基于手势交互的三维电子沙盘系统设计与实现

基于手势的人机交互方式可大大提高人对计算机系统的控制能力，实现人机自然融合。首先，简要分析了Leap Motion设备进行手势识别的特点，详细阐述了利用Unity3D构建三维电子沙盘的方法和流程，在此基础上提出了基于手势交互的三维电子沙盘系统集成技术框架；然后，设计了基于Leap Motion的手势识别方案和控制脚本的基本流程，最后搭建系统实例并进行测试。测试结果表明，通过Leap Motion可实现人手对沙盘系统的预定操作，为这种新型手势识别技术的应用提供了一定借鉴。     

基于多点触摸的自然手势识别方法研究

基于指挥所中指挥作业应用需求,定义了适于指挥所中人机交互的触摸手势;并在对完成触摸手势过程中触摸点相互位置关系进行统计分析的基础上,设计了一套对硬件设备特性依赖较小的多点触摸交互手势识别方法。在一种红外多点触摸交互平台上对整个交互手势的定义与识别进行了实验测试,验证了该交互方法的可靠性、有效性和可扩展性。     

基于pLSA模型的人体动作识别

提出一种基于主题模型的人体动作识别方法。该方法首先提取时空兴趣点(STIP,space-time interest point)来描述人体运动,然后提出使用慢特征分析(SFA, slow feature analysis)算法计算兴趣点梯度信息不变量最优解,最后使用概率潜在语义分析 (pLSA, probabilistic Latent Semantic Analysis) 模型识别人体动作。SFA计算的梯度不变量最优解可以表示时空兴趣点固有特征,能够无歧义反映时空兴趣点在空间及时间方向上的信息。同时,针对pLSA隐性主题正确性无法保证的缺点,算法将主题与动作标签“一对一”相关,通过监督方式得到主题,保证了训练中主题的正确性。该算法在KTH人体运动数据库和Weizmann人体动作数据库进行了训练与测试,动作识别结果正确率分别在91.50%和97%以上。     

某型工程车虚拟操作训练环境设计

采用基于Vega和Creator的虚拟现实仿真机制和人机交互设备，构建某型工程车训练仿真系统虚拟操作训练环境。根据位置跟踪传感器跟踪受训人员手的位置和姿态，使用数据手套获取受训人员手部各关节数据，驱动虚拟手实现人机交互，完成虚拟操作训练任务，并采用前馈神经网络模式识别法和空间位姿判别法，分别对静态手势和动态操作命令进行识别。     

指挥控制中的多人多通道人机交互研究

指挥控制人机环境需要更加自然、高效并且支持协作的人机交互手段。在分析指挥控制中人机交互要素的基础上,提出了多人多通道人机交互概念模型和系统模型。基于该模型设计实现了原型系统,系统使用基于多点触摸的双手手势和语音两个通道实现态势和情报分析任务。通过实验和用户调查,验证了系统可以提高交互的自然性和高效性,对用户之间的协作工作效率也有改善,说明指挥控制中的多人多通道人机交互是有效的。     

多传感器式诱导维修系统的设计与实现

针对战场装备抢修中维修作业时间紧、任务重、难度大和专业维修人员少的问题,提出了多传感器式诱导维修系统体系结构,开发了一套基于增强现实技术的诱导维修系统。系统主要由5个模块构成。通过PST跟踪仪和基于无迹卡尔曼滤波的多传感器跟踪算法完成跟踪注册,结合语音和手势识别进行人机交互,通过构建无线通讯网络和实现数据分布式处理拓展了系统的适应性和实用性。以某型装备电磁铁更换为例,对系统功能进行了验证。实验对比说明了与纸制维修手册和普通移动终端相比,该系统能更为高效地指导维修人员完成维修任务。     

军事任务中基于手势的交互技术研究

未来战场是高度无人与机器化的,如何对无人机器进行有效控制、完成作战任务,这是一个值得研究的问题。对手势识别技术的背景进行了介绍;简述了近年手势识别技术（体感类与视觉类）;对现识别技术的共性问题进行了分析总结,并提出了相应的改进方法。利用滑动窗口与肤色模型提出了一种手指信息（个数与指宽）检测技术,并完成了本研究系统原型设计。     

前馈网络在状态识别中的应用

介绍了前馈网络的结构,BP算法以及算法的推导过程,并对算法做了一些改进.然后将该算法应用于抽油机减速箱的状态识别,给出了识别结果.实验表明,基于BP算法的前馈网络在识别的精度和自学习方面都优于传统方法.     

基于特征聚合的管制语音声纹深度识别方法

针对带有噪声的管制语音声纹识别问题,提出了一种基于特征聚合的声纹识别算法,能够在音频流中识别不同的管制员和飞行员的声纹特征。在经典的X-VECTORS算法的基础上,通过设计残差语谱图特征提取模块和全局可微的NetVLAD特征聚合模块,构造了端到端的说话人识别神经网络训练框架;最后在实际管制语音数据集上对各种说话人识别方法的精度进行了对比分析。实验结果表明,相较于传统的X-VETCORS方法,提出的基于声纹聚合的说话人识别方法具有更高的识别精度。     

融合空间偏好和语义的个体活动识别方法

个体活动识别对用户画像、个性化推荐、异常行为检测、群体行为分析和基于活动的资源配置优化具有重要价值。提出了一种基于稀疏的社交媒体签到数据的个体活动语义识别方法,从签到数据中提取活动行为的时间周期性和趋势性特征,并采用空间偏好量化算法,从个体与群体活动的空间关联中提取群体和个体的空间访问偏好,使用自然语言嵌入工具BERT模型提取访问兴趣点的语义。时间特征、空间偏好特征和访问兴趣点名称语义特征共同构成表征群体、个体偏好的时空联合特征,通过极限梯度提升分类器对其进行分类,得到活动语义识别结果。在Foursquare数据集上的对比实验和消融实验中验证了所提活动语义识别模型可以有效提升活动语义识别的准确性。     

基于元学习的反舰导弹目标识别研究

为了进一步提高干扰环境下反舰导弹的目标识别精度和泛化能力,将集成学习中的元学习策略引入反舰导弹的目标识别领域,并提出了一种基于叠加归纳策略的元学习目标识别算法。该算法首先通过构建元层学习器对多个基层学习器的学习结果进行"再学习",以纠正基学习器的错误分类、巩固基学习器的正确分类,进一步提高集成分类精度;然后,以决策树为基学习算法构建了同质多分类器系统,在自建的全极化一维距离像HRRP特征数据库上研究了基分类器的数量以及元特征样式、元学习算法的选取对元学习系统分类精度的影响;最后,通过与单一分类器和常用集成算法的对比,验证了基于元学习的反舰导弹目标识别算法的可行性和有效性。     

空中目标战术机动类型的实时识别

空中目标的战术机动类型是识别其战术意图的重要依据.根据空中目标战术机动类型的特点,采用时间序列编码表示空中目标战术机动类型,推导了空中目标转向机动的判据,提出了机动动作之间的相似度计算模型,建立了空中目标战术机动类型的识别算法.最后提出了识别算法的仿真验证方法.     

雷达辐射源识别的算法研究

针对现有雷达辐射源识别算法的不足,探索雷达辐射源数据库识别的新算法。运用属性测度理论建立了雷达辐射源属性识别模型,结合距离算法、灰关联算法和神经网络样本训练思想,设计出基于属性测度模型的雷达辐射源属性识别算法。通过仿真验证,该算法兼具识别准确度高和识别速度快优点,实用性较强。     

无人作战飞机自主空战战术动作的分层识别方法

为了对无人作战飞机自主空战战术动作进一步探索,提出了一种基于模糊逻辑推理和时间匹配原则的分层战术动作识别方案。该方案以基本动作序列来衔接基本动作识别层和组合动作识别层。通过模糊逻辑推理方法对基本动作进行识别,将识别的结果以基本动作序列的形式输出;输入组合动作识别层,将时间自动机提取后的组合动作形态与组合动作匹配库进行匹配,确定组合动作的类型。仿真结果表明,分层战术动作识别方案能够有效地识别出无人作战飞机自主空战战术动作。     

神经网络技术及其在机器耳监测仪中的应用

介绍了利用GAL算法对装备产生的声音信号进行处理,改进完善了基于竞争学习的GAL神经网络。测试结果表明,基于GAL算法的智能耳诊断系统的识别精度和自学习方面优于传统算法。     

基于Polymax算法的大型塔架模态参数识别

以环境随机激励作用下的大型塔架结构为研究背景,提出了基于Polymax算法的大型复杂系统模态参数识别方法。首先针对大型塔架设计环境激励响应信号测试系统,然后对获取的激励响应信号进行分析和截取,选出各组试验中理想的响应信号段,最后基于Polymax算法对截取信号段进行参数识别,并将获取的结果进行模态验证。结果表明：该方法对于大型塔架模态参数的识别具有较高的精度。     

纹理影像特征选择及K-means聚类优化方法

Gabor变换和K-means算法是最为常用的纹理分析方法。然而,采用Gabor变换得到的纹理特征向量具有较高的维数,影响算法的运行效率;K-means算法也易受初始类中心的影响而导致分类精度下降。因此,通过Relief算法对采用Gabor变换所提取的纹理特征进行选择,得到合适的纹理特征子集。进一步采用差分进化算法,对K-means算法的聚类中心进行优化从而提高纹理识别精度和效率。实验结果表明:提出的方法所需用到的纹理特征向量的维数相对于原始特征集有大幅降低,较之基本的K-means算法,纹理识别的精度也有较明显的提高。     

语义Web服务匹配方法分析

语义Web服务是实现数据和应用集成的一种有效机制。随着Web服务规模的快速增长,自动、准确地获取Web服务成为目前研究的热点问题。服务发现的关键问题是如何提高匹配算法的准确性和高效性。首先归纳了语义Web服务匹配的相关概念,然后总结了语义Web服务匹配算法的研究内容和目标,分析比较了语义Web服务匹配中基于相似度匹配、逻辑匹配和混合匹配三类主流算法的设计侧重点及性能,最后总结了全文并给出了下一步研究方向。     

基于模板的无人机机动动作建模与仿真

研究了常用的无人机机动模板构建和机动动作生成算法,构建了基于控制量的基本机动模板,以低空跃升攻击动作为例,对动作进行了分解,将此机动动作的各部分利用基本机动模板进行拼接,并对其进行了仿真。结果表明,算法可依据任务和无人机控制约束将模板拼接成可行的机动动作,从而较大程度地提升了无人机机动动作设计的灵活性。     

基于ST-YOLOv7的无人机视角下行人及车辆识别

由于无人机视角下的背景复杂,识别的目标多为远距离小目标,因此容易导致漏检及误检问题。为了实现无人机视角下对行人及车辆高精度识别,提出了以YOLOv7网络模型为基础的ST-YOLOv7算法,主干网络中融合了Swin Transform模块,构建复杂背景与小目标的全局关系,融入SENet通道注意力机制,为不同通道的特征分配不同权重,增强小目标特征的捕捉,在头部网络中,加入了YOLOv5网络中的C3模块,增加网络的深度和感受野,提高特征提取的能力,增加了1个小目标检测层,进一步提升对小目标识别的精度。实验证明：ST-YOLOv7网络模型在自制的航拍数据集中对行人的识别精度高达83.4%,对数据集中的车辆的识别精度达到了89.3%。均优于YOLOv5和YOLOv7目标检测算法,以较小的效率损失取得了较高精度。