六自由度模块化机械臂的逆运动学分析

针对自主研发的六自由度(DOF)模块化机械臂,提出一种逆运动学求解方法.根据机械臂的结构特点和运动学约束,对机械臂的运动学进行分析.建立该类型机械臂的正运动学模型,得到了机械臂逆运动学的完整解析解.采用Denavit-Hartenberg(D-H)法对机械臂操作空间进行描述,在考虑机械臂运动学约束的基础上,得到以关节角度为变量的正运动学模型.通过分析正运动学模型的可解性,采用矩阵逆乘的解析法求解机械臂的正运动学模型,得到了该类机械臂逆运动学的完整解析解.通过仿真验证了正运动学模型及运动学逆解的正确性,运动学逆解可以用于机械臂末端执行器的精确定位和运动规划.     

小波变换在求解重力测定反问题中的应用

针对重力测定反问题,提出将其离散为线性不适定问题,利用小波变换方法进行数值求解.该方法将小波变换和正则化方法相结合,选取小波函数作为一组基底,将原不适定问题转化为粗子空间上的适定问题,并给出选取粗子空间基的方法.通过数值模拟已有方法和小波变换方法求解结果的比较,表明了小波变换方法的可行性和有效性.     

针对影像处理的快速二维离散余弦转换算法

由于离散余弦转换在影像处理领域之重要性与日俱增,且消耗许多处理器运算时间,所以众多快速二维离散余弦转换算法不断被发表。该文提出一个应用于JPEG及MPEG图像处理的快速二维8×8离散余弦转换算法,该算法主要运用基本的累加及移位运算,快速评估8×8影像区块的复杂程度,可调整离散余弦转换参数的计算数量。该算法只需花费少量硬件成本,如比较器、加法器、移位器,便可有效降低离散余弦转换运算时间,且在模拟结果显示所提出的算法与传统及整数离散余弦转换相比,可达到较快的运算速度,且在量化系数较大的情况下,可得到更好效果。     

关于某些特殊分块矩阵的群逆

分块矩阵的广义逆不仅在数学理论上有广泛研究而且在自动控制、系统理论、概率统计、数学规划等领域有着广泛的实际研究背景.该文对形如[A B/C 0]分块矩阵的群逆的表达式问题进行了研究.设P是复数域上的幂等阵.令矩阵A,B,C取自集合{P,PP*,PP*P },则可以得到27个形如[A B/C 0]的分块矩阵.给出了这27个分块矩阵群逆的存在性与表示形式.     

海洋平台灰预测和支持向量机的逆控制

导管架式海洋平台在随机波浪等外载荷作用下极易产生有害振动,且其动力响应具有极强的非线性和时变性,采用被动控制方法和基于精确数学模型的主动控制方法控制海洋平台的有害振动很难达到理想的控制效果.结合灰预测和支持向量机的优点,提出了基于灰预测和支持向量机的自适应逆控制方法,并将其与动态刚度阵法相结合应用于导管架式海洋平台的振动主动控制中.数值算例分析表明,该控制方法可有效地控制波浪和风载荷作用下引起导管架式平台的有害振动,并能解决由于控制信号传输等原因引起的时滞问题.     

基于视频帧的彩色水印嵌入算法研究

为了增强水印的内容认证性,提出了视频帧中嵌入彩色水印的算法.先分别选取I帧的单色通道做DCT变换,分块后提取奇异值,将彩色水印的对应通道层做DWT变换,对低频区域置乱后提取奇异值,再将水印奇异值嵌入到载体奇异值中,然后由三色通道合成水印视频图像.最后进行了攻击实验,实验结果表明,该算法具有较好的水印提取能力和一定的鲁棒性.     

卡尔曼滤波语音增强算法的CUDA实现

提出一种卡尔曼滤波语音增强算法的统一计算设备架构并行实现方案。该方案通过离散余弦变换把含噪语音分解为不相关的DCT系数,使原来的时域串行处理转化为统一计算设备架构并行处理,只需较少的线性预测阶数,节省运算时间。实验结果表明:与时域卡尔曼滤波比较,该方法有更高的输出分段信噪比,其统一计算设备架构加速方案可有效缩短语音增强运算的时间。     

一种基于模板和DCT变换的柔性电路板配准方法

针对柔性印刷电路板（FPC）生产检测过程中的效率、精度等要求,提出一种基于模板与离散余弦变换（DCT）描述子的配准方法。首先,为了解决配准的精度问题,由电路板文件工程图解析得到对应图像,为后续处理提供更好的模板图,再利用离散余弦描述子的频域能量聚集特点,在模板与被检测图像之间建立对应关系,从而计算出对齐参数。其次,使用mipmap技术处理模板,为配准阶段提供不同精度的模板图片,从而有助于精度及效率的提升。实验结果表明：该改进算法的最大误差和平均误差均比原方法小;对于电路板这种大分辨率的图像,在mipmap采样的模板条件下,可以获得较高的精度,且处理速度有较大的提升。     

基于高斯滤波器组混合特征的录音回放攻击检测研究

录音回放是目前声纹识别技术应对各种仿冒语音攻击的主要手段。针对传统语音特征无法区分真实语音和回放语音的问题,提出一种基于高斯滤波器组的Fisher比混合倒谱特征提取算法。将高斯滤波器组代替传统三角滤波器组,分别采用线性频率和逆ERB频率替换MEL频率,形成高斯线性频率倒谱系数特征（G-LFCC）和高斯逆ERB频率倒谱系数特征（G-IEFCC）两个新的特征。通过Fisher准则将G-LFCC和G-IEFCC融合,生成新的混合特征参数,该特征提高了真实语音和回放语音在高频段的区分度,同时降低回放语音在低频段因不同录音及回放设备造成的干扰。在ASVSpoof2017评测数据上的实验结果表明,该算法混合特征具有较好的区分效果,与IMFCC、LFCC、CQCC和GSV等算法相比,等错误概率分别降低21.8%、38.8%、58.3%和43.7%。     

回环软件缺陷数量预测模型

软件缺陷预测是软件工程中的一个研究热点问题,通常软件缺陷预测的研究工作主要关注于软件模块是否存在缺陷和软件模块存在缺陷的数量。目前软件缺陷数量研究主要集中在基于缺陷数的软件模块排序。为提高软件模块排序的准确度,提出一种回环软件缺陷数量预测模型。此模型主要包括回环特征选择和缺陷预测两部分。在回环特征选择部分,将改进的密度峰值聚类算法和包裹式特征选择方法相结合,以回环的方式动态的选出最优特征,并训练学习器;陷预测部分采用反距离加权集成的方式得到预测结果。实验结果表明,此模型相比于LRCR、GRCR、LR、MLP、GP、NBR、ZIP分别提升了10.36%、28.74%、13.51%、36.61%、25.30%、60.14%、54.72%,有助于提高软件缺陷预测准确性。