多传感器高斯混合PHD融合多目标跟踪方法

针对复杂环境下单传感器多目标跟踪方法效果不佳的问题,基于FISST（Finite set statistics）跟踪理论提出一种多传感器高斯混合PHD（Probability hypothesis density）多目标跟踪方法.首先,分析了FISST下多传感器PHD的形式化滤波器,在此基础上构建一种反馈式多传感器PHD融合跟踪框架;进一步利用高斯混合技术提出多传感器PHD跟踪方法;最后,通过解决多传感器后验PHD粒子匹配与融合问题提出三种算法.仿真实验表明,与常规高斯混合PHD跟踪算法相比,本文所提算法能够有效提高目标跟踪精度和鲁棒性.     

城市车联网V2V链路时延动态预测

链路时延是决定车联网(vehicular ad hoc networks, VANETs)许多网络性能的重要标准.现存的VANETs基于节点移动性解决链路时延的问题,但是都没有预测的功能,不适合实际VANETs中动态预测车-车(vehicle to vehicle, V2V)链路时延.提出动态预测任意2车链路时延的数学模型DPLD,考虑2车相对速度分布、相对距离变化、交通密度和城市场景中交通灯因素对2车之间链路时延的影响,因为这些因素在链路连接过程中是变化的.通过考虑相对速度的分布,模型能够实时地调整原则自适应车速变化.通过自动调整2车之间相对距离计算方法,DPLD模型能够自适应2车间相对距离的变化.因此该模型能够有效地预测预期要发生的2车之间的链路时延.这个模型实现取决于相对速度分布参数的估计方法、指数移动平均法对车速异常处理以及交通灯对链路时延影响的概率建模并且详细给出2车遇到不同交通灯的具体链路时延预测方法.仿真结果表明:DPLD模型预测的城市环境的2车之间链路时延准确性很高.     

基于高斯混合带势概率假设密度滤波器的未知杂波下多机动目标跟踪算法

多模型的随机有限集(RFS)类方法是一类有效的多机动目标跟踪算法,但是现有算法都假定杂波统计特性先验已知,不适用于未知杂波背景。该文以高斯混合带势概率假设密度滤波器(GMCPHDF)为基础,提出一种未知杂波下的多机动目标跟踪算法。该算法对目标和杂波分别独立建模,通过最优高斯(BFG)估计方法对真实目标的强度函数进行预测,从而使多目标强度函数独立于机动目标的运动模型,实现各时刻真实目标的强度函数、杂波源期望个数以及真实目标和杂波源的混合势分布的迭代。仿真结果表明,该算法能够有效地联合估计多机动目标状态以及杂波期望个数。     

采用基于密度加权和偏好信息的K均值聚类的胸阻抗信号自动检测算法

为了自动识别胸阻抗(TransThoracic Impedance, TTI)信号中的按压和通气波形,完成相关重要参数的计算,从而实现对心肺复苏质量的监测评估,该文提出一种基于密度加权与偏好信息的胸阻抗信号自动检测算法。该方法针对实验采集的猪的电诱导心脏骤停模型TTI信号,通过预处理和多分辨率窗口搜索法完成潜在按压和通气波形的标记;接着,提取每个标记波形的宽度、幅值以及相邻波形特征差作为特征,并按标记波形宽度对信号进行分段;之后,再对信号进行小波分解,提取其小波系数每段的能量与原始波形幅值之比作为特征;最后采用基于密度加权与偏好信息的K均值聚类分析法对标记的波形进行分类识别。实验结果表明,该算法对TTI信号中按压波形和波形分析识别的正确率和敏感度均较高,鲁棒性好,且运行时间(0.43 s0.07 s)满足实时性要求。     

基于轨迹特征及动态邻近性的轨迹匿名方法研究

移动社会网络的兴起以及移动智能终端的发展产生了大量的时空轨迹数据,发布并分析这样的时空数据有助于改善智能交通,研究商圈的动态变化等.然而,如果攻击者能够识别出轨迹对应的用户身份,将会严重威胁到用户的隐私信息.现有的轨迹匿名算法在度量相似性时仅考虑轨迹在采样点位置的邻近性,忽略轨迹位置的动态邻近性,因此产生的匿名轨迹集合可用性相对较低.针对这一问题,本文提出了邻域扭曲密度和邻域相似性的概念,充分考虑轨迹位置的动态邻近性,并分别提出了基于邻域相似性和邻域扭曲密度的轨迹匿名算法;前者仅考虑了轨迹位置的动态邻近性,后者不仅能衡量轨迹位置的动态邻近性,而且在聚类过程中通过最小化邻域扭曲密度来减少匿名集合的信息损失.最后,在合成轨迹数据集和真实轨迹数据集上的实验结果表明,本文提出的算法具有更高的数据可用性.     

基于样本密度和分类误差率的增量学习矢量量化算法研究

作为一种简单而成熟的分类方法, K最近邻(K nearest neighbor, KNN)算法在数据挖掘、模式识别等领域获得了广泛的应用, 但仍存在计算量大、高空间消耗、运行时间长等问题. 针对这些问题, 本文在增量学习型矢量量化(Incremental learning vector quantization, ILVQ)的单层竞争学习基础上, 融合样本密度和分类误差率的邻域思想, 提出了一种新的增量学习型矢量量化方法, 通过竞争学习策略对代表点邻域实现自适应增删、合并、分裂等操作, 快速获取原始数据集的原型集, 进而在保障分类精度基础上, 达到对大规模数据的高压缩效应. 此外, 对传统近邻分类算法进行了改进, 将原型近邻集的样本密度和分类误差率纳入到近邻判决准则中. 所提出算法通过单遍扫描学习训练集可快速生成有效的代表原型集, 具有较好的通用性. 实验结果表明, 该方法同其他算法相比较, 不仅可以保持甚至提高分类的准确性和压缩比, 且具有快速分类的优势.     

应用包裹体技术恢复气藏古压力

包裹体捕获时的温度和压力反映了油气藏形成时的古温度和古压力,是油气成藏过程研究的一个重要依据。富(CH₄)气盐水包裹体是气藏中最主要的一种包裹体类型,对这类包裹体捕获温度和压力的恢复最大的技术难点是其中气体(CH₄)含量的精确测定。通过建立CH₄气体拉曼位移值与包裹体内压的相关曲线,根据包裹体总体积和成分保持恒定的原则构建迭代计算模型,可快速准确计算出含CH₄盐水包裹体的捕获压力。该方法应用于川南隆32井中奥陶统宝塔组微晶灰岩中的包裹体古压力研究,计算结果显示包裹体的捕获压力为884.08~1249.32 bar,压力系数约为1.3~1.8,证明了包裹体捕获时地层流体为超压状态。     

基于岩石热解法的原油密度、粘度预测模型研究与应用

录井资料向定量化方向发展的最终目的之一就是对储层进行产能预测,而原油性质的变化是决定储层原油是否具备工业产出能力的重要因素,故在生产实践中原油性质的准确判断对试油方式的优选具有重要的指导意义。选取岩石热解录井派生参数(总产率指数、油产率指数、残余烃指数、原油轻重组分指数),采用多元线性回归算法,对长庆区块已完成试油井进行原油密度、粘度的校正,拟合效果精度较高,线性回归系数r²达到0.81以上,实现了原油密度、粘度的定量化评价,对后期提高储层流体性质的识别与评价具有重要的作用。     

岩体尖端裂纹扩展特性研究

岩体在压剪状态下的力学特性研究应用至今已有十余年,发展比较完善。而对于拉剪应力状态下岩体的力学特性,以及在拉剪应力状态下岩体的损伤扩展与演化方面的研究成果较少。为此,对岩体在拉剪应力状态下岩体的损伤扩展与演化进行理论分析研究,在前人提出的裂纹尖端塑性区内方向应变能概念的基础上,基于岩石破坏准则,对复合型裂纹扩展进行了研究,研究成果对解决实际岩体工程问题有一定的参考价值。     

影响地板辐射换热能力若干因素的分析

影响冷暖辐射地板系统的几个重要因素有供水温度、室内设计温度、埋管管距、埋管管径和地面层材料.通过实验,利用数值模拟的方法分析在一定条件下各因素与地板表面平均温度及平均热流密度之间的关系,并总结各影响因素间的相互关系.