基于压缩感知原理的融合判别信息的协作表示方法

提出了一种用于视觉分类任务的低计算复杂度且有效的图像表示方法。把协作表示和判别信息结合在统一框架内,是基于协作表示分类方法的一种扩展形式。测试样本的协作表示系数是稀疏的,这种基于冗余和过完备的表示对于遮挡和伪装而言是鲁棒的;此外,通过最小化类内散布矩阵和最大化类间散布矩阵的判别信息的挖掘,对于视觉分类问题也是很有帮助的。在一些基准数据库上的实验表明,提出的方法相对于现有的方法而言能够获得更有竞争力的表现。     

常值海流作用下多自主水下航行器编队控制

研究了常值海流作用下自主水下航行器(Autonomous Underwater Vehicle,AUV)的编队控制问题.控制器设计分为两部分:一部分综合应用Lyapunov方法和Backstepping技术设计了单体AUV路径跟踪动力学控制律,保证了路径跟踪误差在常值海流作用下的全局渐进稳定;另一部分为路径参数一致性协同跟踪控制器,保证在仅有一个或一部分AUV获取虚拟领航AUV路径参数更新速度情形下能对其进行协同跟踪.从理论上证明了整个闭环系统的稳定性.仿真结果表明了所提出方法的有效性.     

用于目标跟踪无线传感器网络的动态分簇算法

针对跟踪精度和网络能耗的问题,提出了一种用于目标跟踪无线传感器网络的基于预测的动态分簇算法.把目标运动过程看作是高斯马尔可夫过程,根据目标历史轨迹,估计下一时刻位置坐标和运动速度,然后基于估计结果优化选择分簇的簇头和簇成员,形成一个动态分簇来实现目标跟踪.仿真结果表明:该算法使目标跟踪有较好的跟踪精度,能有效均衡网络能耗,延长网络寿命.     

基于航路点跟踪的AUV回收控制

针对军事侦察和海洋观测领域中对自主水下航行器(AUV)自主回收能力的需求,研究了AUV自主回收中的航路点跟踪控制问题.在海流干扰作用下,设计航路点规划跟踪路径,然后运用自适应滑模方法设计AUV的动力学控制规律.采用横向跟踪控制算法,使AUV精确地沿着规划的运动路径进入回收器中.仿真结果表明,所设计的控制规律是有效的,AUV能较好地完成航路点的跟踪任务,并最终到达回收器中实现了对接.     

基于信息损失最小的预警卫星传感器调度模型

科学合理地调度预警卫星传感器资源是提高弹道导弹预警作战效能的重要手段.在预警卫星传感器资源(主要是凝视探测器)有限而进攻弹道导弹目标数量较多时,利用最小信息损失准则,将传感器调度问题转化为最优访问路径问题进行建模研究,满足了导弹预警资源调度的需要,仿真结果验证了模型的可靠性和可用性.     

动态点对点通信天线的自动控制研究

在相对运动平台的点对点通信中,天线如何快速、准确地进行跟踪对准是接收高质量通信信号的保证.针对于动态点对点通信中定向天线对准难的问题,提出了一种基于坐标跟踪法和信号跟踪法的联合天线跟踪控制法,并对此方法进行了系统的软、硬件设计.通过精度分析和试验得出该方法对准精度高,系统易于实现,能够满足微波通信天线对准工程实现中的快与准的要求.     

深度视觉语音生成研究进展与展望

为了进一步推进深度学习技术驱动的视觉语音生成相关科学问题的研究进展,阐述了视觉语音生成的研究意义与基本定义,并深入剖析了该领域面临的难点与挑战;在此基础上,介绍了目前视觉语音生成研究的现状与发展水平,基于生成框架的区别对近期主流方法进行了梳理、归类和评述;最后探讨视觉语音生成研究潜在的问题和可能的研究方向。     

卫星导航弱信号的变维卡尔曼滤波跟踪算法

复杂环境下的多普勒频移变化及信号功率衰减均会造成载波跟踪偏差较大甚至失锁,针对标准卡尔曼滤波算法跟踪机动目标时不能同时满足高动态及高灵敏度要求的问题,提出一种基于变维卡尔曼滤波的载波跟踪算法。引入机动和非机动两种载波跟踪模型,通过机动检测因子监视载波动态变化,实时高效地切换载波跟踪模型,从而实现对载波机动和非机动状态的自适应跟踪,抑制机动改变引起的较大误差突跳。理论分析和仿真结果表明,该算法在低至30d BHz弱信号环境下,相比基于标准卡尔曼滤波的跟踪算法,其在目标动态突变时相位跟踪误差减小约37.5%,频率跟踪误差减小约77%。     

基于随机集理论的多目标跟踪方法

多目标跟踪问题通常包括目标信号的检测与目标状态的估计,同时还涉及到对探测范围内目标数量的确定。传统的跟踪方法将目标检测、状态估计与数量确定分别使用独立的模块或算法来处理。在这种模式下,每个模块仅考虑测量数据中与其功能直接相关的信息,模块之间没有信息的交互,因而很难得到全局最优的解。基于随机集理论的多目标跟踪方法将场景内的全部目标看作一个全局变量,目标状态与目标测量分别构成各自的随机有限集。从而多目标跟踪问题可以放在一个随机集模型下的贝叶斯滤波框架中研究。在每一个滤波周期内,通过对随机集的处理,实时地估计目标的数量、状态与类型,实现多目标的联合检测、跟踪与识别。     

多旋翼无人机AHRS系统矢量乘积误差PI跟踪算法

针对多旋翼无人机对低成本姿态航向参考系统的实际需求,设计并实现了一种姿态航向参考系统。该系统采用陀螺仪积分出的载体姿态和已知的地球重力矢量,解算出地球重力矢量在载体系下的投影和加速度计测量出的地球重力矢量的矢量乘积结果作为水平姿态角的误差表征数值,并采用比例积分跟踪算法进行误差跟踪反馈,实现了准确的水平姿态角跟踪测量。利用陀螺仪积分出的姿态和已知的地球磁场信息,解出地球磁场矢量在载体系下的投影与磁力计测量的地球磁场矢量乘积结果作为航向误差角的误差表征数值,并采用比例积分跟踪算法进行误差跟踪反馈实现了对航向角的跟踪。转台实验表明:该系统水平姿态角跟踪精度约为1°,与EKF算法相比,运算速度提升了80%且精度好于EKF算法。