一种改进的人类动作识别和定位算法研究

针对现有人类动作识别和定位方法的不足,提出一种改进的人类动作识别和定位算法;该算法首先对每个视频帧进行分层分段,得到一组分段树,每颗树是身体分段树的候选;接着利用视频的轮廓、接合对象结构、全局前景色等信息对候选分段树进行修剪;最后在时域上对剩余分段层的每个分段进行前向和后向跟踪;基于难度较大的UCF-Sports和HighFive数据集对本文方法进行性能评估,实验结果表明,文章方法的性能要优于当前最新运动检测算法性能,运动定位性能与当前最新算法相当。     

基于质心迭代估计的无线传感器网络节点定位算法

针对无线传感器网络非测距定位方法的应用,提出了基于质心迭代估计的节点定位算法.该算法首先计算当前连通信标节点所围成的平面质心的坐标及其与未知节点间的接收信号强度,然后用计算所得质心节点替代距离未知节点最远的连通信标节点,缩小连通信标节点所围成的平面,并通过多次迭代的方法提高节点定位精度.仿真实验结果表明,该算法的各项指标均为良好,适用于无线传感器网络的节点定位.     

基于蝙蝠算法的DV-Hop定位改进

无线传感器网络DV-Hop定位算法在定位过程中,由于待定位节点和锚节点之间的估算距离存在误差,这就使得定位结果必然会有误差,因此定位问题的本质就是最小化定位误差。蝙蝠算法是一种具有良好性能的智能优化算法,根据节点间的距离和锚节点的位置,应用蝙蝠算法对DV-Hop的定位结果进行了优化。基于蝙蝠算法的DV-Hop优化,无需额外增加硬件设备和节点间的通信数据量。仿真实验证明,应用蝙蝠算法改进的DV-Hop定位较原始DV-Hop定位平均提高定位精度35%以上。     

无线传感中的WPSO-DVHOP算法在节点定位中的研究

节点的定位一直都是无线传感网中的重要研究对象,针对使用传统算法定位节点容易出现估算不准确,定位精度低,算法自身局部收敛速度快等缺点,提出一种基于权值粒子群优化(WPSO)算法,首先分析了采用锚节点估算未知节点的距离与真实距离误差,采用最小二乘法的距离修正值策略,其次针对粒子群算法的收敛速度不足,提出了采用权值来调节粒子的速度,改进后的算法对节点定位误差进行修正。在仿真平台Matlab上的实验说明WPSO算法相对于基本的定位算法,粒子群定位算法相比提高了传感器节点定位精度,从算法的收敛性,节点定位的精度以及能量消耗等方面说明该算法具有一定的有效性,如何能够更好进行权值的设置使之能够更加有效提高算法的效率是下一步研究的重点。     

基于改进对数极坐标变换的星图识别算法

星图识别的速度决定了姿态更新率.针对基于对数极坐标变换的星图识别算法的循环位移带来的耗时问题,提出了一种改进算法.首先寻找距离视场中心最近的星点来构造新的直角坐标系,并转换为极坐标,然后将星点坐标投影至距离轴,构造星模式的特征向量.由于极坐标变换在距离轴上具有旋转不变性,所以避免了循环位移带来的耗时问题.仿真表明,所提...     

基于蝙蝠优化算法的无线传感器网络节点定位研究

节点定位是无线传感器网络应用中的关键技术,Dv-Hop算法的定位精度不尽人意,因此将三方面改进的蝙蝠算法应用于Dv-Hop平均跳距的计算过程中,在Dv-Hop的第三阶段引入改进后的蝙蝠算法代替最小二乘法来计算未知节点的坐标,大大降低平均跳距导致的定位误差,提高定位精度;仿真结果表明,改进的BA算法优化的DV-hop定位算法在不同锚节点密度、不同通信半径、不同节点数量以及定位精确度等方面表现出良好的性能。     

基于特定感兴趣区采样的虹膜定位改进算法

从虹膜图像特点出发,以瞳孔形心为辅助点实现对虹膜图像特定感兴趣区采样.并且根据虹膜内外圆半径的生理特点设定Hough变换半径参量,依据虹膜内外圆近似同心圆来筛选与虹膜外圆最匹配的Hough变换结果.该算法在主动避开眼皮,睫毛干扰的同时又显著降低了Hough变换的计算量.通过对中科院自动化所CASIA虹膜数据库108组图像的虹膜定位测试结果表明,该方法平均定位时间0.83 s,定位准确率98.9%.     

一种改进的RGB Hough车牌校正定位算法

车牌的定位对车牌识别的成功率起到决定性作用。为了通过校正倾斜的车牌提高车牌在倾斜情况下字符识别的准确率,针对小型车蓝底白字的车牌提出了一种基于RGB色彩空间与Hough变换的车牌校正定位算法。对无倾斜情况的车牌可以直接定位,对于存在明显倾斜的车牌可以实现倾斜校正并定位。对车牌无倾斜情况的定位准确率为93%,倾斜车牌的定位准确率为88%。     

基于改进的质心定位的LSSVR算法的设计

针对无线传感中基于质心算法的节点定位存在误差比较大,算法效率低的缺点,提出了一种基于加权的LSSVR的节点定位算法;首先,对未知节点构建节点序列相关度,采用Kendall的Tau指标来估计未知节点的位置,提高了未知节点的定位精度,其次引入了LSSVR概念,构建改进质心算法的LSSVR定位模型,降低了噪声影响,大幅度提高定位精度;仿真实验表明该算法与基本的LSSVR算法在定位精度上有了明显的提高,在锚节点,未知节点所占比例不断增大的情况下该算法定位精度具有很大的提高,降低了算法的计算复杂度,具有较高的应用价值。     

一种改进的RGB Hough车牌校正定位算法

车牌的定位对车牌识别的成功率起到决定性作用。为了通过校正倾斜的车牌提高车牌在倾斜情况下字符识别的准确率,针对小型车蓝底白字的车牌提出了一种基于RGB色彩空间与Hough变换的车牌校正定位算法。对无倾斜情况的车牌可以直接定位,对于存在明显倾斜的车牌可以实现倾斜校正并定位。对车牌无倾斜情况的定位准确率为93%,倾斜车牌的定位准确率为88%。     

基于KW01的无线RFID读卡系统设计

针对以Mifare卡为基础的传统有线RFID系统组网复杂,成本高等问题,采用飞思卡尔2014年最新推向市场的KW01 MCU(集成ARM Cortex-M0+内核与Zigbee Sub-1G无线射频收发器)与射频芯片 MF RC531开发了一套无线RFID读卡系统,以构件化思想设计了系统各模块的硬件电路,封装了KW01与RC531的底层软件驱动构件,并以此为基础给出了结构清晰的工程框架,降低了系统开发的难度,提高了系统的可扩展性与可移植性;同时在软件设计中移植了飞思卡尔SMAC无线精简协议栈实现网络组建,并改进了通信协议与数据收发机制。在433M频率下的测试表明系统节点通信距离远、功耗低、性能稳定,达到了预期要求。     

WSN中基于对偶线性规划的异常检测和定位算法

文章提出了一种改进的传感器网络异常检测和定位方法;该方法通过两个阶段的探查来收集端到端测量数据实现异常检测和定位;第一阶段探查的目的是选择可以覆盖最大数量异常链路的探点,缩小可疑区域范围,供第2阶段探查,这一阶段的探点选择问题被建模为预算有限条件下的覆盖范围最大化问题,文章提出一种基于对偶线性规划的高效近似方法进行求解;第2阶段的目的是以最小的通信代价,定位出导致观察到的端到端异常现象的具体链路,并根据多环置信度传播算法(LBP)来预测诊断质量;在不同网络设置下展开实验,实验结果表明,文章算法的漏检率和精确求解方法相当但运行速度更快。     

双基地多输入多输出虚拟阵列的稳健低旁瓣波束优化技术

双基地多输入多输出(MIMO)系统需要对目标的波达角和波离角进行二维估计,针对高分辨算法中阵列协方差矩阵处理运算量大以及估计性能对阵列流形失配敏感的缺陷,提出了一种基于二阶锥规划的抗阵列流形失配的双基地MIMO虚拟阵列波束优化算法.该方法利用MIMO的波形分集技术与双基地的目标定位解算,通过波达角和波离角在双基地定位椭圆上的对应关系,将双基地MIMO的二维合成方向矢量转化为一维的虚拟阵列流形,并证明了双基地MIMO虚拟阵列的波束图等效为发射波束图在接收阵角度域上的响应和接收波束图的合成.在优化波束图旁瓣的同时,该算法兼顾了固定方向上的相干干扰抑制,并提高了双基地MIMO虚拟阵列波束优化抗阵列流形失配的能力.通过波束图和方位谱优化的仿真分析和水池试验,验证了算法的有效性.     

基于联合分步APIT定位算法的改进

本文研究了无线传感网络( Wireless Sensor Network,WSNs)的节点定位问题,并针对APIT由于锚节点在低密度环境下的节点误判和节点失效等问题给出了改进,在APICT定位算法的基础提出了联合分步定位算法UNION-APICT(Union Approximate Point-In-Circumcircle Test),该算法是结合连通性的测距技术,RSSI测距技术以及质心定位和APICT等技术,来联合解决对未知节点定位问题。通过仿真实验结果表明,改进后的UNION-APICT在APICT算法的基础之上平均定位误差减少了10%-25%,定位性能有了明显的提升;随着通信半径R和最大探测距离rmax的增加,定位误差也在逐渐减小,该算法较APIT和APICT定位算法在锚节点密度、节点覆盖率和定位精度上都有所提高。     

基于图像跟踪的孔洞目标提取与区域定位研究

针对纤维材料图像分割后提取的目标图像孔洞之间粘连明显、不封闭、分布不均匀和大小不一等特点,采用常规链码与带方向链码两种跟踪手段,运用链码差实现了对边缘的方向性表示.通过结合三点圆拟合算法,对目标孔洞边缘进行了补全,再用链码跟踪所获得的边缘信息对拟合边缘进行修正,实现了对目标孔洞区域的有效定位.     

基于广义正交迭代算法的立体视觉定位

提出了一种新的基于广义正交迭代算法的立体视觉定位.该算法通过提取CenSurE局部特征和相应的U-SURF描述符,采用SAD方法进行子像素立体匹配,并利用U-SURF描述符匹配进行前后帧图像特征跟踪.在RANSAC框架下对匹配点进行3D-3D运动估计获得了运动参量的初始值.由于3D-3D运动估计使3D点集间欧式距离误差最小,而3D特征点坐标受噪音影响很大,因此运动估计误差也较大.本文把广义正交迭代算法应用到立体视觉定位方法中,得到使立体相机目标空间共线性误差最小的运动估计参量,由于共线性误差比3D-3D运动估计算法中的共点误差受噪音影响更小,从而大大较少了运动估计误差.仿真实验和户外真实实验表明：本文算法获得了较高的计算准确度、鲁棒性和实时性,优于传统方法.     

基于广义正交迭代算法的立体视觉定位

提出了一种新的基于广义正交迭代算法的立体视觉定位.该算法通过提取CenSurE局部特征和相应的U-SURF描述符,采用SAD方法进行子像素立体匹配,并利用U-SURF描述符匹配进行前后帧图像特征跟踪.在RANSAC框架下对匹配点进行3D-3D运动估计获得了运动参量的初始值.由于3D-3D运动估计使3D点集间欧式距离误差...     

基于多模差分融合的高速车辆定位算法

针对车辆高速运动下定位延时大、精度低、稳定性差的问题,发挥GPS、RSSI和INS三种定位模式的各自优势,将GPS差分校准算法与RSSI测距相结合求解横坐标,将RSSI测距与INS惯导迭代算法相结合求解纵坐标,提出了一种适合高速运动车辆的多模差分融合精确定位算法。以四车道的高速路为场景进行了仿真实验,当车速为70km/h时,跟踪误差<1m,定位延时<0.2s。实验结果表明,该算法可实现车身级和车道级定位,在精确交通诱导、车辆防撞等智能交通领域具有应用前景和推广价值。