结合非负张量表示与扩展隐Dirichlet分配模型的图像标注

由于"语义鸿沟"的存在,自动图像标注是一项极具挑战性的工作。考虑到图像低层视觉特征与高层语义概念的差异,分别从图像表示与语义建模两个方面来实现自动图像标注。在图像表示方面,提出了一种正则化约束下的非负张量表示方法,用以提取符合人眼视觉直观理解的图像高阶结构特征。在语义建模方面,提出了一种三层贝叶斯模型——扩展隐Dirichlet分配。该模型利用隐变量来实现图像与标注词的关联,并通过一种基于变分推理的期望最大值方法来估计参数。实验结果表明,ELDA模型在大规模数据库NUS-WIDE上的标注结果相较于现有方法有了显著的提高。     

基于模糊卡尔曼滤波的锂电池SOC估算方法

为了估算锂电池的荷电状态,在研究与分析影响SOC值的因素及传统SOC估算方法的基础上,提出了对电池静置和充放电两种状态分别估算的方法。尤其在充放电状态下,以Thevenin模型为基础,建立易于工程实现的状态空间模型,采用模糊卡尔曼滤波实现了对电池SOC的估算。仿真结果表明,该方法可以提高电池SOC的估算精度。     

基于距离量测的主从式AUV协同定位方法

多AUV(Autonomous Underwater Vehicles)协同定位是多AUV协作系统研究的关键问题.通常在主从式协同定位中,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,主从AUV均装备水声通信装置.为了改善从AUV的导航定位精度,提出了利用主从AUV水声通信时间延迟测量二者之间的相对距...     

基于非线性技术的AUV组合导航新方法

针对小型AUV对低成本、微小型、高性能导航系统的需求,提出了一种基于MEMS技术的IMU/DVL组合导航新方法.分析了低成本惯性导航系统的特点和误差模型,为有效提高系统的导航精度引入多酱勒测速仪与微机械惯性测量单元相组合,并采用无迹卡尔曼滤波(UKF)算法设计组合导航系统的滤波器.仿真结果表明,基于UKF滤波的MEMS...     

行走在祖国的最边缘

巡逻的队伍清早就出发了。正值隆冬时节,沉睡中的黑土地仍然懒洋洋地冒着白烟,干巴巴的空气冷得呛人。刚才还暖和和的身子没等走出几百米,就已经变得凉飕飕了。黑龙江已经封冻得严严实实,往日的波涛早已被覆盖在了一米多厚的冰层下面,但冰下的激流却像军人的血液一样依旧汹涌澎湃。江     

大方位失准角下基于多捷联解算的快速对准方法

传统线性误差模型无法直接应用于大方位失准角的情况,而达到小角度误差的粗对准往往需要较长时间,不可避免地延长了对准时间.针对以上问题,提出了一种基于方位角区间划分的多模型并行处理对准算法.给出了方位角区间划分的方法,各区间以其中心值为初始方位角独立运行捷联解算算法和卡尔曼滤波算法,并分两种滤波校正方式给出了最优导航结果的选取方法.数字仿真结果和转台摇摆试验验证了算法的有效性.     

GPS动态定位中整周模糊度的快速解算

在导航中快速和高精度GPS定位需要解算差分载波相位的整周模糊度值.目前整周模糊度的求解方法,丢失了对提高未知参数估值精度很有用的历元信息,并且在去相关过程中必须使方差阵为正定阵,不仅解算难度大,还可能出现病态分解,使得去相关失败.提出了一种GPS整周模糊度的快速解算方法,首先利用卡尔曼算法求解整周模糊度的浮点解;其次确定搜索空间,对协方差阵进行Cholesky分解,削弱其相关性;最后用ratio检验得出最终解.通过理论推导和基于实测数据的仿真分析表明,卡尔曼算法有效地利用多历元信息提高了浮点解的精度,并且在去相关过程中解决了方差阵必须为正定阵的问题,避免出现病态分解,使得搜索空间得到明显的改善,提高了效率,具有实际的应用价值.     

一种稳健的多传感器目标跟踪算法

研究了一种基于双波段红外和雷达传感器的自适应目标跟踪算法.利用目标多普勒信息和红外辐射信息,建立具有树形结构的红外雷达跟踪系统状态估计模型,采用平方根无迹卡尔曼滤波方法实现双波段红外传感器的初步融合,并将其作为融合节点与雷达传感器进行基于自适应交互式多模型算法的深层融合.在交互式多模型算法的基础上,研究了寻求快速准确的机动目标模型匹配方法,通过局部优化来达到最终融合结果的优化.仿真结果表明,该算法能有效提高机动目标跟踪精度,具有一定的稳健性和自适应性.     

细长锥型射弹不可压缩超空泡流的数值计算方法

假定理想不可压缩流体呈无旋定常流动、起空泡尾部Riabushinsky为闭合方式,基于水动力学势漉理论及细长体理论.建立了描述水下细长锥型射弹超空泡流动的积分微分方程.谊方法发展了求解谊类方程的数值离散方法,提出了多种超空泡外形初值解.分析了它们对超空泡形态计算结果的影响,优化了计算过程,简化了初始遮代条件.计算得到的...     

基于相对观测量的多机器人定位

研究了多机器人队列利用相对观测信息在未知环境中进行同时定位的问题。当队列中某个机器人观测到另外一个或几个机器人时,利用这些信息来同时更新整个队列的位置及协方差矩阵,也即整个队列共享所获得的观测,来得到更精确的位置估计。每个机器人都携带内部及外部传感器,内部传感器感知机器人自身的运动,外部传感器能提供机器人之间的相对观测量,如相对距离和相对方位。利用扩展卡尔曼滤波(EKF)算法融合内部及外部传感器信息,对多机器人队列进行同时定位;并对不同的观测量及机器人个数进行了仿真分析,给出了不同情况下的滤波器结构,研究比较了它们的定位精度。仿真结果表明,利用机器人之间的相对观测信息,可以显著提高定位精度。