一种基于局部极值搜索的快速运动估计算法

为了减少运动估计在图像编码中所占用时间,提出了一种基于局部极值搜索的运动估计算法。首先根据搜索块的大小将搜索区域进行完全分割。然后从搜索原点进行螺旋扫描,确定扫描点所处分割区域的局部极小值位置,与前面极小值进行比较得到现阶段最小值。并根据一系列提前终止条件和标记跳过机制,在全局扫描的同时保持快速性。最后得到所有分割区域的最小值作为全局最小值,并进行步长为1的菱形细化搜索,确定最佳位置。实验表明,与UMH算法相比,该算法可在码率上升最大不超过0.03 kb/s、信噪比下降最大不超过0.005 dB的情况下提高编码速度,特别是对于中高运动复杂度图像的编码速度可比UMH算法提高10%左右,具有应用价值。

一种时间戳已知通信信号的高精度单站无源定位算法

为解决来波方位角测量误差较大给定位精度带来的不利影响,本文提出了一种利用匀速直线的运动状态构造约束条件,然后通过一系列观测值对速度进行估计,进而对方位角度的测量值进行修正的算法。使用修正之后的方位测量值进行定位参数的求解,将会提高定位精度。仿真结果表明,本文所提算法具有较高的定位精度,适合实际应用。

基于时移相关的ICA信源数目估计算法

针对基于独立成份分析(Independent Component Analysis,ICA)的盲源分离,提出了一种基于时移相关的信源数目估计算法。通过考查ICA分离信号之间的时移相关程度,确定所分离信号是否为独立信号,进而确定真实信源数目。仿真表明本算法可以减小信号分离不彻底或弱信号等因素对信源数目估计的影响,提高信源数目估计准确度,有利于ICA算法在信号分选方面的实际应用。

基于样本倍增、深度神经网络与SVM的少样本图像识别技术

基于深度神经网络的图像识别技术在少样本情况下会出现识别准确率下降,甚至训练失败的情况。本文针对该问题,提出了一种将少样本倍增、深度神经网络、SVM(support vector machine)相结合的算法。通过样本倍增提升样本数量,通过深度神经网络训练得到图像的高维特征,通过经典特征提取算法提取图像常规特征,构建包含高维特征和常规特征的支持向量,使用SVM进行训练。实验表明,本文所提方法对于特定样本集,在样本数量为总样本1/40的情况下,识别准确率达到61.36%(仅仅使用YOLO神经网络算法识别准确率为44.08%),大大提高了少样本下目标识别准确率,具有重要的应用价值。

某手掷式无人机机翼结构拓扑优化设计研究

为解决某型手掷式无人机机翼结构重量占比高的问题,采用一种多变量结构拓扑优化设计方法。以结构重量最小为优化目标,以Fluent软件计算的气动力为载荷输入,以Nastran软件计算的结构最大形变、最大应力和屈曲特征值为约束,以机翼结构尺寸为优化变量进行减重优化设计。结构性能仿真结果表明,优化后机翼结构减重21.7%且满足结构安全性能约束要求。可提升该无人机续航时间38%,增加有效载荷278 g。优化后机翼结构尺寸的变化规律也为同类型飞机机翼结构设计提供了参考。