一种基于深度卷积网络的鲁棒头部姿态估计方法

针对头部姿态估计方法受特征提取限制导致姿态估计效果不佳的问题,提出使用深度卷积网络自动学习有效特征并进行分类的头部姿态估计方法。首先,利用DCNN非线性映射和自动提取图像结构信息的能力,设计一个深度卷积网络实现对姿态鲁棒特征的提取;然后再将提取的特征用于分类器训练并最终实现头部姿态估计。在Pointing’04和FacePix数据库上的测试结果表明,本文设计的深度卷积网络能有效的进行特征学习,避免了人工设计特征的不足,与现有的基于人工设计特征方法相比,本文方法在两个数据库上达到的预测平均绝对误差分别为4.05〫和2.04〫,充分证实了本文算法的稳定性和可靠性。     

基于M估计的非线性鲁棒检测卡尔曼滤波算法

针对传统鲁棒非线性滤波在观测噪声为非高斯强干扰噪声情况下,滤波性能下降的问题,提出一种利用卡方检测法预判断的非线性鲁棒检测滤波算法。该算法通过卡方检测设置门限,剔除突变野值,利用M估计修正量测更新。仿真实验对比了几种典型非线性滤波方法在不同观测噪声环境下的性能。所提算法在非高斯强干扰噪声情况下,比传统鲁棒滤波算法估计精度平均提高了25.5%;估计方差平均减少了18.3%。实验结果表明:所提算法可以抑制观测量非高斯强干扰噪声的影响,提高滤波精度及稳定性。     

基于再采样的图像重采样伪作检测

重采样是图像篡改中的一种典型操作,针对现有重采样伪作检测算法对于JPEG压缩格式的图像检测效果不理想,也无法准确估计其中的缩放因子的问题,提出了基于再采样的图像重采样检测算法。该算法先将待检验的JPEG图像以缩放因子小于1进行再次重采样,以削弱JPEG压缩对算法的影响,再利用重采样信号二阶导数具有的周期性来进行重采样操作检测。实验结果表明,该算法具有很强的抗JPEG压缩能力,同时能够准确估计真实的缩放因子。另外,该算法对于经过不同缩放因子而得到的图像进行合成时的重采样操作,也有明显的检测效果。     

稀疏统计二次Renyi熵的运动估计匹配准则

运动估计是视频编码技术的核心,通过对运动估计基本原理的分析可知匹配准则是运动估计的关键环节。针对传统匹配准则描述块匹配精度不高,导致信息冗余较多的不足,提出一种稀疏统计二次Renyi熵的运动估计匹配准则。该匹配准则在计算Renyi熵时,引入了统计直方图,采用统计的方式计算概率密度函数,并结合基于梯度的图像质量评价和运动矢量中心偏离特性,对直方图的统计区间进行稀疏化。实验结果表明,该匹配准则简化了Renyi熵概率密度函数的计算,通过统计区间的稀疏化减少了80%以上的乘法运算量,对运动剧烈的视频序列能够得到优于传统绝对误差和函数的峰值信噪比,取得更好的图像质量。     

具有数据包丢失的离散随机不确定系统的线性最优满阶估值器

研究了具有数据包丢失和随机不确定性离散随机线性系统的状态估计问题.其中数据包丢失是随机的,且满足Bernoulli分布,系统矩阵中的随机不确定性由一个白色乘性噪声来描述.首先,通过配方方法,提出了最小均方意义下的无偏最优线性递推满阶滤波器.所提出的滤波器用到了当前时刻和最近时刻接收到的观测来保证线性最优性.与多项式滤波和增广滤波器相比,本文的滤波器具有较小的计算负担.然后,基于所获得的线性滤波器推导了线性最优预报器和平滑器.进一步研究了线性最优估值器的渐近稳定性,给出了稳态特性存在的一个充分条件.最后,通过两个仿真例子验证了所提估计算法的优越性.     

隐目标回归算法设计研究

对常用的回归方法进行研究.此类方法虽然几何解释明确、易于求解,但均须事先确定(或假定)变量间的因果关系,再考虑建模,在实际应用中,对于很难确定变量的因果关系的问题,如物联网数据分析,上述方法就会失效.为此,提出一种无需假定因变量的隐目标回归方法.该方法易于核化,可以推广到非线性回归问题.通过人工数据和国际标准数据集上的实验验证了所提算法的有效性.     

有界随机测量时滞的网络控制系统的最优估计（英文）

在假设测量没有丢包的情况下,研究了带有随机测量时滞的网络控制系统的最优估计问题.利用已知的时滞分布概率,建立新的模型来描述随机时滞测量.进一步将带有时滞的测量等价成每个通道是单时滞的多通道测量,从而利用新息重组方法,通过求解黎卡提方程求解最优估计器.最后给出仿真实例验证了该算法的有效性.     

半参数广义线性模型惩罚似然估计的几个性质

本文在给出了半参数广义线性模型惩罚似然估计及惩罚准似然估计的基础上,得到了下面几个性质:(Ⅰ)极小惩罚似然估计及惩罚准似然估计等价于惩罚加权最小二乘估计;(Ⅱ)估计的收敛性及加速收敛法;(Ⅲ)估计的一种 Bayes 解释。     

序贯抗差估计在旋转调制陀螺寻北中的应用

基于序贯抗差估计方法针对简化了的旋转调制陀螺寻北仪输出信号进行了寻北仿真研究.介绍了该型寻北仪的基本原理,在经典充贯平差的基础上,结合抗差M估计的原理,得到了序贯抗差估计的计算流程与公式.将寻北仪输出信号划分为2个阶段,对上述方法进行了仿真应用.仿真结果表明：通过该算法所得寻北结果误差均值与标准差均优于其它算法.     

多传感器数据采集系统中的数据融合研究

针对多传感器数据采集系统的准确性与可靠性的要求,提出了单传感器分批估计融合与模糊理论中的相关性函数与加权自适应算法相结合的数据融合方法。首先,对每一只传感器进行分批估计融合,得到了较为可靠的局部决策值。然后,利用模糊理论中的相关性函数,计算出每只传感器与其它传感器的相关程度,并剔除掉那些相关程度较低的传感器的局部决策值。最后,在权的最优分配原则下,利用加权自适应算法对剩下的局部决策值进行数据融合。该方法能在数据先验知识未知的情况下,客观地反映各个传感器的可靠程度。数据分析结果表明:与同类融合方法相比,该方法具有更高的精度。