基于矩阵优化分解的测绘图像三维重建系统

由于测绘图像细节信息特征独立性显著,三维重建波段的选取易出现偏差,影响测绘图像三维重建效果。为此,本文设计基于矩阵优化分解的测绘图像三维重建系统。设计测绘图像导入主从设备接口,实现测绘图像数据导入处理。3D引擎图像渲染模块和多通道三维显示模块可以实现多台计算机对同一场景的渲染。采用矩阵优化分解方法选择图像三维重建波段,将波段上任意点到对应极线距离作为重建目标,连接所有坐标形成曲面,计算各点三维笛卡尔坐标值,并恢复测绘图像被遮挡部分,修正波段值,实现三维重建。测试结果表明:该系统重建的三维图像像素均匀,无异常凸起部分。重建误差平均为0.06,具有精准三维重建效果。

基于NMF后验特征优化的语音查询样例检测

提出一种基于非负矩阵分解(Nonnegative matrix factorization,NMF)后验特征优化和修正分段动态时间规整(Segmental dynamic time warping,SDTW)检索的无监督语音查询样例检测方法。该方法首先应用频域线性预测(Frequency domain linear prediction,FDLP)声学特征参数代替梅尔频率倒谱系数(Mel-frequency cepstral coefficients,MFCCs)训练高斯混合模型(Gaussian mixture model,GMM)模型,然后使用NMF算法对高斯后验特征矩阵进行分解,将得到的基矩阵作为子空间变换矩阵对原始后验特征投影,投影可以突出特征中主要分量,平滑距离矩阵。在检索阶段,使用多相邻输出得分对最佳匹配得分进行修正,用于代替标准SDTW算法的1-best输出得分。实验结果表明,在不增加检索时间的情况下,该方法相比应用MFCCs和FDLP特征的基线系统性能提升明显,检索精度分别相对提升了18.6%和18.1%。

基于多信号流图的大气数据系统故障诊断

针对传统无人机大气数据系统故障诊断依赖专家经验、故障定位不准确的问题,提出了基于多信号流图的大气数据系统故障诊断方法。通过分析大气数据系统的组成结构和故障模式影响与危害度分析,采用多信号流图方法对某型无人机大气数据系统关键部件进行测试性分析,得到大气数据系统的故障-测试相关性矩阵。针对传统实时测试性工程与维护系统(Real-Time Testability Engineering and Ma-intenance System,TEAMS-RT)算法诊断速度较慢的问题,对TEAMS-RT算法进行优化研究,提出了一种基于TEAMS-RT的矩阵分解优化(简称Tree-RT)算法,在此基础上对D矩阵分别采用Tree-RT算法和测试一致性算法对大气数据系统进行故障注入试验。试验结果表明,Tree-RT算法对故障注入试验的诊断率为94.62%,高于基于测试一致性算法85.73%的诊断率,证明了大气数据系统多信号流图和Tree-RT算法的有效性,为无人机大气数据系统的故障诊断相关研究提供了技术支撑。