LTV-MPC自动驾驶汽车路径跟踪算法研究

为解决自动驾驶汽车在时变曲率路径上的跟踪精度和操控稳定性问题,提出一种基于线性时变(LTV)模型的模型预测控制(MPC)算法.分别建立车辆运动学参考模型和动力学参考模型,通过分析期望路径的几何特征获得车辆航向角的前馈参考量,并通过迭代线性化方法推导线性时变的车辆运动参考模型.根据车辆行驶状态设计车辆运动学参考模型/动力...     

基于多特征和尺度估计的KCF_MTSA算法

多模板尺度自适应核相关滤波器(KCF_MTSA)跟踪算法在目标移动模糊、旋转和尺度变化时跟踪距离精度与成功率较低.针对该问题,提出一种结合多特征和尺度估计的改进KCF_MTSA目标跟踪算法.采用方向梯度直方图和颜色名两种特征对目标进行表征,在训练阶段分别使用多模板核相关滤波器对上述特征进行训练,同时在检测阶段将两个滤波...     

孪生网络跟踪算法并行计算结构研究

基于嵌入式平台的复杂背景目标跟踪技术在智能视频监控设备、无人机跟踪等领域有重要作用.卷积神经网络在跟踪问题上有准确率高、鲁棒性强的优点,但基于卷积特征的算法计算复杂度高,受嵌入式平台面积和功耗的限制,实时性难以满足嵌入式平台应用场景的需求.针对基于卷积特征的跟踪算法计算复杂度高、存储参数量大的难题,率先提出一种利用FP...     

基于T-S模糊模型非线性网络控制系统改进H∞跟踪控制

研究一类非线性网络控制系统改进H∞跟踪控制问题, 该类网络控制系统中非线性被控对象和被跟踪对象分别采用Takagi-Sugeno(T-S)模糊模型和线性稳定参考模型描述. 首先通过综合考虑网络中的数据传输时滞和数据丢包影响, 采用输入时滞法和并行分布补偿技术, 建立基于零阶保持器刷新时刻的系统状态跟踪误差模型. 然后利用改进的自由权矩阵方法, 并结合Lyapunov直接法给出系统满足H∞跟踪性能的充分条件以及模糊控制器的设计方法. 最后仿真实例表明本文方法的有效性和相比已有方法的优越性.     

某超声速风洞控制系统安全策略优化研究

针对某超声速风洞试验运行中面临的主调压阀位移传感器故障导致阀门失控、试验段正激波回退以及不同马赫数的总压超压保护功能不足等安全隐患,提出了主调压阀智能判定规则及处理措施,研制了正激波位置实时监测系统,完善了总压保护值全域匹配等安全控制策略。试验表明：上述优化措施运行稳定可靠,提高了风洞控制系统智能化和自动化水平,对保障风洞试验安全运行有重要作用。     

基于负载性能指标的Web测试

研究了资源占用率、响应时间、并发用户和思考时间等Web应用的性能指标。负载测试是Web应用系统测试的一个重要方面,有助于确认被测系统的性能需求和负载增长情况,发现系统的异常。提出了负载测试一般方案,应用LoadRunner测试工具,测试了学习交流在线系统,分析了事务、网络、系统响应时间等指标。     

基于杂波跟踪的CFAR检测研究

通过设立专门通道将图像处理技术应用于雷达检测域杂波功率数据处理,对特征杂波进行跟踪,为恒虚警处理提供背景信息.本文介绍了对抗杂波边缘的自适应CFAR检测器设计中的研究工作,设计了基于杂波跟踪的杂波属性CF(clutter feature)-CFAR检测器和结构元素SE(structuring element)-CFAR检测器,对其检测性能进行了分析.并通过蒙特卡罗(Monte Carlo)仿真方法对上述两种检测器的检测性能进行了仿真.     

基于目标中心距离加权和图像特征识别的跟踪算法

本文提出了一种实时跟踪算法,以目标中心距离加权的灰度图像作为模板,采用mean-shift迭代方法实现目标的空间定位;同时建立二值图像模板,根据目标的图像特征,进行尺度定位.本算法改进了kernel-based算法对变尺度目标的跟踪.对于超过一定像素的较大目标,本算法进行"降采样",大大减小运算量,从而实现了对大尺度目标的实时跟踪.实时视频流的跟踪实验验证了该方法的有效性.     

基于多模板匹配的双模型自适应相关滤波跟踪算法

为有效提升目标跟踪的精确度和实时性,设计了基于多模板匹配的双模型自适应相关滤波跟踪算法。对多模板匹配模型与核相关滤波跟踪模型参数进行初始化处理：多模板匹配模型选取得分函数作为模板与候选样本间匹配准则,通过候选样本得分获取最佳目标,更新多模板后,通过形变多样相似性实现多模板匹配;核相关滤波跟踪模型利用所采集目标样本数据建立循环矩阵,通过训练核化岭回归分类器获取核相关滤波器,并获取响应置信图,再利用响应置信图获取下一帧图像目标位置。通过自适应融合策略获取两个模型所估计目标位置,再采用金字塔尺度估计策略估计目标尺度变化,通过不断更新各模型参数实现目标精准跟踪。实验结果表明,在目标受遮挡或旋转、光照变化等复杂环境下,该算法的中心跟踪误差均低于15 dpi,平均跟踪精确度均高于98%,且目标定位时间低于100 ms,说明该算法在跟踪精确度和实时性上具有明显的应用优势。     

WSN中基于超椭圆判决边界的异常检测的动态建模

为了实现无线传感器网络的动态数据流环境中的异常检测,本文提出了一种迭代超椭圆判决边界方法。首先建立起异常检测超椭圆模型,然后每个节点基于到当前时间为止的测量值来调整其超椭圆模型,最终收敛到覆盖正常和异常测量值的超椭圆边界;为了提高模型对监测环境中数据变化的跟踪能力,提出了一种采用遗忘因子并结合滑动窗口的基准估计和有效N跟踪的方法,从而实现对数据真实流属性的捕捉;仿真实验结果表明,本文提出的动态建模方法相比于目前先进的静态建模方法,不仅具有更高的准确性和异常检测能力,而且具有更强的数据变化的跟踪能力和检测能力。