融合运动模型与联合置信度量的改进核相关跟踪算法

红外制导技术是武器制导领域研究的热点和主要方向。针对探测跟踪过程中核相关跟踪算法(Kernelized Correlation Filter,KCF)对快速运动和严重遮挡目标的跟踪精度下降问题,提出一种融合卡尔曼滤波和运动模型的改进核相关目标跟踪算法。该算法首先利用运动模型对目标的位置进行初始估计,提出一种自适应搜索区域选择的方法。针对测试样本的置信度响应图呈现多峰平坦的情况,本文提出了一种用于目标相似度量的组合置信度测量策略,采用相关峰的锐度和置信图的平滑度约束来进一步计算疑似区域的置信度,提升算法的抗干扰能力;同时,本文也提出了一种基于最优置信度的自适应参数更新,增强模型的泛化能力。大量的仿真实验结果表明本文所提的算法的跟踪性能超过传统的核相关跟踪算法,对复杂的跟踪场景具有更强的鲁棒性与抗干扰能力。

在电源测试过程中提高测量置信度

对通用电源参数如瞬态开关元件功率和线电流谐波分量的常规测试很难精确进行,而某些电路运作性能如监控脉宽调制电源中的环路响应事实上已经不可能进行测量了,其中某些问题是因为要求在通用示波器上完成复杂的测量而产生的。另外,许多初始测试过程都会产生中间数据,它们需要进行额外处理或计算以便获得最终结果,手工计算处理既单调乏味又易于产生误差。使用合适的配件扩展示波器的测试能力可以满足电源测试的特殊需要,其中获得精确的电压和电流波形是进行任何波形分析的必需条件。

储油罐导波雷达液位测量中的滤波器设计

导波雷达液位计被广泛用于测量储油罐的油脂液位。但是由于储油罐本身不能满足导波雷达液位计的安装要求,导致测量液位不准确,测量结果存在大量噪声。为此,文中使用测量液位曲线的平滑度作为雷达液位计的置信度,针对低置信度的测量结果,使用相邻测量点的液位变化速度特征对测量结果进行滤波后处理,以有效去除噪声,从而提高测量结果的准确度。

一种基于SVM的加权似然比融合算法

提出一种基于改进竞争模型加权似然比融合的方法来进行关键词的语音确认,并将误差函数用于SVM对加权向量和阈值进行优化.通过构建两个基线系统,将不同竞争模型的加权方式的比较和3种模型的比较作了仿真实验.所得结果显示,相对于反词模型和常规竞争模型,加权似然比融合方法得到的似然比对关键词识别的平均错误率分别降低了26.53%和7.78%.