为解决无线体域网WBAN(Wireless Body Area Network)中人体姿态识别率低、算法复杂的问题, 设计了一种以多层分级理论为基础的人体姿态多级分层识别算法。考虑到使用者的舒适度, 将九轴加速度陀螺仪传感器(VG350) 做成腰带佩戴在腰部实时采集数据。运用加速度向量幅值(SVM: Signal Vector Magnitude)、角度、角加速度和位移等参量, 通过对实际测量数据的分析, 将坐、蹲、弯腰、慢走和跑等姿态进行识别。实验结果表明, 该算法简单, 姿态识别率高达96. 5%。

为解决OFDM(Orthogonal Frequency Division Multiplexing)系统中IPTS(Iterative Partial Transmit Sequences)抑制PAPR(Peak To Average Power Ratio)强度有限的问题, 提出了采用梯度递减的搜索方法将传输数据分为D 层、对传输数据进行逐层筛选、并将每层内相位因子的搜索与IPTS 技术相结合的改进算法。仿真结果表明,改进算法在较IPTS 复杂度增加不大的前提下, 其抑制PAPR 的能力有显著提高。在128 个子载波的OFDM 系统中, PTS 子序列数V 取8, 外层分块数D 取2, 累积分布函数(CCDF: Complementary Cumulative Distribution Function)为10^-5 时, 改进算法的PAPR 值比IPTS 算法降低近0. 5 dB。

针对基于规则的信道分配(RB: Rule Based)算法假设条件过于理想, 实际应用性不强的缺点, 在考虑各节点不同信道的吞吐量不同的基础上, 提出一种改进的基于信道容量的规则信道分配(CC-RB: Channel Capatty-Rule Based)算法。该算法引入信道容量矩阵, 在进行信道分配时为节点分配质量较好的信道。仿真结果表明, CC-RB 算法在复杂度增加不大的情况下, 系统吞吐量和公平性都较RB 算法有较大提高, 在干扰距离为100 m, 认知节点数为80 个时, CC-RB 算法比RB 算法的吞吐量增加了133%, 公平性增加了96%, 能更好满足实际需要。

针对复杂多变的海杂波常伴随待测信号混入雷达系统而严重干扰目标信号的波达角度估计的问题, 提出一种新的基于电磁矢量阵列的四元数模型, 通过分数低阶统计量特性抑制海杂波噪声的二维波达角度估计方法。首先推导出电磁矢量阵列的四元数导向矢量, 然后利用分数低阶概念得到四元数分数低阶协方差矩阵,最后根据奇异值分解MUSIC(Multiple Signal Classification)算法得到谱估计公式。仿真实验结果表明, 与标量阵列和非四元数电磁矢量阵列MUSIC 算法相比较, 该方法可较好地抑制海杂波噪声, 且能提高估计精度。

针对现有语音活动检测特征易受各种环境噪声影响而导致检测性能恶化的问题, 提出基于相位调制特征的语音活动检测算法。相位调制特征能充分表征语音动态特性, 与静态特征相比, 更能体现语音和噪声间的差异, 从而保证良好检测性能。与传统美尔频率倒谱系数特征的检测对比实验结果表明, 相位调制特征明显优于美尔频率倒谱系数。

为解决3D 视频因视差变化不连续而引起的视觉疲劳, 提出一种非舒适帧视差调节方法。该方法根据舒适度评价模型, 利用JMVC(Joint Multi-view Video Coding)多视点编码系统中的当前帧运动矢量和视差矢量信息, 找到影响舒适度的视频帧。通过非舒适帧的视差调节方法, 对影响舒适度的视频帧进行视差调节, 得到提高人眼观视舒适度的新视频。观视者根据自身生理症状和疲劳反应进行主观打分。通过多组实验前后对比的结果表明, 通过非舒适帧的视差调节后得到的立体视频观看舒适度比处理前提高5. 13%, 而且在保证视频质量的基础上, 提高了立体视频观视舒适度。

针对传统异步电机直接转矩控制系统在低速运行状态下存在磁链轨迹发生波动、转矩脉动大的问题,提出一种新型异步电机直接转矩控制策略。采用滑模控制和空间矢量脉宽调制技术(SVPWM: Space Voltage Pwlse-Width Modulation), 引入滑模控制器, 以提高系统对参数变化和外界干扰的鲁棒性。利用空间电压矢量脉宽调制技术产生系统所需要的任意期望空间电压矢量, 使磁链轨迹更趋近于圆形, 即降低了转矩和磁链脉动,又增强了系统的鲁棒性。同时引入无速度传感器技术, 以提高系统工程应用性。通过在Matlab/ Simulink软件仿真结果表明, 新型直接转矩控制系统改善了磁链轨迹波动并有效地降低了转矩脉动, 使转速估计具有较高精度。

为估计汽车横摆角速度并提高估计器精度, 采用BP(Back Propagation)神经网络的方法对汽车转向过程的横摆角速度进行估计。现实情况通常存在4 种路面: 干燥路面、沥青路面、积水路面和冰雪路面, 若单纯训练一个网络难以涵盖4 种不同的路面情况。为解决上述问题, 提高网络估计器的精度, 分别在4 种路面工况下训练4 个网络, 构成一个网络组, 再加入网络选择机制, 根据路面情况选择对应的网络的输出值作为横摆角速度的估计值。通过AMESim 与Matlab 联合仿真, 获得网络估计器残差并对估计情况进行分析和评价。该基于数据的方法与基于解析模型的估计方法相比, 不依赖精确的模型, 就能准确估计汽车横摆角速度。仿真结果表明, 基于BP 神经网络的方法对横摆角速度估计是可行的且偏差小, 成本低, 精度高。

实际场景中, 由于光照条件不同, 使从不同角度获得的、对应同一场景的图像像素对的RGB 值不同,从而导致匹配错误, 为了改善此问题, 根据RGB 色彩模型, 形成RGB 比例空间, 提出基于RGB 比例空间的自适应权值算法。实验结果表明, 在光照条件不同时, 与传统的基于RGB 空间的匹配算法进行比较, 该算法可以得到更准确的视差图。

为解决地面运动基座的轨迹跟踪控制问题, 基于其动力学模型, 利用动态反馈线性化技术实现了系统的完全状态反馈线性化。根据线性系统理论设计轨迹跟踪控制器, 并采取时变控制器增益的方法在满足控制力矩饱和约束的同时取得了良好的跟踪效果。Matlab 仿真结果显示, 采用该方法设计的轨迹跟踪控制器可使系统跟踪期望轨迹, 采取时变控制器增益的方法可使系统在跟踪过程中既满足了控制力矩饱和约束, 取得了良好的跟踪性能。与其他设计方法相比, 该方法能很好地将控制力矩饱和的情况考虑在内, 控制器设计简单且具有良好的稳定性。

为解决传统主动安全控制系统人机交互性能较差的问题, 提出了一种全新的基于SICK LMS151 激光雷达的主动防撞系统。该系统采用Freescale MC9S08DZ60 单片机为中央处理器, 具有双执行模式的特点, 既可自身处理数据并控制执行器执行预定操作, 也可作为网关将数据结果通过USB 端口有线传输和无线WiFi 信号两种
传输方式上传到上位机进行处理, 并支持用户远程警戒参数配置。实验表明, 该系统较好地解决了主动安全系统人机交互性较差的问题, 增强了主动安全控制器与用户的互动性。

针对现有手背静脉识别利用手背静脉特征较少, 识别率较低的问题, 提出了一种基于特征点距离的手背静脉特征融合方法。该方法首先对手背静脉进行细化, 对不变矩特征的量化值求和再进行匹配; 然后提取手背静脉的端点及交叉点, 利用改进的Hausdorff 距离进行匹配, 从而去除零距离点的影响, 提高两幅图之间的非相似性; 最后将这两种匹配方法进行加权融合。实验证明, 该融合算法识别率可达96. 75%, 且运行时间仅为0. 97 s。

为解决四连杆双足机器人的平面步态规划问题, 提出基于被动行走的平面步态规划。基于3毅向下坡面完全被动行走的动力学方程, 利用角度不变控制方法施加控制力矩, 得到机器人在水平面上的动力学模型。结合常数时间放缩方法对平面参考轨迹进行时间放缩, 得到机器人在水平面上步幅不变, 周期可变的行走步态。通过Matlab 软件数值仿真结果表明, 该研究方法是可行、有效的。

为解决霍夫森林叶子投票引入的噪声信息, 提出一种基于可判别叶子的霍夫森林目标跟踪算法。在原始霍夫森林训练阶段, 叶子结点不具有判别能力, 不能分类图像斑块属于目标还是背景。含有背景的图像斑块包括大量的噪声, 而且在每个像素位置处, 收集图像斑块的表决信息耗费大量时间。实验结果表明, 该方法不仅能减少噪声表决信息, 还能增加目标检测的有效性。

针对具有本质非线性动态的多智能体网络, 研究个体传感范围有限情况下的有限时间协调跟踪控制问题。假设非线性动态满足Lipschitz 条件且初始网络拓扑无向连通, 基于智能体间的相对状态信息设计拓扑连通保持的非光滑控制协议。应用非光滑稳定性分析方法给出实现有限时间跟踪控制的充分条件, 即选取合适的控制增益参数, 以实现保持网络拓扑连通的有限时间跟踪控制。最后通过仿真验证该方案有效且可行。

为提高ITS(Intelligent Traffic System)交通事件管理的智能性, 提出基于跟踪轨迹的车辆异常行为检测,分为目标检测跟踪、轨迹分析处理和车辆行为分析3 个步骤。首先利用三帧差法对目标进行初始定位, 采用基于Kalman 预测器的改进跟踪算法对车辆进行跟踪; 然后提出采用最小二乘法自适应分段直线拟合算法对目标跟踪获得的运动轨迹进行快速拟合; 最后结合运动方向变化率和速度变化率两个参数建立车辆异常行为检测模型。实验结果表明, 在道路监控视频中, 该算法能快速准确检测急刹车、急转弯和急转弯刹车等车辆异常行为。

针对引导滤波算法运算速度慢、无法实时处理的问题, 提出基于统一计算设备架构(CUDA: Compute Unified Device Architecture)实现引导滤波算法的加速。利用CUDA 并行编程实现图像邻域窗口像素值求和,进而获得图像邻域均值; 通过利用寄存器和纹理存储器, 同时优化算法步骤, 获得引导滤波关键参数, 进而实现对算法的整体优化。实验结果表明, 与基于CPU 实现引导滤波算法相比, 基于CUDA 并行处理可在很大程度上提高运算速度, 基本达到了实时处理的要求。

为了研究粒径对半导体聚合物量子点(Pdots)的光谱性质的影响, 采用9,9-二辛芴基鄄2,7-二基鄄1,4-苯并-(2,1,3)-噻二唑共聚物(PFBT)为原材料, 利用共沉淀的方法, 制备了不同粒径的Pdots, 并用动态光散射仪、透射电子显微镜以及吸收和发射光谱仪对PFBT Pdots 的粒径、形貌、光谱性质进行测试。结果表明, 溶剂纯度会影响高分子链的构象, 进而影响Pdots 的粒径尺寸, 并且随着Pdots 粒径的增大, 其吸收光谱发生红移,发射光谱发生蓝移。

针对基层部队配发的各类野战通讯装备在实际应用中效率低、便携性和可靠性较差, 无法适应野外环境下通信保障需求的问题, 设计了基于Linux 平台S3C6410 核心的唯一性信息采集终端。将嵌入式处理器、GPS(Global Positioning System)数据采集模块、图像采集模块、RFID(Ratio Frequency Identification)模块及WiFi(Wireless Fidelity)相结合, 实现了将采集的地理位置信息、身份认证信息以及图像信息整合于一体的唯一性数据信息的显示。通过WiFi 快速连接实时传送数据信息, 并给出了整体方案。经过编程调试证明, 系统运行稳定, 唯一性数据信息传输速度较快, 信息完整可靠, 达到了预期效果。

为实现微型四旋翼飞行器的视频传输和远程姿态控制功能, 设计了基于S3C6410+Linux 系统的远程监控端。此终端以S3C6410 ARM11 为主控单元, 搭建Linux 操作系统, 采用UDP(User Datagram Protocol)传输协议, 经WiFi 传输视频及控制信息。经测试表明, 该终端性能稳定, 传输速率能满足实时监控的需求。

针对PC 平台体积大、功耗多、成本高和便携性差的问题, 设计了基于面部特征的嵌入式安全认证终端。选用ARM11 开发板作为硬件平台, Linux 操作系统作为软件平台, 并在平台上移植了Qt 图像化界面库和Opencv 计算机视觉库。人脸检测由AdaBoost 算法实现, 人脸识别由PCA(Principal Component Analysis)算法实现。测试结果表明, 该终端能实现人脸识别的功能, 并且识别精度较高, 时间较短, 达到预期目标。

针对自动泊船方法耗时耗力的问题, 研发了基于模糊控制的自动泊船系统模型。在现有研究成果的基础上, 依据泊船实际情况, 分析泊船运动学模型, 设计了斜行、垂行、平行3 种泊船模糊控制器, 并利用Matlab/ Simulink 分别进行仿真验证。按照船只各部件比例, 设计模型船, 通过超声波测距和图像处理等技术获取周围环境数据, 并将仿真验证的模糊控制器转换为C 代码, 进行自动泊船测试。测试结果表明, 该系统消耗能源少, 稳定性良好, 可有效完成自动泊船功能, 为进一步研发自动泊船系统提供了更多依据。

针对在光照变化和光线不足环境下车牌定位困难的问题, 将相位一致性应用于车牌定位, 提出了基于相位一致性和字符纹理特征的车牌检测算法。利用相位一致性不受亮度和对比度变化影响的特点, 提取图像边缘信息; 在获得的图像相位一致性边缘上, 扫描车牌图像。将扫描区域垂直投影为一维信号, 并利用小波多分辨率的特性滤除噪声的干扰, 再根据车牌中的字符纹理的统计量特征进行车牌提取。实验表明, 该算法在光照变化和光线不足的环境下, 能获得96%的车牌识别准确率。

针对拥有庞大数据量的全息图再现像质量不理想的问题, 提出一种针对粒子群优化算法(PSO: Particle Swarm Optimization)中学习因子和惯性权值进行动态调整的方法, 将改进后的算法与反向传播(BP: Back Propagation)神经网络相融合形成改进型粒子群优化BP 神经网络(MPSO-BP: Modified Particle Swarm Optimizing
BP Neural Network)并用于全息图压缩。通过与BP 神经网络和粒子群优化BP 神经网络(PSO-BP: Particle Swarm Optimizing BP Neural Network)压缩算法进行对比, 证明了该网络压缩算法在保持较好的压缩效率时得到的全息图再现像质量更好。

为了消除大气湍流对图像的影响, 提高图像质量, 结合稀疏表示理论, 采用字典学习的算法处理大气湍流退化图像。将DCT 过完备字典、K-svd 全局字典和自适应字典的算法应用于图像去噪过程, 并与维纳滤波算法进行比较。结果表明, 该算法能较好地滤除大气湍流退化图像的噪声, 提高图像的峰值信噪比。仿真实验验证了稀疏表示在处理大气湍流退化图像的可行性, 对比传统算法具有更好的去噪性能。