基于边缘采样UKF滤波的捷联惯导初始对准方法

设计了基于四元数的捷联惯导非线性初始对准模型,同时指出该模型仅仅是姿态误差四元数和速度误差的非线性函数,而对于惯性器件误差而言则是线性的。针对该模型的部分线性特性,设计了基于边缘采样的UKF滤波算法,该算法仅对状态量中的非线性子集进行采样,因此对于部分线性模型而言,该算法在不损失滤波精度的前提下能够有效降低算法计算量。仿真及车载实测数据实验表明所研究的初始对准模型和相应的滤波算法是有效的,而且较传统方法具有明显的计算量方面的优势;在达到相同对准精度的前提下,所设计算法的计算量较传统算法降低了52%。

融合边缘采样和Tri-training的用户评论情感分析方法

【目的】针对用户评论数据量大、情感倾向模糊、内容短小等特点,提出融合边缘采样和Tri-training的用户评论情感分析方法。【方法】通过构建基于一对多拆解策略的多分类支持向量机,并融合考虑余弦相似度的边缘采样策略构造初始集,提出结合软投票机制的Tri-training算法。【结果】本文算法对Tri-training算法投票机制的改进,进一步减小了多个分类器对于样本分类投票判断失误的概率,使所有类别精确率均在79%以上。【局限】未考虑多媒体数据的信息提取。【结论】与传统及近年改进的半监督学习算法相比,本文提出的融合边缘采样和Tri-training的算法在分类准确率和效率上具有一定的优越性。

融合边缘化外点处理的改进图像匹配方法

针对图像匹配中SURF(speed up robust features)算法匹配效率不佳,以及RANSAC算法迭代次数不稳定和人为设置内点离散阈值所带来误差的问题,提出了一种结合改进的边缘化采样一致性算法和改进SURF的图像匹配方法。首先对输入图像进行快速引导滤波预处理,过滤图像噪声并保留边缘细节信息。然后通过BEBLID(Boosted Efficient Binary Local Image Descriptor)算法为SURF构建高效的二值描述符,结合改进的边缘化采样一致性算法边缘化外点去除误匹配。经实验对比,该方法相较于SURF准确性更高,实时性有较大提升,可满足多数复杂环境下的图像匹配。

基于改进三重训练算法的高光谱图像半监督分类

高光谱数据维数高,有标签的样本数量少,给高光谱图像分类带来困难。本文针对传统三重训练(tri-training)算法在初始有标签样本数量较少的情况下分类器间差异性不足的问题提出了一种基于改进三重训练算法的半监督分类框架。该方法首先通过边缘采样策略(margin Sampling,MS)选取最富含信息量的无标签样本,然后在训练每个分类器之前通过差分进化算法(differential evolution,DE)利用所选取的无标签样本产生新的样本。这些新产生的样本将被标记并且加入训练样本集来帮助初始化分类器。实验结果表明,该方法不仅能够有效地利用无标签样本,而且在有标签数据很少的情况下能够有效地提高分类精度。

改进的LLGC高光谱图像半监督分类

针对高光谱数据波段多,地物标签获取代价高,带标记的样本数量少,分类过程中容易引起Hudges现象。本文提出一种基于改进的局部全局一致性(learning with local and global consistency,LLGC)算法的半监督分类方法。通过边缘采样法(margin sampling,MS)选取最富含信息量的无标签样本,加入到训练集来扩充训练样本;用KNN算法计算相似度进一步优选无标签样本,去除噪声点和存在的野值点;使用改进的局部全局一致性算法对无标签样本集进行分类标记,得到各类别的分类结果。实验结果表明,本文方法在充分利用无标签样本的情况下,有效地提高了带有少量标签样本的高光谱图像的分类精度。

基于多相位自定时振荡环的真随机数发生器

针对传统的真随机数发生器(TRNG)的频率随级数线性减小,对工作环境、电压和工艺变化非常敏感,鲁棒性不强等问题,提出一种新型的真随机数发生器结构,通过使用多相位自定时振荡环作为熵源,重新设计熵源采样电路以配合熵源结构,实现高采样输出的要求。本文提出的真随机数发生器运行在Xilinx KCU116平台上拥有高达250 Mbps的产生速率,消耗资源低至32 slice。通过对产生数据进行了统计检验分析,其统计结果以高P值通过了美国国家标准与技术研究院(NIST)测试套件的检测。

高速ADC驱动电路建立时间的准确测量

为了提高建立时间的测量精度,提出了一种新型测量方法.该方法直接用ADC多次采样运放的输出信号,通过采样边缘移动的方法得到ADC的采样序列,最后通过采样序列绘制建立时间曲线,从而有效去除测试仪器寄生电容和电感的影响,提高测量的精确度.

基于改进AKAZE算法的图像特征匹配方法

由于AKAZE算法中局部二进制描述符对图像尺度变化、模糊变化不敏感,导致特征点提取不均匀、特征匹配正确率低,提出一种改进AKAZE与边缘化采样一致方法(marginalizing sample consensus,MAGSAC)结合的特征匹配算法。该算法采用FREAK(fast retina keypoint)描述符描述特征点,对采样点计算梯度确定特征点主方向,使用MAGSAC方法剔除错误匹配点对。实验结果表明:在图像发生尺度与旋转变化时,改进算法的匹配精度比传统AKAZE算法高6.98%,尺度变化下特征点提取平均耗时较传统AKAZE算法减少0.084 ms,图像模糊变化时匹配精度比传统AKAZE算法高8.57%,特征点提取平均耗时较传统AKAZE算法减少0.05 ms。

微光CMOS传感器调制传递函数快速测试方法

为满足微光CMOS图像传感器调制传递函数快速检测的需求,通过优化倾斜刃边法提出一种基于超采样模型的调制传递函数快速测试方法。测试过程采用自适应双阈值Canny边缘检测算法提高刃边检测精度,通过刃边角度空间几何旋转对边缘扩展响应进行超采样,并利用三次费米函数等效模型进行拟合,极大消除自然微光成像中噪声对测试结果的影响。利用该方法对CMOS传感器进行实际测试,采用不同目标图片测试实验结果同标准量进行对比,误差均在0.06之内,证明了该方法的可行性与有效性,符合CMOS传感器性能检测的要求。