目标极点提取的改进算法

针对强电磁脉冲孔耦合瞬态响应的极点参数提取问题,将传统的矩阵束算法进行改进。通过对含有噪声的瞬态响应数据进行互相关处理,能有效提高低信噪比时极点的提取精度。再将数据经离散化后构造Hankle矩阵,结合奇异值分解,求解其广义特征值,即可提取信号的极点参数信息。最后通过仿真分析以及对波形的重构,验证改进算法具有抗噪能力强、拟合度高的特点。     

改进的QPSO算法在电网故障诊断系统中的应用

电网故障诊断系统通常基于建立的解析模型,通过分析保护和断路器的动作信息来推断可能的故障位置,从而识别保护与断路器的故障元件和误动作。本文根据保护动作原理,构建了一种改进的解析模型,并采用改进的量子粒子群算法对其目标函数进行优化求解。该模型不仅充分考虑到了保护和断路器的误动与拒动、断路器失灵保护等问题,且能辨识告警信息的误报和漏报。实验结果表明改进的算法不仅使故障诊断结果更精确,并能使故障情况很清晰的表示出来,有利于故障的及时恢复,同时使模型的运算速度和稳定性也进一步得到了提高。     

基于CamShift和Kalman组合的改进目标跟踪算法

针对应用CamShift算法进行目标跟踪过程中,当目标被严重遮挡、目标被与目标颜色相近的背景干扰时易丢失跟踪目标的问题,提出了一种基于CamShift和Kalman滤波组合的改进跟踪算法;为克服目标因严重遮挡而丢失的缺陷,利用自适应算法改进了传统的CamShift算法,扩大了搜索窗口,使运动目标位于搜索窗口内;为解决目标因颜色相近背景干扰而丢失的问题,改善跟踪准确率,利用卡尔曼滤波预测目标运动空间位置,作为下一帧搜索窗口的质心坐标;基于上述改进,利用C++语言,研发了改进的CamShift目标跟踪软件模块,给出了该模块的算法流程;实验结果表明,改进后的目标跟踪算法能有效地克服传统CamShift算法的缺陷,大大提高运动目标跟踪的准确性;所提的算法可以应用于运动小车跟踪,人脸识别等领域。     

一种多尺度相似性学习的目标跟踪算法研究

基于深度学习的目标跟踪算法由于其良好的性能已经成为目标跟踪领域的主流算法之一。其核心思想是进行前后帧的相似性学习从而完成模板帧与搜索帧的匹配。其中,相似性学习是影响跟踪算法性能的关键一环。以孪生网络的相似性学习为切入点,对现有的深度互相关(DW-XCorr)的相似性学习方式进行改进,提出了一种多尺度相似性学习的目标跟踪算法。该算法在SiamRPN的基础网络框架下,构造多尺度互相关(Multi-Scale Cross Correlation,MS-XCorr)模块,对原有的互相关操作进行多尺度的改进,从而增加学习特征尺度的多样性,提高了跟踪网络相似性学习的效率,最终使得算法跟踪性能有进一步提升。在实验部分,将改进后的算法与其基线进行了对比实验,该算法在成功率(Success Rate)、精度(Precision)及平均精度(Norm Precision)上均有提升,成功率提高了4.3%,精度提高了4.4%,平均精度提高了4.0%。实验表明,多尺度互相关模块相较于深度互相关模块具有更强的相似性学习能力,提出的多尺度相似性学习的目标跟踪算法在目标光照、形态变化、遮挡以及干扰等复杂场景下具有更...     

一种改进的高效稳定内嵌边界算法

在气固多相流数值计算中,内嵌边界方法用于处理固体颗粒和流体之间的相互作用问题。本文将程玉民等改进的移动最小二乘法应用于内嵌边界方法中,克服了移动最小二乘逼近法需要求解逆矩阵的弊端,提高了计算效率和精度。通过直接数值模拟具有精确解的Taylor-Green涡、均匀来流绕过固定圆柱和NACA-0012机翼,验证了本算法可以取得很好的模拟结果。     

基于Hessian矩阵本征分解的目标中心线提取算法

在对动态目标闭环跟踪过程中,目标中心线的提取对目标的定位以及实时姿态判定有着重要影响,是实现高精度定位以及姿态判定的重要依据。根据Hessian矩阵在微分几何中的意义以及动态目标的成像特点,提出一种基于Hessian矩阵本征分解的目标中心线提取算法。算法在分割出目标的基础上,进行欧氏距离变换并建立关于目标的灰度Hessian矩阵,对Hessian矩阵进行本征分解,获取目标中心的初始点集,对这一点集采用随机采样一致算法进行野值剔除,最终拟合出目标的中心线。为了验证算法的有效性,设置了评价机制,并和前人提出的若干算法进行了对比,仿真实验表明该算法具有较高的稳定性和准确性。     

基于扩展目标的不变矩跟踪算法

 提出基于边缘区域的不变矩计算方法，在此基础上，针对在运动中形状、尺寸和方位不断变化的扩展目标，提出一种以不变矩作为跟踪特征，粗、精阶段相结合的相关跟踪算法，并根据目标图像的相关性给出一种新的跟踪置信度。实验结果显示算法迅速、有效、匹配精度高，对于复杂背景，较强噪声和运动状态发生变化条件下的扩展目标跟踪稳定可靠。     

基于扩展目标的不变矩跟踪算法

提出基于边缘区域的不变矩计算方法,在此基础上,针对在运动中形状、尺寸和方位不断变化的扩展目标,提出一种以不变矩作为跟踪特征,粗、精阶段相结合的相关跟踪算法,并根据目标图像的相关性给出一种新的跟踪置信度。实验结果显示算法迅速、有效、匹配精度高,对于复杂背景,较强噪声和运动状态发生变化条件下的扩展目标跟踪稳定可靠。     

一种面向声纳群目标检测应用的盲波束形成改进算法

随着水下自主航行器（UUV）及其声纳检测系统的智能化水平的提高，多UUV协同工作成为重要的研究方向，阵列信号处理中的盲波束形成理论可用于处理该类问题。Coviello提出了一种便于实时应用的盲波束形成算法，但其算法适用面窄，本文通过阵元对理论对其算法加以改进，以适应UUV间的位置误差，从而改善UUV群对目标方位的被动估计能力。仿真实验显示，改进算法在保持Coviello算法良好性能的前提下具有更广阔的适用性。     

基于SVD的超精密工件自寻位加工算法能力评价

为进一步改善超精密表面修形的最终精度、效率与成本,优化超精密自寻位加工的工艺方向与工艺决策过程, 开展了对超精密工件的自寻位加工算法点云融合过程的定量评价研究,提出了基于SVD的自寻位加工算法能力评价方法。首先基于运动学方法建立了点云融合的矩阵表示,分别对平动、转动、复合运动等情况建立了自寻位结果的转换矩阵表示,获得自寻位点云融合转换矩阵;进而对转换矩阵进行奇异值分解得到转换矩阵的奇异值列表;最后将列表中最大奇异值用以表征自寻位加工算法的能力。通过对某型超精密叶片在平动、转动和复合运动、共计1078组自由放置状态进行分析,发现所提出的评价指标在独立平动和独立转动两种任意放置情况下能够正确地表征自寻位加工算法的工艺能力。对于独立平动情况,自寻位加工算法能够正常定位加工,其最大奇异值也与预设偏差较小;对于独立转动情况,当旋转角度小于45°时,均能够正确地进行自寻位加工,最大奇异值差值也趋近于零,旋转角度超过45°时,算法的自寻位加工能力恶化,这一特性能够被所提指标正确捕捉。对于由平动和转动构成的复合运动而言,所提指标显示约35%的情况能够正确进行自寻位加工,其余情况无法进行正确的自寻位加工。结果表明本文所提方法建立的指标能够正确表征自寻位加工算法能力。     

Correction of failure in antenna array using matrix pencil technique

In this paper a non-iterative technique is developed for the correction of faulty antenna array based on matrix pencil technique(MPT). The failure of a sensor in antenna array can damage the radiation power pattern in terms of sidelobes level and nulls. In the developed technique, the radiation pattern of the array is sampled to form discrete power pattern information set. Then this information set can be arranged in the form of Hankel matrix(HM) and execute the singular value decomposition(SVD). By removing nonprincipal values, we obtain an optimum lower rank estimation of HM. This lower rank matrix corresponds to the corrected pattern. Then the proposed technique is employed to recover the weight excitation and position allocations from the estimated matrix. Numerical simulations confirm the efficiency of the proposed technique, which is compared with the available techniques in terms of sidelobes level and nulls.     

Image quality assessment using the singular value decomposition theorem

In objective image quality metrics, one of the most important factors is the correlation of their results with the perceived quality measurements. In this paper, a new method is presented based on comparing between the structural properties of the two compared images. Based on the mathematical concept of the singular value decomposition (SVD) theorem, each matrix can be factorized to the products of three matrices, one of them related to the luminance value while the two others show the structural content information of the image. A new method to quantify the quality of images is proposed based on the projected coefficients and the left singular vector matrix of the disturbed image based on the right singular vector matrix of the original image. To evaluate this performance, many tests have been done using a widespread subjective study involving 779 images of the Live Image Quality Assessment Database, Release 2005. The objective results show a high rate of correlation with subjective quality measurements.     

Image quality measurement besides distortion type classifying

To identify the distortion type and quantify the quality of images, a new method is presented based on a comparison among the structural properties as well as consideration of the luminance characteristics of the two compared images. To fulfill this aim, the mathematical concept of the singular value decomposition (SVD) theorem has been applied. The difference vector of the reflection coefficients of the disturbed and the original image on the right singular vector matrix of the original image are considered. Many tests were conducted to evaluate the performance, using a widespread subjective study involving 779 images from the Live Image Quality Assessment Database, Release 2005. The results showed a greatly improved performance along with the ability to distinguish distortion type of images.     

一种改进的块匹配运动目标识别算法

鉴于传统的块匹配法在图像特征提取、匹配以及搜索等方面有诸多不足,复杂的边缘提取处理与基于灰度的匹配准则都使得系统的处理速度与精度降低,为了使识别处理更加快速精确,提出了一种改进的块匹配识别算法。通过拉普拉斯算子对图像特征进行增强,提高图像的特征信息;实验表明,针对320像素240像素大小的图像,改进算法的特征增强计算时间在Matlab中平均约为0005 4 s。     

微机械薄膜变形镜校正性能及控制算法

通过对微机械薄膜变形镜影响函数矩阵的奇异值分解,构建了变形镜可以校正的像差模式空间,分析了变形镜对正交基模式的校正能力和校正范围,提出了一种变形镜闭环迭代控制算法。通过对影响函数矩阵低秩近似的方法滤除校正性能较差的基模式的影响,实现了对畸变像差的有选择校正。以人眼出射波前为对象进行实验,通过比较不同模式项数校正时的效果,确定了最优校正模式项数的范围,通过设置残差容限的方法,消除了人眼晃动和眨眼的影响。实验结果表明:控制算法能通过选择合适的校正项数,提高变形镜的校正性能,并获取到了高清晰度的人眼视网膜图像,为眼科疾病诊断和治疗提供了一种新的观察手段。     

基于经验模态分解滤波的低频振荡Prony分析

传统Prony法在分析低频振荡时对输入信号要求较高,存在着对噪声敏感的弱点.因此提出一种经验模态分解滤波和改进Prony法相结合的低频振荡分析方法.该方法先用经验模态分解对低频振荡信号进行自适应滤波,再用改进Prony法对滤波后的信号进行分析.其中,改进Prony法有效阶数用归一化奇异值法确定.将该方法分别用于分析试验信号和IEEE 4机系统振荡信号,并与基于低通滤波器的Prony分析进行比较.结果表明,在较大噪声环境下,该方法仍然能相对准确的辨识出低频振荡主导模式,验证了其有效性. 关键词： 低频振荡 经验模态分解 改进Prony法 归一化奇异值法     

基于奇异值分解的随机共振特征提取研究

针对强背景噪声下信噪比极低的微弱特征信号的识别问题,提出了基于奇异值分解的随机共振特征提取方法.该方法首先利用奇异值分解对实际采样信号进行预处理和重构,然后寻找到特征信号分量与噪声强度相匹配的分量信号.此分量信号再经过非线性双稳系统的随机共振处理,可实现从强噪声背景中检测极微弱的特征信号.     

光束通过硬边光阑光学系统变换的改进算法

使用傅里叶级数与有限个复高斯函数之和的乘积作为硬边光阑的窗口函数的近似式,提出了含硬边光阑近轴ABCD光学系统对光束变换的改进算法。以高斯光束的变换为例,推导出了一个表示为初等函数之和的近似解析传输公式。给出了数值计算结果,并与直接积分Collins公式和使用Wen方法的结果作了比较。研究表明,改进算法能兼顾计算精度和机时,并能用于远场和近场。而使用Wen方法时,在近场（小于0.12倍菲涅尔距离）有明显误差。