BP神经网络结合变量选择方法在牛奶蛋白质含量检测中的应用北大核心CSCD

牛奶中的蛋白质含量会影响牛奶的品质,利用高光谱图像的光谱特征信息研究对牛奶蛋白质含量预测的可行性。本文提出一种基于竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)结合多层前馈神经网络(back propagation, BP)的预测建模方法,实验以含有不同浓度蛋白质的牛奶为对象,利用可见光/近红外高光谱成像系统共采集到5种牛奶共计250组高光谱数据,通过实验对比选择采用标准化方法对获取到的吸收光谱预处理,然后采用CARS结合SPA筛选特征波长,得到18个特征波长,建立CARS-SPA-BP模型,经过试验,CARS-SPA-BP模型的训练集决定系数和测试集决定系数R;和R;分别达到0.971和0.968,训练集均方根误差(root mean square error of calibration,RMSEC)和测试集均方根误差(root mean square error of prediction,RMSEP)达到了0.033和0.034。研究发现,采用CARS结合SPA筛选的牛奶特征波长建立的多层前馈神经网络模型,其模型预测结果与全波长建模相比并没有明显降低,因此将CARS结合SPA用于波长筛选并且结合BP神经网络基本可以完成对牛奶蛋白质含量的预测。为验证CARS-SPA-BP模型的预测能力,在相同数据环境下,使用较为传统的偏最小二乘回归(partial least squares regression, PLSR)进行建模,实验结果表明,CARS-SPA-BP相较于PLSR,R;和RMSEP均有明显提升。研究表明,CARS-SPA-BP可充分利用牛奶光谱特征信息实现较高精度的牛奶蛋白质含量检测。     

切削加工参数优化及自适应控制技术综述

阐述离线切削参数优化技术的研究现状,在线自适应切削加工技术的应用,探讨数控加工过程中离线参数优化技术,以及在线自适应加工技术的关键难点。     

抛锚状态下的船载地波雷达目标自适应检测方法

船载地波雷达可利用船载平台机动灵活的特点,扩展地波雷达探测范围,但也会由于平台的运动,影响目标探测性能. 针对船载平台抛锚运动引起艏向变化和目标回波展宽范围不规则导致目标检测性能下降的问题,提出了一种适用于平台抛锚状态时的船载地波雷达目标自适应检测方法. 首先,从平台抛锚时船载地波雷达的目标回波特性和检测背景统计特性两个方面来分析目标检测中的难题. 然后,基于理论仿真与实测数据的分析结果,提出目标自适应检测方法. 该方法先通过前端数据的预处理消除艏向变化带来的影响,再将处理结果进行检测背景的自适应选取并作统计特性转化处理,经过恒虚警率检测后得到检测结果. 最后,利用实测数据对本文提出的方法进行验证. 结果表明:本文提出的船载地波雷达目标自适应检测方法能够有效解决船载平台抛锚时的目标检测难题,可显著提高抛锚状态下船载地波雷达的目标探测能力.     

嵌入式电子助力转向系统研究

电子转向助力技术能够有效驱动汽车转向,为提高其转向控制的稳定性和准确性,本文设计了一种基于嵌入式的电子助力转向系统。首先针对传统的电子助力转向系统,利用牛顿第二定律建立其动力学模型,为控制器设计及构建硬件环境奠定基础。其次,针对典型电子转向助力系统的动力学模型,为降低其运动副间的摩擦对控制性能的影响,设计了自适应摩擦前馈补偿控制器,并根据Lyapunov稳定性原则确定了自适应控制率解析表达式。再次,本文以STM32F407嵌入式控制器为核心,搭建系统硬件平台并设计软件流程。最后,基于此平台展开试验验证,系统通过跟踪阶跃指令和正弦指令对比分析了传统PID算法和自适应摩擦前馈补偿算法,试验结果表明自适应前馈补偿算法可提高系统稳态精度和动态响应能力,并验证所设计的基于嵌入式的电子助力转向系统的正确性和完整性。     

采用自适应模糊优化的目标跟踪加速方案

目标跟踪作为计算机视觉的重要方向之一,在自动驾驶、安防监控等方面有着广泛的应用,但是目标跟踪算法还无法有效地运行在嵌入式设备上。针对目标跟踪算法计算量大、复杂度高,难以部署在资源受限的嵌入式设备的问题,提出了一种基于相关滤波目标跟踪的加速方案。首先采用自适应模糊算法优化了跟踪算法整体运算量,它可以根据目标跟踪框的尺寸判定是否降低图像质量。其次采用了跟踪响应结果的峰值旁瓣比与平均相关能量比判据来评估跟踪结果的可信度,从而实现跟踪模型的自适应更新以及目标位置的重搜索。最后基于FPGA并行实现相关运算和跟踪检测器训练阶段的矩阵相乘运算,以提升算法实时能效性。所提出的加速算法基于PYNQ-Z2进行硬件测试,并在OTB-2015跟踪数据集上进行验证,该算法的跟踪精度与跟踪实时性分别为65.8%,17.28 frame/s,相比于原始算法,跟踪精度、跟踪实时分别提高了9.12%、703.7%。     

自适应调节滤波强度的SAR图像非局部平均抑斑算法

为提升对SAR图像乘性相干斑的抑制水平与边缘保护性能,该文提出了一种可自适应调节滤波强度(AFS)的SAR图像非局部平均(NLM)抑斑新算法(AFS-NLM).该算法利用Frost滤波图像计算的局部均值与方差来改善SAR图像场景参量的估计,形成了一种能更好刻画SAR图像同质区与边缘区的改进Kuan滤波系数.利用局部均值比与改进Kuan滤波系数分别作为新的相似性测量参量与自适应衰减因子,构建了一种更适应SAR图像乘性噪声特性的改进NLM滤波.利用偏平滑参数与偏边缘保护参数控制下的改进NLM滤波,分别替代经典Kuan滤波模型中的像素局部均值与自身灰度值作为加权项,并采用由改进Kuan滤波系数构建的自适应调节因子对二者进行加权平均,从而形成了一种可自适应调节滤波强度的加权滤波新模型.实验表明,该文算法与近期多种先进算法相比,具有更好的相干斑抑制与边缘保护性能.     

胎儿心电的提取方法分析

介绍了胎儿心电的提取方法,提取过程中要克服母体工频的干扰,以及母体心电本身的干扰,对胎儿心电的提取要尽可能降低这些噪声,由此通过相干平均、相关平均、自适应滤波3种主流的信号处理方法,建立了3种方法的电路原理图,从信号处理上分析了各种方法的优缺点,并给出了理论分析。根据不同的临床目的,可以采取不同的方法,达到最佳的胎儿心率监护。     

增益增强型CMOS运算放大器的自动优化算法

在增益增强型运算放大器优化中采用了自动设计方法,此方法在电路性能方程式和自适应遗传优化算法基础上对电路性能指标进行优化。该放大器在0.18μm CM O S工艺条件下中开环增益为92.1 dB,单位增益带宽积为1.78 GH z,相位裕度为55.1°和0.2%建立时间为1.27 ns,同时说明此优化设计方法的有效性。     

秩排序非线性滤波器的自适应优化算法

在图像处理中，秩排序非线性滤波器具有非常重要的作用。本文从加权顺序统计滤波器的自适应优化算法出发，导出了加权中值滤波器、秩选择滤波器和置换滤波器等几种重要的秩排序非线性滤波器的自适应优化设计算法，这些算法采用迭代计算实现，并可以在MAE、MSE和／Z准则下得到最优解。模拟实验表明，这些算法具有非常好的收敛效果，并可以很好地用于类似图像的非平稳信号的处理。