一种基于重叠变换域的抗窄带干扰算法

为了增强扩频系统的窄带干扰抑制能力,针对重叠域中值滤波(MF)算法会给信号带来失真的缺点,提出一种基于重叠变换域窄带干扰抑制算法.该算法基于直接序列扩频信号在重叠变换域的特点,利用阈值滤波、中值滤波、估计门限进行综合判决.仿真表明:该算法能有效降低信号干扰能量,同时减少中值滤波算法对信号造成的失真,增强了系统性能和鲁棒性.     

基于机器学习的压缩域镜头分割技术

为了进行视频结构化和视频内容分析,需要准确有效地提取视频镜头的边界信息.为此提出了一种利用支持向量机(SVM)学习压缩域特征的算法进行镜头边界检测,只需简单译码即可得到MPEG1/2等各类视频流压缩域的特征信息.经TRECVID2005镜头边界检测集的评测,该算法在保证查全率和检测精度的情况下获得了满意的效果.     

光域存储技术及其应用最新研究进展(本期优秀论文)

光域存储能够为光信号提供光域内的存储而不需经过光-电-光的变换,光域存储技术及基于光域存储的各种全光处理器件成为研究的热点.对准光存储、利用光波导介质和色散介质实现的光域存储技术近两年的最新发展及应用做了论述.     

UMTS和WLAN融合环境下基于策略的QoS管理体系

UMTS和WLAN的融合可以实现两种无线接入技术的优势互补.为了在融合环境下提供一致的QoS控制,本文提出了一种基于策略的多域QoS管理体系,并就融合的不同情形阐述了该体系的可行性.     

自治水下机器人深度的鲁棒H∞控制仿真

研究了鲁棒H∞控制在自治水下机器人(AUV)深度控制中的应用.根据刚体空间运动和流体力学理论建立了AUV垂直面运动的数学模型,并在特定的工作点对模型进行了线性化处理得到了AUV垂直面运动的控制设计模型.根据鲁棒H∞控制理论设计了自治水下机器人垂直面运动的深度控制器.仿真结果表明,该控制器在减轻/克服AUV运动模型的不确定性,严重的非线性和外界干扰等方面有明显的效果,具有很好的动态性能,系统的鲁棒性强.     

图像块动态调整的自适应差值补偿矢量量化

提出一种图像块动态调整的自适应差值补偿矢量量化方法。该方法在编码前,分析待编码子块与其八邻域子块的相似度,通过事先给定的阈值判断子块是否相似,若相似,则用相同码字编码;否则单独编码。在编码时,计算子块和匹配码字的差值,得到差值图像。进而得到像素差值符号位,对其进行行程编码后附在码字索引之后;在解码时,根据码字索引恢复图像,对附加信息进行行程解码．并采用3×3补偿窗口对每个恢复像素进行自适应差值补偿,得到最终恢复图像。实验结果表明,相对于普通矢量量化．论文方法不但可以提高编码速度,而且图像质量有明显改善。     

顾及相对距离的路灯点云分层提取方法研究

路灯提取是车载点云目标提取的重要研究方向之一,但由于路灯上部和下部容易产生粘连和遮挡,路灯识别往往存在困难。针对此问题,考虑灯杆中部不易产生粘连和遮挡这一特点,结合灯头与灯杆之间的相对位置关系,提出了顾及相对距离的路灯点云分层提取方法。首先用布料模拟滤波（CSF）算法将原始点云分为灯头层、灯杆层和地面层,在此基础上对灯头层和灯杆层点云进行连通域分析并输出聚类;然后根据灯杆层各聚类矩形对角线长度和拟合圆内部范围提取灯杆点云;最后根据灯头中心与灯杆中心的相对距离搜索灯头点云,从而实现完整路灯点云的提取。对三组数据进行实验分析,结果表明：所提方法对数据1的正确率、完整率、质量和F1值均为100%;对数据2的正确率、完整率、F1值均为87.50%,质量为77.78%;对数据3的完整率和质量均为94.74%,正确率为100%,F1值为97.30%。所提方法能够实现对路灯点云的有效识别和提取。     

基于面向自治计算的Agent系统动态重构模型

动态重构问题是支持Agent系统对环境自适应的关键挑战之一,亦是Agent领域亟待解决的关键问题。面向自治的计算是一种全新的自底向上解决问题的计算范型,擅于提取并刻画复杂、自组织系统的行为规则,特别适合于对复杂问题和复杂Agent系统进行建模。因此,本文采用面向自治的计算AOC（Autonomy Oriented Computing）,提取出了基于多Agent的动态重构模型ADRM,重点讨论了模型中自治实体、环境、自治实体行为等关键要素的定义,分析了该模型如何能够实现动态重构,并提供了ADRM有效工作的动态重构算法ASDR（Agent Systern Dynamic Reconfiguration）。经实验验证,在任务和环境动态变化的情况下,模型ADRM能够较好地解决Agent系统的动态重构问题。     

论二维点集或线段集凸壳生成算法改进与优化的同构化方向

本文指出了迄今为止的现行二维点集或线段集（包括：多边形、封闭折线、半封闭折线、开放线段集等）凸壳生成算法的共同弱点;提出了可改进与优化凸壳算法的同构化凸壳构造基本定理。进而,基于同构化凸壳构造基本定理,阐明了有限二维点集或线段集凸壳生成算法改进与优化的同构化方向,应当是：第一,使凸壳极点（或称顶点）分布域极小化,即让包含凸壳极点的判定区域尽可能小;使极点判定对象直接化,即让所判定对象尽可能接近当前所寻极点。第二,尽力对有可改造潜力的优秀串行凸壳算法施以并行化改造和创新。     

基于最大基线倾角智能逼近的凸壳新算法

本文评述了有代表性的折半分治递归凸壳算法,并利用同构化凸壳基本定理提出效率更高的最大倾角智能逼近凸壳新算法。本新算法的同构化特点是：1）找出给定二维点集最外点（指最左、最右、最高、最低点）,即其X轴、Y轴坐标值最大、最小的四个初始极点;2）用该初始极点,把原二维点集分布域划分为四个子分布域;3）分别在这四个子分布域中,各基于自身最新所得极点依次动态构造其基线倾角最大的当前极点,并用这些极点作凸边,来逐步智能逼近和最终生成该给定二维点集的凸壳。