Filtering Multi‐Layer Shadow Maps for Accurate Soft Shadows

In this paper, we introduce a novel technique for pre‐filtering multi‐layer shadow maps. The occluders in the scene are stored as variable‐length lists of fragments for each texel. We show how this representation can be filtered by progressively merging these lists. In contrast to previous pre‐filtering techniques, our method better captures the distribution of depth values, resulting in a much higher shadow quality for overlapping occluders and occluders with different depths. The pre‐filtered maps are generated and evaluated directly on the GPU, and provide efficient queries for shadow tests with arbitrary filter sizes. Accurate soft shadows are rendered in real‐time even for complex scenes and difficult setups. Our results demonstrate that our pre‐filtered maps are general and particularly scalable.     

一种基于视频的公交客流自动统计方法

为提高公交系统智能化管理水平,提出一种公交客流自动统计方法。采用直方图统计与多帧平均的方法提取视频背景,使用背景边缘去除算法得到乘客目标边缘轮廓信息。在此基础上,根据乘客头部轮廓的类圆特性,利用基于梯度信息的Hough变换圆检测算法完成乘客头部轮廓的识别,通过基于Kalman滤波预测的CamShift目标跟踪算法实现乘客的检测与计数。实验结果表明,该方法能有效消除背景图像中的噪声以及背景边缘,准确识别乘客目标并对其跟踪计数,从而提高城市公共交通运输效率。     

基于直接评分与间接评分的协同过滤算法

协同过滤面临着用户评分数据极为稀疏的问题,为改善不同稀疏程度数据上的推荐效果,提出基于直接评分与间接评分的协同过滤算法。针对直接评分,定义加权用户相似性和加权项目相似性度量标准,构造直接推荐用户集合与直接推荐项目集合,给出直接评分权重的计算方法;针对间接评分,构造相似评分集合,定义评分相似性度量标准。定义综合评分权重,在直接评分与间接评分的基础上得到最终推荐结果。大量实验结果表明,该算法在不同稀疏程度的数据上均具有较高的推荐质量。     

高斯渐进贝叶斯滤波器

渐进贝叶斯方法将先验分布到后验分布的演化描述为一阶动态系统,通过在伪时间上连续地引入观测信息实现后验状态估计.该方法的一般形式解,即动态系统的时间导数,是难以得到的.本文提出一种高斯型渐进贝叶斯滤波器.首先在线性高斯条件下推导了时间导数的解析解;然后证明了在该条件下,由该解析解确定的一阶动态系统与常量状态估计的Kalman-Bucy滤波器是一致的,且由此导出的高斯渐进贝叶斯滤波器与卡尔曼滤波器是一致的.最后利用一阶Taylor展开推导了滤波器在非线性高斯条件下的近似解表达式,并采用Monte Carlo方法给出了具体实现方法.通过若干仿真算例表明,新滤波器具有较高的精度,且在一定精度条件下的时间复杂度低于一般粒子滤波器.     

基于贝叶斯过滤法的CSI室内定位方法

无线信号多径效应导致基于接收信号强度指示（RSSI）的室内定位方法的精度和稳定性下降。为解决这一问题,提出基于贝叶斯过滤法的信道状态信息（CSI）室内定位方法（BCL ）。将物理层的CSI结合RSSI作为参考信息,减轻信号接收端的多径衰减影响;在此基础上,采用贝叶斯过滤法进行数据处理,降低接收信号的时变性。实验结果表明,相比现有的典型室内定位方法, BC L有效提高了定位准确度和稳定性。     

基于传感器丢包率不确定性预测的分布式H∞滤波算法

针对无线传感器网络（ WSNs）在测量数据丢包不确定性情况下的分布式H∞滤波问题,提出一种基于传感器丢包率不确定性预测的分布式H∞滤波算法。通过设计一种线性全阶滤波器,使得滤波误差能够收敛在均方渐近为零,同时抑制外界的干扰造成的H∞滤波衰减。根据滤波参数符合伯努利分布随机分布的原理,利用Lyapunov函数的方法,通过寻找最佳的滤波参数来保证在丢包率不确定的情况下对真值预测的随机稳定性。实验仿真结果表明：当观测数据存在不确定性丢包时,该滤波算法能发挥有效的滤波效果。     

自适应混合滤波在脉搏实时监测系统中的应用

针对脉搏传感器在数据采集过程中干扰信号对系统测量精度带来的影响,提出了一种自适应混合滤波算法.该算法将限幅滤波、递推中位值平均滤波、递推平均滤波相结合,并针对采样长度对滤波效果的影响,自适应采样窗口大小的调整,可有效消除偶然脉冲与抑制周期性脉冲的干扰.通过对10名测试者进行测量实验,将心电图机测量数据、使用与未使用自适应混合滤波的脉搏实时监测系统测量数据进行对比.实验结果表明:使用滤波算法后,脉搏测量的算术平均差约为0.4 BPM,比未使用滤波算法整体提高约9倍.     

基于多传感器的四旋翼飞行器硬件系统设计

四旋翼飞行器由于其简单的机体结构与较为复杂的姿态控制,近年来在军用和民用领域广泛应用。旨在通过四旋翼飞行器飞控平台的搭建,实现对飞行器姿态的稳定控制。首先论述了四旋翼飞行器的飞行原理与机械结构,给出了硬件系统总体结构。在对各功能模块整合的基础上,实现基于多传感器的控制系统硬件电路设计。仿真与实验证明：多传感器使用过程中,通过卡尔曼滤波进行姿态数据的融合,有效地解决了加速度计、陀螺仪易受外界干扰问题,所设计硬件系统在飞行实验中性能稳定,为四旋翼的稳定控制提供了参考。     

彩色图像分割的FCM初始化方法

针对传统模糊C-均值聚类方法所存在的过度依赖初始聚类中心、计算复杂度高等问题,提出一种新的FCM初始化方法.首先,使用维纳滤波分别对图像的R、G、B分量进行预处理,待转换为LAB色彩空间后,通过二次分水岭方法获取图像的封闭区域,并计算各区域的质心;其次,利用自适应无监督的方法对质心进行筛选和合并,将合并结果作为FCM的初始聚类中心;最后,使用FCM方法进行分割.实验结果表明,该方法不仅能够获得较准确的聚类中心,减少了迭代次数和运算时间,而且能够更好地实现图像的准确分割.