化方面都不方便且效率低下.本文中的算法首先采用栅格法对点云进行空间划分及领域关系的建立,其次利用局部表面拟合的方法估算点云法向量,然后利用点云K领域法的向量求解坐标点的显著性值,最后根据显著性的值构建点云八叉树.该算法实现了对点云显著性特征的提取和对点云数据量的进一步简化,它不仅保留了对点云细节特征保持方面的优势,而且在时间效率上得到了提高.     

Time–frequency localized three-band biorthogonal wavelet filter bank using semidefinite relaxation and nonlinear least squares with epileptic seizure EEG signal classification

In this paper, we design time–frequency localized three-band biorthogonal linear phase wavelet filter bank for epileptic seizure electroencephalograph (EEG) signal classification. Time–frequency localized analysis and synthesis low-pass filters (LPF) are designed using convex semidefinite programming (SDP) by transforming a nonconvex problem into a convex SDP using semidefinite relaxation technique. Three-band parameterized lattice biorthogonal linear phase perfect reconstruction filter bank (BOLPPRFB) is chosen and nonlinear least squares algorithm is used to determine its parameters values that generate the designed analysis and synthesis LPF such that the band-pass and high-pass filters are also well localized in time and frequency domain. The designed analysis and synthesis three-band wavelet filter banks are compared with the standard two-band filter banks like Daubechies maximally regular filter banks, Cohen–Daubechies–Feauveau (CDF) biorthogonal filter banks and orthogonal time–frequency localized filter banks. Kruskal–Wallis statistical test is employed to measure the statistical significance of the subband features obtained from the various two and three-band filter banks for epileptic seizure EEG signal classification. The results show that the designed three-band analysis and synthesis filter banks both outperform two-band filter banks in the classification of seizure and seizure-free EEG signals. The designed three-band filter banks and multi-layer perceptron neural network (MLPNN) are further used together to implement a signal classifier that provides classification accuracy better than the recently reported results for epileptic seizure EEG signal classification.     

基于非线性重构模型的植物叶片图像集分类方法

提出一种基于非线性重构模型的植物叶片图像集的分类识别方法。该方法首先使用高斯受限玻尔兹曼机(GRBMs)通过非监督预训练来初始化模型的权值;然后针对每一个植物叶片图像集用初始化的模型训练得到一个特定的模型;最后根据测试样本的最小重构误差和测试样本集的最多投票策略来判定测试样本集的类别。该方法通过图像预处理来处理图像,避免了图像在缩放时发生形变,并采用基于k-means的特征提取方法来提取植物叶片图像特征。实验结果表明,该方法能够准确地对植物叶片图像集进行分类识别。     

基于石英传感器的动态称重数据处理算法研究

通过对以石英晶体传感器为称重单元的动态称重系统称重信号中干扰信号的分析,得出其称重信号中存在大量干扰信号,包括高频噪声和低频噪声,此外车辆行驶时自身振动、轴型、行驶速度以及加速度都会影响动态称重精度.针对以上问题,提出先利用小波变换算法对称重数据进行滤波预处理,然后再经过EEMD算法以及信号重构算法进一步处理.将以上信号处理算法通过仿真以及运用于现场,能够使称重数据误差控制在2%以内,达到了良好的称重效果.     

基于拟插值理论的三维体数据场高精度重建算法

三维体数据场重建是体数据建模与分析的一个非常基础和重要的步骤,重建算法的精度直接决定了数据重采样和后续分析的准确性.文中发展了基于拟插值方法的三维体数据场重建理论,首次提出一种充分利用体数据自身信息与核函数优化相结合的预处理算法.在合理假设的前提下得到重建误差的表述式;然后充分利用三维体数据自身的信息全局优化该误差,使得重建误差在L2意义下达到最小.最后通过丰富的重建实例,显示了文中算法能有效地提高重建精度,并能够更好地保持三维体数据的高频信息.