融合改进LM算法及动态时间规整算法的人体动作捕捉研究

人体动作捕捉是指通过技术手段捕捉人体的运动轨迹和姿态信息,广泛应用于娱乐、体育、医疗等领域.然而,现有的动作捕捉技术存在捕捉不准确、计算效率低等问题,影响了其在实时应用场景中的表现.针对这些问题,引入一种骨骼点坐标拟合优化Levenberg-Marquardt算法,并采用粒子群算法对其加以优化.同时采用动态时间规整算法进行人体动作捕捉及评估,以期实现人体动作的实时捕捉.结果显示,该算法对肩部侧平举这一动作的捕捉准确率最高达到了99.23%,明显优于其余对比算法.此外,该算法对深蹲动作的测试时间最短,仅为1.15 s,表明该算法在进行动作捕捉时具有显著的性能优势及很强的实际应用效果,为人体动作捕捉领域提供了新的解决方案.

基于动态时间规整的配电网分时段动态重构可靠性

配电网重构是指:通过改变开关状态来调整网络的拓扑结构,优化功率传输,是配电系统维持稳定的重要方法。传统的固定时间断面静态重构方法,无法适应新能源接入配电网后,快速变化的拓扑需求,配电网络节点的功率高时变性也给传统静态重构方法带来困难。为此提出了基于动态时间规整的配电网分时段动态重构方法。通过马氏距离测量电网在动态时间内,拓扑结构中节点的规整时序局部距离,划分负荷波动范围,得到电网拓扑中动态最佳分段个数与分段点。利用线性加权法把电网重构单目标转换成多目标优化,计算配电网分时段动态重构多目标优化方程。利用该方法控制开关状态,实现电网重构。实验证明:这种方法对配电网络重构后,网损值为539.2 kW,最低点电压数为0.994,重构后节点电压与实际值拟合度较好,配电网的频率偏差及谐波含量明显下降,说明所提方法的配电网重构可靠性较好。

动态时间规整算法在局部放电模式识别中的应用

采用试品升、降压过程中的视在放电量-施加电压序列作为特征量,并引入动态时间规整(DTW)算法进行局部放电模式识别以区分不同的缺陷类型。算法在训练阶段首先对训练样本和测试样本进行矢量量化(VQ),以码本码字代替原始矢量实现数据压缩,再以训练样本的码字构造DTW参考模板。在测试阶段,计算测试样本与每类放电参考模板的平均DTW距离,并利用快速匹配(FM)算法加快DTW运算过程,最后应用最近邻识别准则得到识别结果。对5类放电的200个样本的测试结果表明,DTW算法具有识别率高和易拓展的优点,并且FM算法能够节省56%计算量和提高DTW算法的识别率。

动态时间规整算法在时程反应分析选取地震动中的应用

地震动记录是进行结构时程反应分析的重要输入数据。由选取不同地震动记录所计算的时程反应分析结果之间的差异非常显著。本文依据我国现行建筑结构抗震设计规范规定的在时程反应分析中选取地震动的原则,基于动态时间规整算法提出了一种在全周期范围内匹配目标设计谱的地震动选取方法。该方法以DTW距作为控制加速度反应谱与目标设计谱匹配程度的标准参数。为便于在实际中应用,对于每一种不同形式的目标设计谱,本文均给出了10条与该目标设计谱最为匹配的地震动记录。为验证本文方法的有效性,最后以3个不同自振周期的框架结构为例,对本文方法进行了验证。

动态时间规整DTW算法的研究

传统的动态时间规整(Dynamic Time Warping)算法虽然可以有效解决语音信号特征参数序列比较时时长不等的问题,但计算量很大,严重影响了语音识别系统的响应速度。对传统的动态时间规整算法进行改进,主要目的是提高语音识别速率。首先对传统DTW算法的原理进行了详细的分析,然后提出了改进后新的DTW算法。对传统的算法进行改进时,主要从以下两方面入手:1对算法的搜索路径进行约束,使x轴上的每一帧不必再与y轴上的每一帧进行比较,而只需要与y轴上限定范围内的帧进行比较即可;2对齐松弛算法的起始点和终止点(不用完全对齐),并可以适当放松起始点和终止点两三帧。实验表明,系统在失真度基本保持不变的基础上,运行速率提高了近2倍。

基于动态时间规整算法的药用植物叶片识别方法

通过动态时间规整算法实现在没有训练集的情况下,对比药用植物叶片进行药用植物的识别与鉴定。该方法较机器学习模式实现更加简单,可以应用在基础的药用植物分类学习过程中,具有较高的实际应用价值。

基于动态时间规整算法的时间序列遥感影像树种分类

时间序列影像能够反映植被的物候信息,有助于大幅度提高植被聚类精度,尤其对于单时相影像上生长特性相似的树种效果尤其明显。动态时间规整算法(DTW)能够解决不等长时间序列的匹配问题,且能够抵抗噪声造成的时间序列中出现的异常值,从而取得更好的相似特征匹配效果。基于6时间序列GF-1影像数据,分别采用DTW和欧式距离(ED)进行时间序列的相似性度量,然后将DTW距离和ED距离运用到K-Means算法中,完成对图像树种的聚类。结果表明:基于DTW-K Means的时间序列遥感影像分类方法能够适用于树种分类,总精度为92.21%,Kappa系数为0.90,均高于ED-K Means方法。

基于动态时间规整算法的虚拟沙画手势识别方法

针对目前虚拟沙画手势识别率不高且沙画手势模板较少的情况,提出了1种基于动态时间规整算法的虚拟沙画识别方法,采用Leap Motion获取原始数据,通过沙画手势周期特征值提取方法引入1种新的沙画手势特征值向量组合;进而建立包括12种虚拟沙画手势的模板库;最后通过动态时间规整算法计算测试手势和模板手势的相似度,由相似度差异得出虚拟沙画手势识别的结果。实验表明,所提方法识别虚拟沙画手势准确率高,不同沙画手势间的耦合性较低。

基于K近邻和动态时间规整算法的盲人物联网手杖系统

针对盲人出行时的安全和监护问题,提出了一种基于机器学习算法的盲人物联网手杖系统的设计,该系统具有避障、定位、报警和通信等多种功能。首先,该系统具有红外线避障和超声波测距避障的基本功能,可以用于盲人日常出行对路况障碍物的检测,并且实时利用语音和电机震动给予提醒;其次,该系统还具有远程通信求助功能,可以向指定号码发送求助短信及电话;同时,系统还加入了全球定位系统(GPS)、加速度计陀螺仪姿态角度解算功能和以K近邻(KNN)和动态时间规整(DTW)算法为基础的异常姿态报警功能,它能将各类信息数据传输至云端服务器存储;最后,采用微信小程序代替原生APP作为监护操作界面,并提供一键报警、天气查询、盲人安全资讯等功能。测试实验结果表明,所提系统的姿态识别成功率达到了86%,正确率比姿态角系统提高将近31%。该盲人物联网手杖系统可以极大地提高盲人出行的安全性,使盲人能够在发生意外时及时求助,实现了对盲人姿态的安全监护和定位监护。

运用Sentinel-1A时序数据和动态时间规整算法提取稻虾田空间分布信息

针对稻虾田水稻移植期的不确定性给稻虾田空间分布信息提取带来的困难,运用SAR VH极化年时序数据、VV极化年时序数据以及调查区稻虾田各自极化的年时序数据通过标准化处理后,进行TWDTW方法(time-weighted dynamic time warping)计算,得到二波段(VH极化、VV极化)与调查区稻虾田年时序数据相似度空间分布栅格数据,再利用最大似然法进行监督分类,得到2016—2018年3年的监利县稻虾田空间分布栅格数据,分类结果与4块区域(龚场镇、福田寺镇、红城乡、白螺镇,面积分别是373.33、2200.00、126.67、240.00 hm 2)稻虾田实际分布图比较,其Kappa系数分别是0.79、0.80、0.75、0.90,介于0.75~0.90之间,说明运用Sentinel-1A时序数据和动态时间规整算法的提取方法是准确的。由于SAR传感器具有全天侯以及不受云层影响等特点,能定期获取研究区上空数据,相比光学传感器获得无云或者少云数据的不确定性,此方法能在实际操作中运用。

语音识别中动态时间规整算法的硬件加速实现

动态时间规整算法(Dynamic Time Warping,DTW)是语音识别中常用的技术之一。为了提升因数据量增加以及算法对数据的高度依赖性所导致的计算性能降低,提出一种针对语音帧的动态时间规整算法硬件架构。识别计算过程中,通过使用算法时间复杂度相对低的下界距离函数(Lower Bound Function,LBF)取代算法时间复杂度高的动态时间规整算法进行语音特征序列全模板匹配,筛选出近似的语音特征序列,经过逻辑组件的流水线调度送入PE-FIFO环形计算单元,进行精准动态时间规整计算。实验使用ARTIX-7 XC7A35T器件进行板级验证,平均耗时4.58 ms,相较于同类型硬件识别方案速度提升4倍以上,识别率达到91%。

基于动态时间规整算法的用户侧谐波扩散评估

传统上,谐波扩散的研究是在恒定背景谐波的条件下进行的,这对于实际的时变系统是不适用的。因此本文提出一种估计背景谐波波动条件下用户侧谐波扩散的新方法。首先利用动态时间规整算法来计算公共耦合点谐波电压波动与谐波电流波动的相似性,筛选出相似度较高的数据段。再通过复线性回归法计算进行回归计算,得到与背景谐波波动弱周期相对应的有效阻抗样本,然后对用户侧谐波扩散进行评估。通过实验验证表明,该方法相较传统方法有更强的鲁棒性,能够有效减少背景谐波波动的影响。

一种基于动态时间规整的闭环检测算法

闭环检测算法研究中,基于单张图像匹配的算法是研究热点,但是在动态环境下,其无法满足动态检测要求。考虑到单张图像在空间和时间上都有关联性,文章提出了一种基于动态时间规整算法(DTW)的闭环检测算法。该方法通过动态时间规整算法来求解图片序列的相似度,而不再是求解单张图片之间的相似度;同时利用卷积神经网络以提取到更高级、更抽象的图片特征,从而增强了算法的鲁棒性。考虑到匹配序列长度对实验结果造成的影响,文章详细比较了不同序列长度下得到的准召曲线以及接受者操作特征(ROC)曲线,以确定最合适的匹配序列长度,并进行了与主流方法FabMap及SeqSLAM算法的性能对比实验。结果显示,基于DTW的闭环检测算法具有较高的准确率和召回率,并且假阳性概率较低,相较于主流方法FabMap及SeqSLAM算法,其性能更好。

加速动态时间规整算法在测井曲线相似性度量中的改进及其应用

加速动态时间规整(fastDTW)算法在测井曲线相似性度量过程中存在异常点问题,且难以确定搜索边界。针对上述问题,本文首先将fastDTW算法与SDTW(summation dynamic time warping)算法结合,得到fastSDTW算法,通过重构测井曲线综合时间序列梯度信息和数值信息解决异常点问题。然后,结合井轨迹资料提出自适应搜索边界,并基于该边界,应用fastSDTW算法进行斜井和水平井测井曲线相似性度量。结果表明,基于自适应搜索边界的fastSDTW算法的精度更高,时间复杂度为O(N),确保了算法的运行速度。最后,将该算法应用到水淹层识别工作中,通过邻井对比的方式识别水淹层,取得了预期的应用效果。

基于改进DTW算法的永磁同步电机失磁故障模拟与诊断

为实现永磁同步电机(permanent magnet synchronous motor,PMSM)失磁故障模拟与失磁故障程度诊断,提出一种基于改进的动态时间规整(dynamic time warping,DTW)算法的故障波形诊断方法。首先,对永磁同步电机进行机理分析和模拟,采集不同程度失磁故障下的电机转速波形数据集。其次,使用改进DTW算法拟合失磁故障程度最佳路径曲线方程。然后,根据定子电流的频率谐波分量确定电机是否发生失磁故障。最后,使用改进DTW算法对失磁故障波形数据进行故障程度诊断。实验表明,该方法对故障波形数据进行处理后,可以快速准确地计算出故障波形的故障程度,该方法具备较强的稳定性和实时性。

基于多尺度熵和动态时间规整的步态身份识别

针对现有人体步态身份识别算法单一、准确率较低的问题,提出了一种基于多尺度熵和动态时间规整(DTW,dynamic time warping)的人体步态身份识别方法。采用自制的APP软件在较低采样率下采集人体步行加速度数据,实验中共采集50名志愿者的正常行走加速度数据,使用多尺度熵算法进行数据处理,得到在各个尺度下的熵值,最后采用DTW算法对多尺度熵值进行特征匹配,得到的相对错误率(EER,equal error rate)为13.7%,仿真结果表明基于多尺度熵和DTW算法相结合的方法较好提高了身份识别的准确率,为人体步态身份识别提供了一个新的思路。

基于动态时间规整的钢轨轨廓匹配方法

钢轨轨廓的精准匹配是研究其几何形态变化的重要前提。由于轨检小车行进时产生随机振动,引起传感器振动,导致采集数据失真。在测量过程中,因无法保证传感器绝对对称,故每个传感器的振动存在一些差异性。传统的特征点算法只能对振动引起的噪声进行刚性补偿,且有时特征点提取不到。基于此,提出动态时间规整算法,从初步匹配的数据中,选取标准轨廓和测量轨廓轨腰处数据作为两个时间序列,建立距离矩阵,通过对时间轴的扭曲变形,利用递归思想,计算累积代价矩阵,得到最优规整路径,从而找到两个时间序列各点的对应关系,实现轨廓的精准匹配。实验结果表明,相比特征点算法,动态时间规整算法的匹配精度提高了近7倍,匹配效果较好,稳定性很高。

基于动态时间规整的纱线毛羽H值周期模式识别方法

为了从具有周期性的纱线毛羽H值数据中提取有代表性的毛羽H值周期模式(即周期时间或周期数据长度上毛羽数据的变化),使用动态时间规整(dynamic time warping,DTW)算法识别毛羽H值的周期模式,同时使用局部暴力搜索和剪枝算法对DTW算法进行优化。从14台细纱机上采集棉纺与混纺纱试样,利用乌斯特条干仪测得的毛羽H值计算理论周期及任意两周期模式间的DTW距离。结果表明:当DTW距离矩阵中出现显著不同于其他周期模式的现象时,该设备可能存在异常或故障;在设定的试验条件下,不同品种纱线的理论周期和实际周期存在差异,平均相差0.48 m,由此可根据实际周期反向推导纱线每分钟的实际卷绕长度。

基于等效电势动态相似性的直驱式风电场分群等值方法

针对大规模直驱式风电场并网系统暂态电压等值建模困难的问题,考虑了直驱风机全功率变流器不同控制环节的作用机理,提出了一种直驱风机的暂态电压等值模型与动态聚类方法。建立计及Chopper电路动作过程的直驱风机暂态模型,构建了适用于暂态电压分析的等效电势指标。该指标能够反映暂态过程中直驱风机并网功率和端口电压的动态过程,并根据该指标的动态变化来反映系统故障下的暂态电压特性。针对风电场内各直驱风机物理位置、行为特征的差异性,提出了一种基于约束动态时间规整的相似度分析方法,构建了能够表征不同机组等效电势指标差异性的相似度矩阵。在此基础上,采用层次凝聚聚类算法实现了不同直驱风机的动态聚合。在PSCAD/EMTDC中建立了直驱式风电场多机等值模型,通过对比不同故障场景下的等值精度验证了所提方法的有效性和优越性。

基于自适应动态时间规整(DTW)的GA- FCM多阶段间歇过程故障诊断

多时段是间歇过程的固有特征,对间歇过程划分阶段可以提高故障诊断的精度。采用模糊C-均值聚类(FCM)算法划分阶段存在对初始聚类中心敏感、易于陷入局部极优值的问题。提出遗传算法与FCM算法相结合的方法(GA-FCM),用于克服FCM易于陷入局部极优值的问题,以达到全局最优。同时,针对间歇过程数据不等长问题,提出自适应动态时间规整(DTW)算法。随后,用GA-FCM方法完成阶段划分,再建立多向核主元分析(MKPCA)模型完成故障检测。最后将此算法应用于青霉素发酵过程,仿真结果验证了所提方法的可行性和有效性。