基于遗传优化的BP神经网络法在甲烷检测中的应用

针对传统的最小二乘法拟合红外传感器的输出特性曲线时存在误差大、计算复杂,传统的BP神经网络法拟合红外传感器的输出特性曲线时存在网络收敛速度慢、易陷入局部极小的问题,通过分析改进的最小二乘法和改进的基于遗传优化的BP神经网络法的拟合效果,指出改进的BP神经网络法拟合度较高,并给出了改进的BP神经网络法在甲烷体积分数检测中的实验结果。结果表明,该方法能够拟合出理想的曲线,有效提高了红外传感器的检测精度及响应速度。     

六轴工业机器人的参数辨识方法

机器人末端位姿的精度依赖于各关节几何参数的精度。为了提高机器人的位姿精度,提出了一种简单实用的机器人参数辨识方法。利用D-H 算法建立的机器人运动学方程,得到了末端位姿与各关节参数的关系。为了解决辨识过程中的复杂计算问题,设计了一种采用拆分参数的迭代方法和相应的实验方法,运用激光跟踪仪对位姿进行精确测量,求得实际几何结构参数。实验结果验证了所提出方法的有效性。     

基于特征参数归一化的鲁棒语音识别方法综述

目前,自动语音识别系统往往会因为环境中复杂因素的影响,造成训练环境和测试环境存在不匹配现象,使得识别系统性能大幅度下降,极大地限制了语音识别技术的应用范围。近年来,很多鲁棒语音识别技术成功地被提出,这些技术的目标都是相同的,主要是提高系统的鲁棒性,进而提高识别率。其中,基于特征的归一化技术简单而有效,常常被作为鲁棒语音识别的首选方法,它主要是通过对特征向量的统计属性、累积密度函数或功率谱的归一化来补偿环境不匹配产生的影响。该文主要对目前主流的归一化方法进行介绍,其中包括倒谱矩归一化方法、直方图均衡化方法以及调频谱归一化方法等。     

GPU并行加速的均值偏移算法

为克服mean shift算法计算复杂度高、运行速度慢的缺点,提出一种基于GPU的快速mean shift算法.首先使用k-means算法对图像像素进行预分类,之后在预分类、下采样后缩小的数据集上进行mean shift聚类,以有效地降低算法复杂度.此外,借助GPU的通用计算功能对k-means和mean shift分别进行并行了处理.实验结果表明,通过对图像进行预处理,有效地提高了几何模板查找在强噪声、低信噪比图像中的识别率;同时,改进后的mean shift算法的运行速度提高了近40倍,满足了高速机器视觉检测的实时性要求.     

一种面向多核处理器I/O系统软错误容错方法

集成电路制造工艺的飞速发展,使得集成电路的特征尺寸不断减少和集成度不断提高,造成集成电路对工作环境的影响越来越敏感,发生软错误的几率不断增加,对可靠性造成重要影响。随着微处理器进入了多核时代,丰富的片上资源给软错误加固带来了很好的机遇。本文针对多核处理器中I/O系统软错误,提出了一种基于多核处理器的软件Scrub方法对软错误进行加固。测试结果表明,我们提出的软错误容错方法可以大大提高I/O系统的可靠性。     

一种新的无陀螺惯性测量组合标定方法

无陀螺惯性测量组合在角速率解算过程中不仅需要知道加速度计标定因数、零偏及实际安装方向向量,还需要准确获取加速度计的实际安装位置.针对上述特点,以加速度计输出模型为基础,提出并建立了一种广泛适用于各种无陀螺惯性测量组合的标定方法.该方法经转台位置和速率实验验证可以准确得到加速度计标度因数、零偏及安装误差,进一步提高了载体线加速度和角速率解算精度,从而为后续的姿态解算奠定基础.     

3D靶标的摄像机三步标定算法与实现

摄像机标定是计算机视觉中的一个必不可少的重要环节,其标定精度影响着三维重建结果的精度。利用摄像机对一个三维正交的棋盘格拍摄一幅有效靶标图像,提取角点,第一步通过透视变换矩阵算法线性求解各内外参数;第二步引入径向和切向畸变,将第一步求得的内外参数作为初始值,求得畸变系数的解;第三步对内参数进行线性优化,得到更为精确的内参数值;最后求解反投影后图像坐标的绝对误差。实验结果表明,该方法具有较高的精度,且简单有效。     

射频仿真多辐射中心方案设计及幅相误差分析

现有的射频仿真系统在单通道中同一时间只能模拟一个辐射中心,因此难以对多目标与分布式杂波进行仿真。通过改进原有馈电电路并调整开关矩阵与阵列天线的连接顺序,现提出了一套新型的多辐射中心仿真系统的设计方案。新方案能够在单通道单周期中模拟两个辐射中心,为在经费有限、通道数量较少的条件下,模拟多目标和分布式杂波提供了技术基础。为了验证新方案的可行性,利用计算机仿真分析了新型方案引入的幅、相误差对辐射中心位置精度的影响,得出了几种情况下位置误差的统计分布。仿真结果表明,虽然新型方案中的位置误差相对更大些,但其辐射中心的位置精度仍然达到了仿真系统的技术要求,新型方案是可行的。     

基于改进的GRNN的销量预测

根据灯具销量具有增长趋势和周期性二者合成的非线性特点,本文利用相空间重构理论确定GRNN的输入节点数,以加权误差代价函数代替传统误差代价函数为目标训练网络,采用粒子群优化算法优化平滑参数,并在此基础上将GRNN用于灯具销量的短期预测。与传统的BPNN相比,改进后的GRNN预测精度更高,抗噪声能力更强,模型更稳健。