基于复杂度分级的航天员操作训练方法研究

目的比较不同复杂度水平操作训练任务下志愿者使用不同训练方法后的绩效差异,为提高航天员操作训练效率提供依据。方法 9名志愿者进行高、中、低3种复杂度水平,常规、回馈和整合3种训练方法,共18个模拟航天操作单元操作训练。分别对初训阶段和复训阶段的不同任务复杂度水平下,3种训练方法间志愿者平均操作时间和操作错误数进行比较。结果 1)初训阶段,不同任务复杂度水平下,志愿者应用3种方法训练后的操作绩效间无显著性差异(P>0.05)。2)复训阶段,对于中、低复杂度水平的操作任务,不同训练方法下志愿者的平均操作时间和错误数之间均无显著性差异(P>0.05);对于高复杂度水平的操作任务,不同训练方法下志愿者的平均操作时间和错误数之间差异显著(P=0.005和P<0.001),且回馈和整合训练方法下志愿者的平均操作时间和错误数均明显少于常规训练方法(P<0.05)。结论回馈和整合训练方法更适用于高复杂度水平的操作任务训练,低复杂度水平的操作任务训练,使用常规训练方法即可。

帧内预测编码的模式抉择与复杂度分级方法

本文提出了一种帧内预测模式抉择方法，利用视频图像的时间相关性和空间相关性，选择部分预测模式对图像块进行帧内预测处理和编码，减少编码的计算复杂度，保持其原有的编码效率。同时提出了一种复杂度分级方法，通过准确控制帧内预测的复杂度，以匹配通信终端有限的计算资源。最后该方法在AVS-M平台中得到了验证。

基于线形的道路交通复杂度分级研究

提出道路交通复杂度分级的思路,对道路线形进行复杂度分级研究,并通过第二任务法测试驾驶员工作负荷的方式进行试验验证。

一种复杂度可分级的帧内预测方法

提出了一种复杂度可分级的帧内预测方法。利用相邻图像块纹理的相关性,选择概率大的部分预测模式对当前图像块进行处理,实现帧内预测复杂度的初步分级;然后根据复杂度冗余的大小,选择更多的预测模式进行处理,实现复杂度的精细分级。实验表明:本文方法不需要额外开销,可实现帧内预测复杂度的任意分级。

基于H·264的复杂度可分级的DCT算法

改进了一种DCT快速算法,使之可用于降低H.264中整数4×4 DCT的复杂度.考虑到Laplacian模型不能准确地描述实际的H.264 DCT系数的分布,定义了3类简化块,并用统计分析的方法分别建立了这3类块的系数分布模型,进而提出了一种基于新模型的快速DCT算法.设计了简化块的蝶形算法,并分析、比较了所提出的2种快速DCT算法的复杂度.以后者为基础,设计了一种DCT复杂度可分级机制,以调节不同计算能力平台上的4×4DCT的复杂度.实验结果表明,该算法能够准确地按照设定目标控制DCT复杂度,且保证编码性能.

基于空间相关性的复杂度可分级帧间模式选择

本文提出了一种针对H.264的复杂度可分级的帧间模式选择算法,该算法采用一张概率表将当前宏块的7种预测模式与相邻的上侧和左侧宏块的最优模式联系起来。对于每一种相邻宏块模式的组合情况,该表将当前宏块的7种预测模式按照出现概率的高低进行排序,从而可以确定最可能模式、次最可能模式等。在此基础上,调整候选模式数量以匹配终端平台不同的复杂度约束水平,同时又可以最大可能地保证最优模式处在所选择的部分模式子集中。该算法具有4个复杂度级别:40%,54%,70%和82%,实验证明该方法可以灵活有效地降低编码器复杂度,同时编码质量下降很小,不会影响主观效果。

基于小波包分解复杂度可分级的音频编码算法

提出了一种基于小波包分解的复杂度可分级的音频编码算法。该算法对信号进行复杂度可分级的不完全小波包分解 ,并充分利用人耳的听觉特性和不同子带间小波系数的相关性对系数进行零树编码。不仅可在低码率上获得透明质量的重构信号 ,而且具有复杂度可分级编、解码和多码率可分级编码的功能 ,可在具有不同计算能力的计算机上实时实现音频编码和解码。

基于H.264的复杂度可分级的DCT算法研究

H.264标准在数字视频通信和存储领域有很广泛的应用市场,当其应用于手机等资源受限的平台上时,要求其编码器计算复杂度灵活可控,具有很好的可分级性。本文针对H.264整数变换、量化和Zig-zag扫描的特点,基于DCT高频系数截断思想提出了复杂度可分级的DCT算法,该算法通过调整复杂度控制参数来实现DCT模块复杂度的可分级。实验结果表明,该算法随着DCT分级模式的增加,计算复杂度、编码比特率和PSNR值都会下降,DCT分级模式为5时DCT模块的复杂度仅为分级模式为0时复杂度的18.75%,但图像整体主观质量变化不大。

面向自动驾驶的驾驶环境视觉感知复杂度量化评估方法

为优选自动驾驶汽车开放测试、示范道路并支撑其驾驶环境的优化,提出面向自动驾驶的驾驶环境视觉感知复杂度量化评估方法。以百度街景地图作为驾驶环境数据源,运用脚本文件以及截图工具PicPick搭建自动化街景图像数据提取平台,并在不同区域、不同道路等级下采集上海市50条典型道路的驾驶环境数据;从行人、交通标志、交通标线、红绿灯、车辆5方面出发,构建驾驶环境要素感知平台,并开展感知精度的量化评估;在单要素感知准确率的基础上,采用熵权法确定多维感知要素权重,计算各道路综合感知准确率,并应用轮廓系数法与K-means++聚类算法进行视觉感知复杂度分级。结果表明,上海市典型道路的驾驶环境视觉感知复杂度分为三级,大部分道路的视觉感知复杂度属于2级;对比不同等级道路发现,支路的视觉感知复杂度总体上低于主干路。

基于视频时空相关性的帧内预测模式抉择

提出了一种帧内预测模式抉择方法,利用视频图像的时间相关性和空间相关性,选择部分预测模式对图像块进行帧内预测处理和编码,减少编码的计算复杂度,保持其原有的编码效率。同时提出了一种复杂度分级方法,通过准确控制帧内预测的复杂度,以匹配通信终端有限的计算资源。该方法在AVS-M平台中进行了验证。

气象海洋作战仿真环境复杂性评估及分级方法

气象海洋作战仿真环境的影响评估是检验仿真环境与模拟训练难度一致性的关键问题.现有气象海洋作战仿真环境评估方法主要用于分析静态环境要素对武器装备、作战平台等的影响作用,不适用于对模拟训练中的动态复杂仿真环境进行综合评估.为了有效评估仿真环境的复杂程度,本文首先明确了气象海洋作战仿真环境复杂度的内涵,并对复杂度评估及分级层次结构进行了分析;然后,提出了复杂度评估指标,基于矩阵型灰色关联理论,建立了环境复杂度评估模型;随后,提出了复杂度分级原则,基于灰色聚类方法,建立了环境复杂度分级模型,并对可能度函数进行了改进,从而得到动态仿真环境的复杂度等级.通过模拟训练实例对本文方法验证,表明该方法能够对动态仿真环境复杂度等级做出合理评估,有助于构建符合模拟训练难度要求的仿真环境.