基于自适应同时稀疏表示的鲁棒性目标追踪

综合考虑高斯噪声和拉普拉斯噪声,并通过拉普拉斯噪声的能量大小自适应的选择稀疏模型,该文提出了基于同时稀疏表示的自适应追踪算法。该算法可以更好的解决目标遮挡、姿势改变、光照变化和背景混杂等追踪问题,且具有更强的鲁棒性。其次提出一种基于子空间学习和无监督学习（K-means）相结合的模板更新方法,该方法一方面可以及时有效地反应目标的状态,另一方面也可以避免模板更新过快而引入较大的误差。然后,利用LASSO算法对该模型做了进一步的改进,并将目前较好的9种追踪算法与该文提出的算法进行比较,实验结果表明该算法在鲁棒性、精确性和实时性方面都得到了较好的改善。     

群体感应信号分子对MBR自养脱氮系统膜污染的影响研究

基于膜生物反应器(membrane bioreactor,MBR)的自养脱氮工艺是近年来发展起来的一种新型生物脱氮技术,具有曝气能耗小、无需消耗有机碳源及去除负荷高的优势.然而,持续的抽吸出水使得膜丝表面微生物生长进而堵塞膜孔形成膜污染,出水通量的严重下降限制了该工艺的发展及应用.本文利用微生物的自身调控机制,考察了不同浓度的信号分子C_8-HSL(2,5,6μmol/L)对MBR自养脱氮系统膜污染速率、脱氮性能及污泥分泌胞外聚合物(extracellular polymeric substance,EPS)和溶解性微生物产物的影响规律.结果表明,随着信号分子浓度的增加,膜污染速率减缓,膜污染周期分别从14天延长到20、23、25天.在停止添加信号分子后,膜污染周期再次缩短到12天.氨氮去除率随着信号分子浓度的增加而升高,但6μmol/L的信号分子诱导了亚硝酸盐氧化细菌的活性,不利于自养脱氮.研究表明,5μmol/L的信号分子既可有效减缓膜污染,降低膜面EPS,同时可促进氨氮去除,该结果为解决MBR膜污染提供了新的途径,有助于促进MBR自养脱氮工艺的应用.