基于HOG及在线多实例学习的目标跟踪算法

传统的基于色彩直方图或空间色彩直方图的跟踪算法在跟踪目标出现尺度变化的复杂条件下,因无法显著区分颜色相近的目标和背景,不能得到准确跟踪结果.提出基于HOG及在线多实例学习的目标跟踪算法.此算法采用HOG特征值提取方式,结合在线多实例学习技术,对目标远离场景、平移、旋转、遮挡等情况进行跟踪.实验结果表明,该算法能够对各种复杂情况下的动态目标进行有效跟踪,具有良好的鲁棒性和准确性.     

基于时空上下文和随机森林的人眼跟踪定位算法研究

为了得到人眼跟踪过程中更好的鲁棒性和实时性以及跟踪精度,提出一种基于自适应增强分类算法(AdaBoost)、随机森林(RF)和时空上下文(STC)的重定位跟踪算法。该算法结构分为3层,分别为AdaBoost人脸检测、STC人脸跟踪和RF人眼定位。首先,利用AdaBoost在第一帧识别出人脸,从而提取出人脸窗口。接着,使用时空上下文跟踪算法进行人脸跟踪。然后,联合定向梯度直方图(HOG)算法进行相似度判断,以达到目标丢失后继续跟踪的目的。最后,采用随机森林算法进行人眼定位。实验结果表明,与传统的随机森林人眼跟踪算法相比,该算法在跟踪速度达到原方法的2倍左右,并在跟踪精度和鲁棒性上和原算法相同。基本满足在裸眼3D显示时人脸跟踪和人眼定位的精度高、实时性快、鲁棒性好的要求。     

上行通道关键点电平对网络质量稳定性的分析

本文提出HFC双向网络上行通道的九个关键点,在分析、计算的基础上确定了各关键点电平值,分析了关键点电平的变动对网络质量稳定性的影响,提出一些落实关键点电平的措施。     

自动识别数字调制方式的一种方法

提出了一种对经符号成形的数字通信信号进行调制方式自动识别的方案,该方案将数字已调信号的瞬时特征与功率谱特性相结合,设计了一组对信号信噪比不敏感的特征参数。通过提取经升余弦滤波成形的2FSK等六种常用的数字调制信号的5个特征参数,分别采用决策树和神经网络分类器进行调制方式自动识别。仿真表明,当信噪比为11dB时,采用决策树分类器对除2ASK外的5种信号的识别率在95%以上,神经网络分类器此时对所有信号的识别率达到了98%以上,证明了该方案的有效性和可行性。     

OFDM分集接收系统上行链路信道估计研究

对采用时频块组帧的OFDM(正交频分复用)上行链路信道估计进行了研究,给出了基于二维DFT(离散傅里叶变换)的信道估计算法,针对传统二维信道估计方法的边缘效应提出了一种改进办法,即采用分块拟合的方法对信道曲面边缘部分进行补偿估计。仿真表明,改进的二维DFT信道估计方法可以有效地消减边缘效应,从而获得更好的系统性能。     

一种自组织结构的神经网络模式分类器

本文研究了一种自组织结构的神经网络模式分类器．它由一个多层网络和一个自组织机构组成．通过对训练样本的聚类分析，它能有效地构造和训练网络，并能在学习过程中自适应地调节网络结构．它具有收敛速度快，能避免局部极值点和应用方便等显著优点．计算机模拟实验证实了其优越性．     

基于径向基概率神经网络的雷达辐射源信号识别

雷达辐射源信号识别是电子情报系统和电子支援系统的重要组成部分。文章提出一种基于径向基概率神经网络的雷达辐射源信号识别方法，通过对几种典型雷达辐射源信号复杂度特征提取和采用径向基概率神经网络分类器进行分类识别的实验结果表明，文章所提出的方法是有效的，能在较宽的信噪比范围内获得满意的识别率。     

LTE上行干扰分析

通过对第三代移动通信系统的长期演进系统（LTE）的干扰进行简要分析,认为LTE系统的上行干扰相对于下行干扰更加复杂、随机。通过理论推导、分析和仿真证实,认为LTE系统的单载波上行干扰大致符合对数正态分布,并且来自相邻小区的干扰占主导因数;与此同时,多载波上的干扰随着频率呈阶梯型起伏,不利于采用自适应调制编码技术,需要采取必要的措施来克服。该结论有利于估算LTE系统容量和调度中的干扰预测。     

融合多特征的人脸检测方法

针对复杂环境下基于肤色模型的人脸检测误检率较高以及Adaboost算法对高分辨率图像时间效率低,提出了一种新的结合肤色模型和皮肤纹理特征以及Adaboost级联分类器的人脸检测方法,并改进了基于纹理刷色阶偏差法的皮肤纹理特征提取方法。该算法充分融合了肤色模型简单快捷、皮肤纹理突出的特性以及Adaboost级联分类器检测率高等优点。实验表明,该方法检测率高且有较好的鲁棒性。