一种改进的分布式最大权独立集算法

能快速准确寻找给定图中的最大权独立集的分布式算法,对于解决无线网络中的资源调配、无线骨干网构建等问题具有非常重要的指导意义。该文以基于最大乘信用传播的分布式算法为框架,假设所有节点了解自己邻居节点之间的局部拓扑信息,启发式地提出一种新的相邻节点间交换消息的计算方法以及相应的分布式最大权独立集算法。仿真结果表明,所提算法摆脱了文献中已有算法对图结构必须是树或者二分图的要求,且权和性能优于已有的分布式算法。

基于历史信息的局部最大权独立集感知无线电频谱分配算法

本文提出一种新的基于历史信息的局部最大权独立集频谱分配算法,有效地兼顾了总带宽与公平性。相对于传统的不利用历史信息算法,本文算法利用前次分配结果,在再次分配时以少量的频谱变动达到新的分配结果;进一步,利用图论的加权最大独立集原理,使得一次分配可以分配多个次级用户,所以算法有效减少了分配总次数,更能适应时变的感知无线电环境;由于算法只是分配前次分配结果改变的部分,更能有效减少算法的分配时间与算法的计算量,这样,当主用户要再次接入频谱时,次级用户可以快速地为主用户腾出可用信道,并有更多的时间用于传输数据。仿真结果分析验证了该算法的性能。

基于最大权重独立集的行人检测研究

行人检测是一种基于目标几何和统计特征的目标检测技术,通常包括目标区域的分割和检测,目标检测的准确性和实时性是其重要的评价指标。本文采用可变模板技术进行行人检测,并利用最大权重独立集算法处理帧间的行人匹配。测试结果表明,基于最大权重独立集算法的行人检测能够完成实时的行人检测。

基于HOG和Haar特征的行人追踪算法研究

行人在真实场景的检测和追踪是多目标检测和追踪研究中的一个重要问题,尤其是在真实的三维场景中的多行人之间的遮挡、拥挤以及背景的变化对多目标检测和追踪研究造成了严重的挑战。在多目标检测中利用了Haar特征、HOG特征,在行人正面向相机运动时,采用Haar特征检测器检测人脸,并结合Haar运动模型完成行人的检测,当行人侧向运动时,采用HOG特征,利用层次-部分模型进行行人的检测和追踪,在完成行人的检测之后,利用最大权重独立集合算法完成帧间目标的关联。通过对ETH、TUD以及本地样本库的检测和追踪结果表明,采用Haar特征和HOG特征的检测算法对于行人的正面和侧面都具有较高的检测准确率、精确度。

无线网络中一种智能路由算法

一个ad hoc网络是一个多跳无线网络,网络中的节点互相通信而不依赖于预先架设的固定基础设施,这种动态网络的最重要特点是寻找在通常情况下很好执行的路由算法。基于“簇”的算法是最有效的算法,目前,创建和维持“簇”通常是基于启发式方法。MWIS是一个分布式算法用于在一个无线网络拓扑图中确定最大权独立集算法,而划分网络节点为“簇”的问题可以很容易简化为寻找最大权力集问题。基于MWIS,我们提出了寻找一个最大向量权独立集算法MVWIS并且通过MATUB进行了仿真实验。

可适应未分辨量测的改进GRASP-MHT算法

传统的多假设跟踪(Multiple Hypothesis Tracking,MHT)算法通常假设一个目标独立地产生一个量测。但在实际观测场景中,当多个目标之间足够接近时,分辨率有限的传感器只能识别出一个未分辨的量测。这种现象使得数据关联问题更加复杂,跟踪算法性能明显下降。针对这一问题,本文提出了一种可适应未分辨量测的改进随机化贪心-自适应搜索结构MHT(Greedy Randomized Adaptive Search Procedure MHT,GRASP-MHT)算法,推导了关联未分辨量测的航迹假设得分,将未分辨量测的数据关联问题建模成最大权重独立集问题(Maximum Weight Independent Set Problem,MWISP),以适应可能存在未分辨量测的场景。仿真结果表明,改进GRASP-MHT能够处理未分辨量测的数据关联问题,并且保留了GRASP-MHT的大部分优点。

一种机动目标多假设跟踪方法

提出了一种基于交互式多模型(IMM)的基于最大权重独立集的多假设(MWIS-MHT)方法;将IMM算法引入到MWIS-MHT框架中,采用多种运动模型对机动目标进行跟踪,通过半-马尔科夫过程生成的多机动目标场景对所提方法进行了验证,实验结果表明:所提方法能有效提升目标跟踪的连续性和状态估计的精度,兼顾了MWIS-MHT在计算效率上的优势。相比于MWIS-MHT方法,所提方法更适用于多机动目标的跟踪场景。