分布式光纤中的稳健时间延迟估计方法

在分布式光纤传感系统定位中,传统时延估计算法常由于噪声相关性较强而失效。采用一种削弱相关噪声的改进型广义相关法,并针对系统特点,为进一步改善分布式光纤传感定位的准确度与稳定度,提出了一种先对数据按事件信号进行分帧,再采用卡尔曼滤波器对分帧时延估计结果进行跟踪的时延估计方案。系统仿真实验与实际数据测试结果均表明:提出的时延估计方案能够有效抑制强相关性的噪声,提高时延估计的准确度与稳定度。经大量现场测试,本文的方案能够有效地将时延估计误差稳定地控制在0.2个采样间隔以内,能够满足系统实际定位精度要求。     

Oja神经网络模型的有限逸时性

O ja连续型全反馈神经网络模型可以有效计算实对称矩阵的主特征向量,该网络的动态行为由描述其模型的微分方程所决定,详细研究了O ja动力系统的稳定性问题.对于非正定实对称矩阵最大特征根为零,且至少有一特征根为负的情形,证明了从单位球外出发的解并不一定必然导致有限逸时,完善了O ja模型计算实对称矩阵主特征向量的收敛性结果,数值实验结果进一步验证了理论分析的正确性.     

基于曲率尺度空间角点检测的交通标志分离算法

针对交通标志出现互连现象导致检测率下降的问题,提出了一种基于曲率尺度空间(CSS)角点检测的交通标志分离算法。使用基于红绿蓝(RGB)归一化的彩色分割算法和区域特征判决准则自动识别多标志互连候选区域,并对提取的目标区域进行边缘平滑和轮廓跟踪。利用基于全局和局部曲率特性的CSS角点检测器对提取的轮廓进行角点检测,并依据角点凸凹性判定准则及分离点对匹配条件,从角点中提取标志间的分离点对。利用Bresenham算法寻求分离点对间的分离线,实现标志的最终分离。实验结果验证了算法的有效性,与现有基于分水岭变换的标志分离算法以及改进的自适应分离算法相比,克服了标志过度分离问题,提高了标志检测整体性能。