一种基于自适应目标DCT的数字水印算法

本文分析了目前数字水印技术所采用算法的特点,介绍了自适应目标的离散余弦变换,并在此基础上提出了一种能够将数字水印嵌入到图像中任意形状目标物体中的算法。

自适应目标新生δ广义标签多伯努利滤波算法

针对传统广义标签多伯努利滤波算法因需已知新生目标状态分布信息而导致在实际场景中估计精度下降的问题,提出一种新的自适应目标新生δ广义标签多伯努利算法。该算法以广义标签多伯努利滤波器为基础,利用上一时刻接收到的量测信息反推当前时刻新生目标的存活概率和状态信息,并给出其标签伯努利随机集的参数表示。仿真结果表明,所提算法对于未知新生目标先验信息的复杂运动场景具有较强的多目标跟踪鲁棒性,且跟踪精度以及时间耗费均优于传统广义标签多伯努利滤波器。

基于自适应目标函数的协同干扰策略分配

在多机伴随突防组网雷达过程中,会受到不同体制雷达的威胁。多机伴随协同干扰在保证目标成功突防中起重要作用,而如何提高己方干扰资源的利用效率是协同干扰的核心。文中提出协同干扰效果是关于距离的函数,如果单纯以某一单一目标函数作为干扰效果评估指标,会大大影响干扰机的利用效率,因此,在协同突防编队由远及近的突防过程中,将该过程划分为搜索与定位两个阶段,分别以检测概率和几何精度因子(GDOP)建立各阶段的干扰评估指标,随着距离的变化,干扰效果评估指标也在逐渐变化,通过改进的粒子群算法对每个阶段的目标函数求解寻最优,既解决了传统的动态规划算法计算量过大的问题,又实现了算法的快速收敛和寻优。通过MATLAB仿真结果分析,该算法能够快速地收敛并且提高干扰机的利用效率。

融合LBP与背景建模的自适应目标检测混合算法

提高目标检测算法在复杂场景下的检测鲁棒性是目前计算机视觉领域的一个重点、难点问题。为了实现在多种背景扰动以及阴影同时存在的复杂场景下,对运动目标的准确、鲁棒提取,论文提出了一种融合纹理特征和背景建模的自适应目标检测混合算法。首先,为了对阴影进行有效处理,论文提出融合纹理特征的背景建模法;同时,在背景建模的基础上,引入亮度信息预处理程序;最后,论文在对复杂场景下(包括室内、室外)的背景扰动进行分析归类的基础上,将帧间差分法和背景建模法有机结合,有效提高算法对复杂场景的适应性。实验结果表明,复杂场景下,该算法对大多数背景扰动都具有一定的鲁棒性,能够实时、准确地检测出运动目标。

基于“当前统计”模型的机载防撞系统自适应目标跟踪算法分析与仿真

分析了基于"当前统计"模型的自适应滤波算法原理,提出了将基于该模型的自适应目标跟踪算法应用到机载防撞系统,对目标飞机进行监视和跟踪。对飞机的不同加速度情况进行了目标跟踪的计算机仿真,证明了算法在机载防撞系统中应用的可行性。

基于特征点匹配的自适应目标跟踪算法

由于实际场景复杂多变,目标在运动过程中往往会出现形变、遮挡等问题,增加了跟踪的难度。为了解决上述问题,提出一种基于特征点匹配的自适应目标跟踪算法。算法初始化时在选定的目标区域内提取特征点,跟踪过程中通过对前后两帧的特征点进行匹配,计算出目标的位置、尺度和旋转变化,进而实现对目标的跟踪。同时通过对特征点的不断更新,可以使算法具有一定的抗遮挡能力。实验表明,该方法在实际应用中效果很好。

基于自适应目标偏置系数的机械臂路径规划算法

针对快速搜索随机树(RRT)算法因其随机特性导致的运行时间过长和计算结果往往不是最优解的问题,在RRT算法及其改进算法的基础上,课题组提出了一种基于自适应目标偏置系数的机械臂路径规划算法,并将该算法应用到医疗设备无影灯的使用中。首先,用D-H参数法对6自由度机械臂进行运动学描述和正运动学求解,得到末端的运动状态和位姿;然后,综合RRT算法及其改进算法的优点拓展新节点和重置父节点,并引入自适应目标偏置系数,再对路径作剪枝后处理。对比实验结果显示:该方法在保证算法搜索效率的基础上,有效地提高了路径质量。基于ROS的仿真平台验证了该方法具有实用性和可行性。

海上风电场自适应多目标无功优化控制策略

针对传统固定权重多目标无功优化在应对新型电力系统复杂多变的工况时无法针对实时工况做出最合适的控制决策的问题,提出一种自适应多目标无功优化控制策略。该策略以系统有功网损和并网点电压偏离量的加权最小作为目标函数,目标函数的权重系数根据并网点电压的偏离情况自适应调节。首先,分析海上风电场并网点电压波动与有功、无功输出的关系,建立相应的无功分配模型,并针对风电机组及静止无功发生器(static var ge nerator,SVG)的输入输出特性,建立相应的无功控制模型。此外,考虑海上运行的功率约束、安全运行约束等,采用变惯性权重粒子群优化算法对无功控制策略进行求解。最后,在MATLAB中搭建海上风电场模型进行仿真验证,仿真算例表明:相较于传统固定权重多目标无功优化,自适应多目标无功优化控制策略可以根据电网实时工况,迅速调整各优化目标的优先级,较好地实现有功网损和并网点电压的协调优化。

基于多目标狼群算法的机场行李导入系统仿真优化研究

针对民航机场行李导入系统运行过程中旅客行李注入等待时间长、系统能耗高等问题,综合考虑虚拟视窗控制方式、收集带式输送机运行速度、虚拟视窗长度及同时开放值机柜台数量等关键控制参数对机场行李导入系统运行效率的影响,提出一种求解该问题的仿真优化框架。通过分析机场行李导入系统实际运行工况,建立参数化仿真优化模型。以最小化旅客行李注入平均等待时间和系统能耗为优化目标,结合系统设计和运行过程中的实际约束条件,建立该问题的数学模型,并设计了一种多目标自适应并行狼群算法进行求解。该算法针对所提问题特性及经典狼群算法易陷入局部最优和收敛速度慢等不足,提出一种混合整实数单链编码方式,融合反向学习策略生成初始种群,引入自适应游走概率机制和智能行为并行机制,采用局部和全局自适应邻域搜索及启发式保优策略实现狼群算法智能行为搜索,使用Pareto非支配排序进行寻优迭代并获得最优解集。以国内某大型国际航空枢纽机场行李导入系统为例设计不同规模多种算法对比实验,验证了所提方法的有效性和优越性。

采用扩展MRF的红外目标自适应检测方法

针对天基红外监视系统中不同形状目标的联合检测问题,提出基于扩展马尔可夫随机场的自适应目标检测算法。首先分析了天基红外监视系统中的目标特性,在此基础上以典型目标形状为模板,构建了扩展的马尔可夫随机场邻域系统;其次构建了新的马尔可夫势函数,并利用红外图像中背景与目标之间的马尔可夫势差异,将复杂背景中不同形状目标联合检测问题转换为马尔可夫势差异的判别问题,有效解决了马尔可夫随机场理论框架下混合形状目标检测问题。仿真试验结果表明,所提出的算法能够根据目标形状的变化自适应地检测各类目标,并可在不同图像信杂比条件下进行目标检测处理,具有较强的鲁棒性。

基于ANFIS的自适应机动目标状态估计算法

针对基于当前统计(current statistics,CS)模型的机动目标状态估计算法对机动目标加速度的极限值依赖性大的缺陷,提出了一种利用自适应神经网络-模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)自适应调整目标状态噪声方差的方法。首先利用ANFIS算法对目标机动强度进行估计,进而对目标状态噪声协方差矩阵进行自适应调整;然后利用粒子滤波(particle filter,PF)算法对目标状态进行估计。仿真结果表明,与该方法能够有效提高目标状态估计的精度。

模型集和IMM自适应的目标跟踪算法

本文在仿真试验和理论分析基础上,首先给出了一种自适应IMM算法。再根据变结构IMM思想,把该算法与具体的运动模型相结合,提出了模型集和IMM算法都是自适应的机动目标跟踪方法。该方法在模式空间连续的情况下,模型集合逐步收敛到给定的范围内。文中给出了两种方法的具体实现步骤,并对文[6]中的AGIMM方法作了修正。仿真试验中把两种方法分别与传统的IMM算法和文[6]的方法进行了比较,结果表明在目标机动情况下,两种方法在性能上均有不同程度的提高,从而证明了本文所提算法的有效性。

一种高分辨率雷达海上目标自适应检测器

针对海上目标因波浪起伏和转向等导致的姿态变化引起的散射点起伏问题,在未知协方差矩阵的复高斯噪声背景下,研究了高距离分辨率雷达的距离扩展目标自适应检测问题。利用与待检测单元具有相同协方差矩阵结构的辅助数据估计未知噪声协方差矩阵,基于两步法检测策略获得了自适应检测器。恒虚警率特性分析表明,该检测器对不同噪声背景均具有很好的自适应特性。检测性能分析表明,该检测器对不同的目标模型具有很好的鲁棒性,且能有效避免"坍塌损失"。另外,通过增加传感器个数,可有效提高检测器性能。

一种自适应小目标图像分割方法

将遗传算法用于小目标图像分割 .提出了目标在图像中所占比例的可能范围参数 ,并结合 P- tile法和直方图熵法得到一种新的自适应目标分割方法 .该方法克服了传统P- tile法要求已知目标所占确切比例的缺陷 ,并利用遗传算法能自动在搜索空间内快速寻优的特点 ,可以推广到包含任意大小目标的图像分割问题上 .用户可选择目标占整个图像面积的不同的“最小百分比”和“最大百分比”参数进行反复操作 ,得到多个不同结果 ,然后对这些结果做后续分析 (如数据融合分析 ) ,从而得到更加准确的判断 .试验结果表明 ,该方法具有良好的分割质量 ,运算速度提高了 2 1.5 % .

一种目标响应自适应的通道可靠性跟踪算法

为解决基于时空正则项的目标跟踪算法(STRCF)在目标短时遮挡时定位精度低和目标旋转时尺度估计不准确的问题,该文提出了一种目标响应自适应的通道可靠性跟踪算法。该算法在目标模型训练时加入了目标响应正则项,通过在求解过程中更新理想目标响应函数,使得目标被短时遮挡后可重新跟踪目标;加入通道可靠性评价各特征通道的可靠性,提高了模型对目标的表达能力;将目标图像转换至对数极坐标系下训练尺度滤波器,提高在目标旋转时的尺度估计精度。实验结果表明,该文所提算法较STRCF在平均中心位置误差中降低了28.54个像素,在平均重叠率中提高了22.8%,在OTB2015数据集下成功率曲线下面积较STRCF提高了1.5%。

基于关联的自适应新生目标强度CPHD滤波

量测驱动的自适应新生目标强度基数概率假设密度(adaptive target birth intensity cardinalized probability hypothesis density,ATBI-CPHD)滤波器可以在新生目标强度未知的情况下进行多目标跟踪,然而该方法利用所有量测产生新生目标,没有考虑关联问题。为此,本文提出了一种基于数据关联的改进算法。首先,给出了ATBI-CPHD在高斯混合CPHD(Gaussian mixture CPHD,GMCPHD)框架下的实现。其次,在GMCPHD滤波框架下采用一种基于量测标签的方法进行量测-估计关联,并引入高斯元标签进行航迹保持,在此基础上提出了一种航迹管理方法。最后采用量测波门进行量测-量测关联,利用关联后的量测产生新生目标。仿真结果表明,该算法可以在提高跟踪效果的同时提升计算效率。

使用Mean Shift进行自适应序列图像目标跟踪

现有的MeanShift跟踪方法使用单一半径参数描述目标大小变化,不能适应复杂的目标运动情况。使用带宽矩阵来描述目标尺寸,在两个方向上独立描述目标大小变化,提出并证明了一种新的跟踪方法。实验表明,在不增加任何计算量的情况下,该算法对目标运动的适应性更好。

基于自适应多目标模糊聚类的多模型软测量

针对复杂非线性系统单模型软测量存在建模精度低、模型泛化能力差的问题,提出一种采用自适应多目标模糊聚类的多模型高斯过程回归(GPR)软测量建模方法。首先使用自适应多目标聚类方法自动确定聚类个数并得到最优数据子集,避免了聚类个数不易人为给定的问题;然后对各数据子集分别建立GPR子模型,最后采用子模型加权融合方法得到最终的预测结果。使用火电厂历史运行数据建立烟气含氧量软测量模型验证该方法,仿真结果表明,该方法可以提高软测量模型精度,提升模型泛化能力。

分簇和多目标自适应的和声搜索定位算法

针对集中式多目标优化定位算法计算复杂、容易陷入局部最优等问题,采用一种基于分簇和多目标自适应和声搜索分布式无线传感器网络定位算法.将无线传感器网络节点进行分簇定位,建立局部多目标定位模型,其目标函数为根据簇内节点间距离信息构建的空间约束目标函数,以及根据拓扑关系构建的拓扑结构约束目标函数,使用多目标自适应和声搜索算法进行定位,以解决多目标定位算法容易陷入局部最优问题,其中和声记忆库更新方法采用非劣排序和拥挤距离排序方法.仿真结果表明本文的定位算法,与PAES定位算法相比有较高的定位精度.

目标自适应分割算法的研究

初步探讨和分析几种实际典型场景目标与背景的特征，提出相应的目标分割算法，并对几种方法加以融合。实际跟踪算法中，实现目标分割方法的自动转换．自动调整自适应分割门限及搜索方案．实验表明，该算法转换灵活，跟踪平稳。自适应能力强，抗干扰性能好．易于软件实现．