基于分段特征及自适应加权的DTW相似性度量

利用动态时间弯曲(DTW)技术在原始多元时间序列进行相似性度量时时间复杂度较高,且DTW在追求最小弯曲距离的过程中可能会出现过渡拉伸和压缩的问题。提出一种基于分段特征及自适应加权的DTW多元时间序列相似性度量方法。对原始时间序列在各个变量维度上进行统一分段,选取分段后拟合线段的斜率、分段区间的最大值和最小值以及时间跨度作为每一段的特征,实现对原始序列的大幅降维,提高计算效率。在DTW计算最佳弯曲路径的过程中为每个点设置自适应代价权重,限制弯曲路径中点列的重复使用次数,改善时间序列因过度拉伸或压缩所导致的度量精度低的问题,以得到最优路径路线。实验结果表明,该方法能很好地度量多元时间序列之间的相似性,在多个数据集上都能取得较好的度量结果。

极值点自适应加权的动态时间规整算法

针对现有动态时间规整(DTW)算法普遍计算量大、时间复杂度高的问题,提出极值点自适应加权的动态时间规整算法(EWDTW)。局部极值的波动可反映序列变化趋势和整体形状特征,在提取局部极值点后按其原有位置分布近似表示原始时间序列,降低原始序列维数。在计算极值序列最佳动态弯曲路径的过程中,基于极值点的相位差、大小、类型等特征量为每个点设置自适应代价权重。利用权重参数调整距离矩阵的加权结构以适应不同特征的数据,并在降低计算复杂度的同时有效改善序列的病态对齐现象。实验结果表明,相比于DTW及其衍生算法,EWDTW算法在15个UCR数据集上的运算效率提升了10倍以上,尤其是在长时间序列和极值点占比低的序列上表现突出,并且对于大部分不同类型的时间序列具有良好度量性能,分类准确率更高。

一种主从式卫星集群的星间组网系统设计

为解决主从式卫星集群在离散稀疏拓扑下的组网通信问题,保障其星间实时交互遥控遥测及任务信息的需求,根据主从式卫星集群的分层、分簇的空间拓扑特点,本文提出了一套通信系统架构和星间组网协议栈的设计方案。首先,在网络层的设计上,给出了网络层的数据结构、基于多权重优先级代价函数的子网簇首选择备份机制以及子星建网入网的流程;其次,在数据链路层,根据分包遥控和分包遥测体制按照层次化对数据进行处理;然后,在物理层的设计中采用扩跳频作为星间链路的通信体制,采用时分多址方式实现卫星集群的多用户通信,并给出了星间链路的具体通信指标;最后,对星间通信进行了链路计算,计算结果表明物理层设计满足各星通信需求。

语音关键词识别系统的模型训练及性能评价

随着AI的发展,智能家居、语音助手等成为了语音识别的重要应用。文章在kaldi中以智能家居为背景,搭建了完整的语音关键词识别系统,分析了基于GMM-HMM模型下的单音素训练、三音素训练以及线性区分分析(LDA)、最大似然线性变换(MLLT)和说话人适应(SAT)等技术对关键词识别系统的影响,并用F4DE分析了不同训练算法下的关键词识别的性能的差异。仿真表明三音素下结合SAT+MLLT+LDA技术的关键词识别效果较好,TWV可以达到0.9549。最后给出了针对不同应用需求环境下的关键词最佳阈值选取算法,通过这个最佳门限值可以最小化误警率和虚警率,从而使得TWV的值最小,以满足不同语音关键词识别应用场景下的需求。

基于异质边增强时空图注意力网络的自动驾驶换道轨迹规划

轨迹规划仍然是自动驾驶技术大规模应用所面临的关键难题之一。例如,自动驾驶中的换道轨迹规划算法通常被构建为一个针对代价函数的优化过程。然而,为适应多样化的交通场景而手动调整代价函数中的特征权重,是一项极具挑战性的任务。针对这一问题,提出了一种基于异质边增强时空图注意力网络(Heterogeneous Edge-enhanced Spatial-Temporal Graph ATtention network, HEST-GAT)的新型换道轨迹规划方法。首先,采用逆强化学习技术,从大量专家级换道示范中提取代价函数的特征权重向量,构建了一个专家级换道示范数据集。然后,将交通场景构建为一个异质有向图,其中,交通参与者的位置定义为节点属性,交通参与者间的相对位置作为边属性,交通参与者之间的关联类型则定义为边类型。边的属性和类型组合,形成了边的特征表示。为捕获交通场景中的空间和时间信息,采用HEST-GAT网络进行特征提取,并计算了各场景下代价函数的特征权重。接着构建了一个结合轨迹特征和特征权重的代价函数,并通过优化过程生成最终的换道轨迹规划。为验证所提出方法的实用性,在真实驾驶数据集上进行了多轮换道轨迹规划测试和评估。研究结果显示:与基于时空图卷积网络方法相比,基于HEST-GAT的换道轨迹规划在模拟专家示范轨迹方面的误差显著减少。纵向舒适性、纵向效率、横向舒适性和安全性4项关键指标的误差分别降低了5.5%、5.4%、1.4%和6.0%。结果表明提出的方法能够生成与人类驾驶行为高度一致的换道轨迹,具有卓越的场景适应能力。

空袭作战远距离支援干扰空域划设研究

针对远距离支援干扰空域划设确定空域大小和中心点位置这一问题,提出了一种基于最大航迹偏差和遗传算法的空域划设方法。参考飞机基本性能,考虑干扰飞机受空中风和飞行员操纵误差的影响,以航迹最大偏差为基准确定空域大小;选取干扰飞机作战时的3个常用代价指标进行加权,利用遗传算法搜索不同作战要求下空域中心点位置;最后根据建立的模型对实例进行仿真计算,并分析了不同权重下的空域位置选择。仿真结果验证了方法的可行性,有效综合了干扰时实际代价因素。