基于模糊逻辑的指纹与手形加权信息融合技术

为解决脱皮、有伤痕等低质量指纹识别困难、识别率低及稳定性差问题。提出手形作为指纹识别的辅助手段,采用模糊综合的身份识别方法,将指纹和手形进行加权信息融合,通过仿真实验,表明此方法实用、有效,能提高系统的识别率及稳定性。可广泛应用于刑侦、金融等对安全有严格要求的领域。

按对角阵加权信息融合Kalman滤波器

为了克服按矩阵加权信息融合非稳态Kalman滤波器的在线计算负担大的缺点,和按标量加权融合Kalman滤波器精度较低的缺点,应用现代时间序列分析方法,提出了按对角阵加权的线性最小方差多传感器信息融合稳态Kalman滤波器.它等价于状态分量按标量加权信息融合Kalman滤波器,实现了解耦信息融合Kalman滤波器.它的精度和计算负担介于按矩阵和按标量加权融合器两者之间,且便于实时应用.为了计算最优加权,提出了计算稳态滤波误差方差阵和协方差阵的Lyapunov方程.一个三传感器的雷达跟踪系统的仿真例子说明了其有效性.

两传感器按对角阵加权信息融合稳态Kalman滤波器

应用现代时间序列分析方法,在按对角阵加权线性最小方差最优信息融合准则下,基于Riccati方程,提出两传感器信息融合稳态最优Kalman滤波器.与按矩阵加权最优融合.Kalman滤波器相比,可减少计算负担,与单传感器情形相比,提高了滤波精度.一个仿真例子说明其有效性.

带有色观测噪声系统多传感器标量加权最优信息融合稳态Kalman滤波器

基于标量加权多传感器线性最小方差最优信息融合准则,对被多传感器观测的带有色观测噪声的离散线性随机控制系统,提出了一种具有两层融合结构的标量加权信息融合稳态Kalman滤波器,它等价于相应的带相关噪声系统的最优信息融合稳态Kalman预报器.最优信息融合稳态预报器可在所有局部预报器达到稳态时,通过一次融合获得,且任两个子系统之间的稳态预报误差互协方差阵可通过任选初值迭代求得,并证明了它的收敛性.通过将它应用到带三个传感器的雷达跟踪系统验证了其有效性.

一种新的指横纹与静脉加权融合算法

为解决静脉识别中静脉细节特征信息量相对较少、误拒率和误识率偏高等问题,提出了一种新的手指指横纹与静脉加权融合算法.该算法在指横纹图像预处理阶段,通过一种基于八邻域的曲线曲率法准确定位手掌基准点,并以直线拟合技术拟合手指外轮廓,进而定位指横纹感兴趣区域;在图像匹配阶段,采用Gabor滤波器提取指横纹特征信息,并将指横纹和静脉进行加权信息融合.仿真实验表明,此算法能提高系统的识别率和稳定性.

多模型多传感器信息融合Kalman平滑器

基于标量加权的线性最小方差最优信息融合算法,对多模型多传感器离散线性随机系统,给出了一种分布式标量加权信息融合固定滞后Kalman平滑器.它只需计算加权标量系数,可减小在融合中心的计算负担.当各子系统存在稳态滤波时,又给出了标量加权信息融合稳态平滑器,它计算量小,便于实时应用.并给出了两个子系统之间的平滑误差互协方差阵的计算公式.仿真例子验证了其有效性.

用于肺部病灶图像分割的多尺度稠密融合网络

针对主流的深度学习网络难以完整分割肺部病灶、区域边界预测模糊的问题,提出一种基于U-Net的多尺度稠密融合网络(MDF-Net)。首先,引入多分支密集跳层连接以捕获多级上下文信息,并在网络末端引入信息加权融合(IWF)模块进行逐级融合,以解决网络中的特征损失问题;其次,设计一种自注意力金字塔模块,使用各金字塔层对特征图进行不同规模的切分处理,并使用自注意力机制计算像素关联度,从而增强局部与全局区域的感染特征显著性;最后,设计一种区别于传统U-Net的上采样模式的上采样残差(UR)模块,多分支的残差结构与通道特征激励使网络能够还原更加丰富的微小病灶特征。在两个公开数据集上的实验结果显示,与UNeXt相比,所提网络的准确度(ACC)分别提升了1.5%和1.4%,平均交并比(MIoU)分别提升了3.9%和1.9%,实验结果验证了MDF-Net具有更好的肺部病灶分割性能。

多传感器分布式信息融合Wiener信号滤波器

应用Kalman滤波方法,对于带白色和有色观测噪声单通道ARMA信号,基于Riccati方程,在线性最小方差按标量加权的最优信息融合准则下,提出了多传感器分布式信息融合Wiener信号滤波器。提出了计算局部滤波误差间的互协方差的Lyapunov方程,可用于计算最优加权系数。同单传感器情形相比,可提高滤波精度。一个三传感器信息融合Wiener跟踪滤波器的仿真例子说明了其有效性。

多传感器AR信号自校正加权融合Wiener滤波器

对带多传感器和带未知模型参数及未知噪声方差的自回归(AR)信号,应用递推辅助变量(RIV)算法得到局部模型参数估值器,用相关方法得到局部噪声方差估值器。用取局部估值器的平均得到信息融合估值器。将它们代入最优加权融合AR信号Wiener滤波器,提出一种自校正加权融合Wiener滤波器。它们以概率1收敛于最优融合Wiener滤波器,因而具有渐近最优性。它的精度比每个局部自校正Wiener滤波器精度都高。仿真例子说明了其有效性。

轮毂电机轴承故障的MIWF-2DCNN诊断方法

为了有效监测复杂工况下分布式驱动电动汽车用轮毂电机的运行状态,提高其轴承故障的识别准确率,提出一种基于多信息加权融合和二维卷积神经网络(MIWF-2DCNN)的故障诊断方法。首先,将轮毂电机轴承的多方位振动监测信号分别进行二维数据重构和时频变换,逐一转化成灰度图后按照方位顺序堆叠成时域灰度图集和时频域灰度图集,作为故障诊断模型的输入;其次,将高效通道注意力机制(ECANet)的网络结构进行改进,提出了改进高效通道注意力机制(iECANet),其核心思想是在全局平均池化(GAP)基础上添加上全局最大池化(GMP)分支,基于有效信息的贡献度更新各分支的权重系数,进而提取时域和时频域的故障特征,实现了多信息加权融合;再次,利用GMP简化传统二维卷积神经网络(2DCNN)模型的一层全连接层,实现了网络轻量化。最后,基于轮毂电机不同工况下实验数据,进行同一工况下对应验证、不同工况下交叉验证及消融实验验证。结果表明所提的MIWF-2DCNN模型能够有效提取轮毂电机轴承故障特征,在复杂环境和多变工况下故障识别率保持在95%以上,整体优于传统的LeNet-5、1DCNN模型。

一种超宽带穿墙雷达多视角成像融合算法

演化的后向投影算法被应用于实孔径超宽带穿墙雷达成像,对单个视角雷达回波数据进行统计,在此基础上提出了基于信息量加权的多视角融合算法,并利用实测数据进行简单加的融合方法和信息量加权融合方法的对比,结果表明信息量加权方法可以得到更好的目标咋波比和成像效果。

基于多模式时空交互的行人轨迹预测模型

在正确地规划合理路径方面,行人轨迹预测具有重要的意义.大多数现有轨迹预测方法在考虑周围行人的影响时,都是简单地将周围行人全部考虑在内,这必然带来的冗余信息.本文提出了一种基于多模式时空交互的行人轨迹预测模型,该模型通过多模式行人空间交互模块对不同行人在不同情况下给予不同的权重,使得模型可以有效减小冗余信息带来的影响.并且本文的模型针对于输入轨迹信息的不同重要程度,设计了加权信息融合模块在原轨迹信息的基础上融合了赋予不同权重的历史轨迹信息,使得模型的轨迹信息更加有效.此外,该模型采用了时间卷积网络模块来捕获行人的时间交互.实验结果表明,在公开数据集ETH和UCY上,相比于Social-STGCNN平均位移误差(Average Displacement Error,ADE)和终点位移误差(Final Displacement Error,FDE)分别降低了15%和14%.

基于分布式视频网络的交叉口车辆精确定位方法

为了对交叉口车辆的位置进行准确定位,提出了一种分布式视频网络架构下车辆精确定位方法。在分布式视频网络中每处摄像机架设位置均设有2类摄像机:近景摄像机和远景摄像机。首先在近景摄像机拍摄范围内,对感兴趣区域内车辆进行身份识别,根据车牌照平面与道路平面垂直的约束条件,建立车牌照模型来对车辆精确定位;接着在远景摄像机拍摄范围内,采用融合局部二值模式(LBP)纹理特征的金字塔稀疏光流法实时跟踪车辆上局部特征点,根据特征点运动趋势相似性获得稳态特征点,来对车辆位置估计;最后根据不同摄像机检测结果,采用加权一致性信息融合算法来提高车辆定位精度。实验结果表明:该方法能对交叉口车辆位置进行精确定位。