基于LMI和IMC的动态反馈抗饱和补偿设计

提出了一种基于线性矩阵不等式(LMI)和内模控制(IMC)的动态反馈抗饱和补偿器的设计方法,为此首先简要地介绍了基于统一框架的抗饱和补偿器设计方法,然后针对原框架计算量庞大的问题,利用模型精确的IMC结构中对象和控制器同时稳定就能保证系统闭环稳定的特性对框架进行改造,并进一步选取了具有(?)2范数形式的性能优化指标,通过整定控制器的方法来优化闭环系统的工作性能,给出了LMI形式的结果．最后给出了运用此方法设计补偿器的一个仿真实例．

抗饱和控制的一些新进展

综述抗饱和控制框架和主要理论的发展历史,主要介绍抗饱和领域的一些新进展,给出简要的评价,并提出进一步研究的若干方向和问题。

(2+1)D多时空信息融合模型及在行为识别的应用

针对常规的卷积神经网络时空感受野尺度单一,难以提取视频中多变的时空信息的问题,利用(2+1)D模型将时间信息和空间信息在一定程度上解耦的特性,提出了(2+1)D多时空信息融合的卷积残差神经网络,并用于人体行为识别.该模型以3×3空间感受野为主,1×1空间感受野为辅,与3种不同时域感受野交叉组合构建了6种不同尺度的时空感受野.提出的多时空感受野融合模型能够同时获取不同尺度的时空信息,提取更丰富的人体行为特征,因此能够更有效识别不同时间周期、不同动作幅度的人体行为.另外提出了一种视频时序扩充方法,该方法能够同时在空间信息和时间序列扩充视频数据集,丰富训练样本.提出的方法在公共视频人体行为数据集UCF101和HMDB51上子视频的识别率超过或接近最新的视频行为识别方法.