基于无监督深度图像生成的盲降噪模型

鉴于有监督神经网络降噪模型的数据依赖缺陷,提出了一种基于无监督深度生成（UDIG）的盲降噪模型。首先,利用噪声水平评估（NLE）算法测定给定噪声图像中的噪声水平值并输入到主流FFDNet降噪模型中,所得到降噪后的图像（称为初步降噪图像）作为UDIG降噪模型的输入。其次,选用编码器—解码器架构作为UDIG模型的骨干网络并用UDIG模型的输出图像（即生成图像）分别与初步降噪图像、噪声图像之间的均方误差之和构建混合loss函数;再次,以loss最小化为优化目标,通过随机梯度下降（SGD）网络训练算法调整网络模型的参数值从而获得一系列生成图像;最后,当残差图像（噪声图像与生成图像之间）的标准差逼近之前NLE算法所测定的噪声水平估计值时及时终止网络迭代训练过程,从而确保生成图像（作为降噪后图像）的图像质量最佳。实验结果表明：与现有的主流降噪模型（算法）相比,UDIG降噪模型在降噪效果上具有显著优势。     

局部特征表征的6D位姿估计算法

为解决有纹理模型在遮挡条件下6D位姿估计精确度不高的问题,提出了一种局部特征表征的端到端6D位姿估计算法。首先为了得到准确的定位信息,提出了一个空间—坐标注意力机制（spatial and coordinate attention）,通过在YOLOv5网络中加入空间—坐标注意力机制和加权双向特征金字塔网络（bidirectional feature pyramid network）,YOLOv5-CBE算法的精确度（precision）、召回率（recall）、平均精度均值（mAP@0.5）分别提升了3.6%、2.8%、2.5%,局部特征中心点坐标误差最高提升了25%;然后用 YOLOv5-CBE算法检测局部特征关键点,结合3D Harris关键点通过奇异值分解法（singular value decomposition）计算模型的6D位姿,最高遮挡70%的情况下仍然可以保证二维重投影精度（2D reprojection accuracy）和ADD度量精度（ADD accuracy）在95%以上,具有较强的鲁棒性。     

基于线性回归的无线传感器网络链路质量估计方法研究

针对无线传感器网络链路质量估计模型中回归算法复杂度高、缺少统一分类标准和公开数据集等问题,提出了一种基于EWMA和线性回归的链路质量估计方法ELR-LQE。以物理层获取的RSSI、LQI和SNR,以及包接收率PRR作为度量参数,分别在多种实验环境中采用不同的发射功率、竞争条件和部署方式采集数据,建立了链路质量估计数据集。通过最小值填充和EWMA对数据进行预处理,明显提高了回归模型的输入特征与链路质量的相关性。与现有方法相比,提出方法易于和网络层协议适配,并且复杂度较低,适合在资源有限的无线传感器网络节点中实现。实验结果显示,ELR-LQE具有较高的精度,在多种实验条件下平均的ME为4.6×10-2,R2为0.99。     

一种低复杂度的鲁棒自适应波束形成算法

传统基于干扰噪声协方差矩阵（interference-plus-noise covariance matrix,INCM）重构的鲁棒自适应波束形成（robust adaptive beamformer,RAB）算法在多种样本数据协方差矩阵误差和信号导向向量误差的失配环境中具有较强的鲁棒性,但目前主流的INCM重构法都是对信号和干扰的导向向量通过建立凸优化模型来估计,这带来了很高的计算复杂度。为了解决这个问题,提出了一种低复杂度的基于INCM重构的RAB算法。该算法首先将干扰信号的导向向量分解为对应标称项和误差项的和,然后通过一种子空间方法估计得到误差项的单位向量。接下来对一个Capon空间谱功率最大问题进行求解,得到误差项的模值,以此得到重构的INCM。同时利用Capon空间谱中残差噪声的存在,使用交替投影法估计得到期望信号的导向向量,最后得到所提算法的权重向量。仿真实验表明所提算法在多种误差环境下具有较强鲁棒性的同时,还具有较低的计算复杂度。     

基于DSPP的单目图像深度估计

空洞空间金字塔池化（ASPP）在深度学习各种任务中均有应用,传统ASPP模块只考虑了提升卷积感受视野,但ASPP中的每次空洞卷积选取的像素点分散,会丢失大量像素点间的信息,而深度估计属于密集预测任务。针对ASPP模块这一弊端提出了一种动态密集的DSPP模块。该模块用一种动态卷积代替空洞卷积,结合ASPP的思想,采用不同大小的卷积尺寸,并结合通道注意力充分利用每一层的特征,解决了ASPP丢失信息的问题,与ASPP相比在大大减小模块参数量的前提下,提升了整体模型的准确率。在NYU Depth v2数据集上与主流算法相比深度图在均方根误差（RMSE）上降低了12.5%,到0.407,并且准确率（δ<1.25）提高了3.4%,达到0.875,验证了算法的有效性。     

基于Parzen窗估计的电液伺服作动器故障检测与健康评估

针对电液伺服作动器早期故障信号的微弱性和故障特征分布的未知性,提出了一种基于Parzen窗估计的故障检测和健康评估算法;采用多重判别分析提取作动器故障特征向量,利用窗函数法估计故障特征概率密度函数,通过监测作动器故障特征概率密度分布相对于正常状态的偏离,将不易检测的故障信号转化为容易观测到的距离信息评估作动器状态的健康状况;仿真结果证明了该方法的可行性和有效性。     

基于星敏感器的姿态优化估计算法

对于采用星敏感器的航天器姿态确定问题,提出了一种快速的姿态优化估计方法;首先,根据Rodrigues参数和观测向量之间的线性关系,引入四元数,构造了不同的非奇异的优化准则;其次,借助四元数,求解了基于该准则的姿态优化算法;误差协方差分析和数值仿真结果表明,该算法与著名的QUaternion ESTmation(QUEST)算法相比,在相同的操作系统环境下,具有相同的姿态估计精度,但计算速度更快,对两种算法选取间隔为2000次的仿真步长,统计数据长度为100个采样点,最后对结果加权求平均值,统计结果显示仅为QUEST的三分之一;这种姿态优化估计方法具有一定的工程应用价值。     

攻击型无人机切换控制系统容错算法研究

攻击型无人机单侧发射或投放重型武器时,可将飞行控制系统看作是一个切换控制系统。针对常见的常值型和时变型两种执行器故障,提出了一种自适应观测器设计方法,同时结合状态反馈控制设计了容错控制器。通过Lyapunov函数推出了观测器的误差是关于故障界输入状态实际稳定的充分条件,通过平均驻留时间方法证明了切换控制系统是全局输入状态实际稳定的。某型攻击型无人机仿真实例表明,此方法能在准确估计故障大小的基础上,有效保持切换飞行控制系统的性能,应用前景十分广阔。     

恢复丢失的相机胶卷照片

某些时候,由于操作的失误或其他原因,我们在更新或恢复iOS系统时,可能会导致设备中"相机胶卷"的照片丢失,这可就麻烦了。如果你拥有的其他iOS设备上有类似的照片,那么可以利用iTools 2012恢复丢失的"相机胶卷"照片。这里以从iPad向iPhone恢复照片为例进行说明。