宽带复合双基地雷达舰船目标长度估计方法

舰船目标长度特征对舰船目标识别具有重要作用,该文提出一种基于宽带复合双基地雷达联合观测的舰船目标长度估计方法。该方法综合利用单/双基地雷达高分辨距离像(HRRPs)长度,结合双基地雷达-舰船之间的空间关系求解,实现了单次测量估计舰船目标的实际长度,并分析了各种误差因素和几何构型条件下的估计误差。典型场景动态仿真证明了所提方法的有效性,结果表明在高分辨距离像长度误差小于5%条件下,舰船目标长度估计误差小于5%,为舰船目标特征提取与识别提供了新思路。

基于单个地磁传感器的交叉口排队长度估计

通过对车辆排队机理进行建模,利用车辆通过传感器时间及车尾时距描述车辆排队演化过程,从而估计邻近信号灯周期内的车辆排队长度。分析了车辆通过传感器时间及车辆车尾时距的动态变化规律,并提出车尾时距模型、通过时间模型和综合模型等对排队长度进行估计。最后,利用现场试验对本方法进行验证,试验结果表明本文提出的模型和方法能够准确估计交叉口车辆排队长度,且系统成本低廉、部署方便,便于大规模推广应用,能够为信号灯周期优化、交通服务水平评价等应用提供基础数据。

基于尾迹特征的SAR图像舰船长度估计

通过研究尾迹波谱的周期特性与舰船外形特征之间的关系,建立基于波谱函数的舰船长度估计模型.基于瘦船体假设条件,从数学上论述利用波高谱信息估算舰船长度的可行性,提出由图像谱计算波高谱,再计算波幅函数周期,最后得到舰船长度的三步法.以小船和大型舰船为目标,通过该方法和常用方法做对比实验.结果表明,三步法提取的舰船长度相对误差小于5%,提取结果受方位影响小,效果比传统的直接像素点灰度统计方法好,有利于进一步的舰船识别和分类.

基于视频数据的交叉口状态判别及排队长度估计

为了评价信号控制交叉口的交通状态及估计周期排队长度,本文以集散波为理论基础,分析视频检测的机动车通过上下游相邻交叉口的数据,提出了基于车辆延误时间的交叉口交通状态判别划分,进一步设计了欠饱和及饱和交通状态下的交叉口最大排队长度估计方法.实例分析表明,本文方法所估计的排队长度比较接近实际调查值,排队相对误差在可接受的范围内,结果验证了所设计的排队长度估计方法是有效可行的.

基于轨迹数据的信号交叉口排队长度估计

排队长度是信号交叉口最重要的性能指标之一,也是信号交叉口配时优化的关键参数。对于一些偏僻的路口或者固定检测器损坏的交叉口,由于无法获取准确的排队长度信息而无法了解交叉口的实时状态。针对以上情况,提出通过浮动车轨迹数据来估计信号交叉口的排队长度,通过对轨迹数据的分析,建立了基于浮动车集群队列的排队长度估计模型,利用排队长度估计模型可以实现交叉口排队长度的估计。通过SUMO仿真获取早高峰、晚高峰、平峰流量下输入下的浮动车轨迹数据,分别采用早高峰、晚高峰、平峰流量下时间间隔为2、4、6、8、10 s和渗透率为5%、10%、15%的数据集对模型进行验证。验证结果表明,所建立的模型可以较为准确地估计交叉口的排队长度。与相关方法的对比结果表明,在早高峰流量下和晚高峰流量下,所建立的模型误差更低,不同的时间间隔和渗透率下比不考虑集群车队的精准度平均提高约12%,即使在平峰流量、时间间隔大、低渗透率场景下,所建立的模型估计的排队长度误差仍在可接受范围内。相关的研究成果将为交叉口的交通状态评估以及信号配时优化提供支撑。

一种Alpha稳定分布噪声下的体积目标长度估计方法

为了解决Alpha稳定分布噪声环境下运动舰船目标的长度估计问题,该文借鉴非线性变换抑制脉冲噪声以及多普勒目标运动特性估计思想,提出基于广义时频分析(G-TFA)和最小二乘估计的运动目标长度估计方法。该方法首先利用G-TFA获取Alpha稳定分布噪声环境下运动目标的多普勒频率,然后利用最小二乘方法估计出目标航速和不同位置的横正时刻,最后利用上述估计结果计算目标长度。以广义Winger-Ville分布(G-WVD)为例,从理论上推导了G-TFA在Alpha稳定分布噪声环境下具有提取目标多普勒特征的能力,并通过仿真实验验证了该算法在中低混合信噪比下的稳健性。与现有算法相比,该文所提算法不需要估计噪声特征指数,算法性能优于基于传统时频分析的估计方法。

基于排队长度估计的网联车辆节能车速规划方法

针对网联车辆在动态车流环境中多信号灯道路的车速规划问题,文中提出了一种基于路口排队长度实时估计的车辆节能车速规划方法.首先,构建并训练用于路口排队长度估计的径向基神经网络;然后,在最优控制问题的框架下,实现车流排队和信号灯的联合建模,构建参考车速曲线优化问题;最后,利用提出的车速规划解耦变换求解方法,高效地获得参考车速曲线.仿真结果表明,相比于传统的未考虑路口车流排队的节能车速规划方法,文中提出的方法可以产生更平滑的实际车速曲线,同时降低40%以上的能量消耗.

允许长度估计误差的SBH最优重构问题及其算法

本文讨论了允许长度估计误差和杂交错误的更实际SBH(Sequencing by Hybridization)最优重构问题.通过对SBH谱集中k-tuple之间的相关信息的分析和最优重构性质的讨论,我们得到若干非最优解的删除法则和最优解的判定法则,并获得了一个能够极大地减少最优解重构随意性的动态规划计算方法.由此,我们给出了该SBH问题的一个新重构算法.该算法既允许SBH谱集含有一般杂交实验中可能出现的探针错配所产生的正错误,也允许目标DNA序列长度有估计误差,所以本文的算法具有更一般的适应性和实用性.模拟计算结果表明我们的算法也是十分有效的(即使在谱集有多达100%的正错误情况).

基于车辆行驶轨迹的信号交叉口排队长度估计

为了研究如何结合移动检测数据来确定交叉口排队长度,并以此来衡量交通拥堵程度的问题,利用车辆行驶轨迹,分析了通过交叉口车辆的排队特点。根据车辆在队列中的不同排队位置,分车辆通过交叉口时所存在的A,B,C这3种位置,建立了面向延误最小的排队长度估计模型。其中,通过虚拟线圈检测器后开始减速停止在停车线前的A位置车辆排队估计模型基于基本延误模型;减速进入虚拟线圈检测区域停车的B位置车辆排队估计模型基于简化车辆跟驰模型,对可获得车辆行驶轨迹的网联车减速过程进行了重建;减速停止在虚拟线圈检测器前的C位置车辆排队估计模型基于LWR消散模型以及交通流理论算法,并利用网联车车辆行驶轨迹数据进行了加速过程的重建。在此基础上,根据不同位置车辆与队尾网联车的距离不同,对其到达率赋予不同的权重,计算总的排队长度。最后,通过图新地球地图软件投影并筛选车辆在案例交叉口的车辆行驶轨迹,利用微观交通仿真软件VISSIM对本研究的模型进行仿真验证。结果表明,排队长度估计模型与真值的最大误差为12.4%,最小为2.2%,平均误差为8.75%,方差为12.595%~2,绝对与相对误差均保持在可接受范围以内,说明基于车辆行驶轨迹的信号交叉口排队长度估计模型能够较为有效地估计城市道路交叉口的排队长度。

运动模糊图像运动长度的频谱估计法

对于匀速直线运动模糊图像,准确估计运动模糊长度是图像恢复的关键。分析了运动模糊图像的频谱特征,介绍了频谱估计法的数学原理,总结了算法实施步骤,并用matlab软件编程完成了数值模拟,数值实验结果验证了该算法的有效性。

基于瞬态电磁响应的埋地细长良导体目标长度和方位估计

对地下管道电缆等目标的几何特征估计在城市建设和市政基础设施维护中尤为重要,针对此类埋地细长良导体目标,该文提出一种基于瞬态电磁响应的管道目标长度与方位角估计方法。建立了介电媒质中水平极化电磁波在布鲁斯特角入射下细长良导体目标后向散射回波时延差模型,通过分析瞬态响应时频分布,建立了其谐振态与目标长度的关系,并由此估计目标的长度。利用瞬态响应早时部分首达回波与晚时部分谐振回波的能量变化趋势,判断电磁波到达目标两端点的时间顺序,再根据首达时间延迟差估计目标的方位角。数值仿真结果表明在电场方向与目标轴线方向偏离不大的情况下,提出方法有效并且对噪声具有鲁棒性,适用于信噪比SNR≥5 dB的长度估计以及SNR>10 dB的方位角估计。

准确的FPGA互连长度和通道宽度估计(英文)

提出了一种新的FPGA互连预测算法,包括互连长度估计算法和通道宽度估计算法.实验结果表明,与现有算法相比,该估计算法能获得更准确的估计结果.

基于网联车辆轨迹数据的周期排队长度估计

近年,基于网联车辆轨迹数据的交通管控与服务研究方兴未艾。其中,信号控制交叉口排队长度估计备受关注。然而,在低渗透率条件下,单个周期内轨迹稀少且提供的交通信息十分有限。现有研究仅以当前周期内网联车辆轨迹数据为输入,难以获得准确且可靠的周期级排队长度估计结果。因此,融合利用历史网联车辆轨迹数据提供的车辆到达和停车位置信息以及当前周期内实时观测的网联车辆排队信息,提出一种基于最大后验概率的周期最大排队长度估计方法。首先,依据历史轨迹数据的停车位置信息,估计排队长度的先验分布;其次,依据历史轨迹数据的车辆到达信息,估计周期内车辆的历史到达分布,并结合周期内最后1辆排队网联车辆的到达时刻与停车位置,构建排队长度似然函数;最后,基于贝叶斯理论,结合前述先验分布与似然函数,推导周期排队长度的后验分布,并采用最大后验概率方法实现周期最大排队长度的估计。仿真结果表明:所提方法在不同饱和度和渗透率条件下,均优于现有的方法;即使在车辆轨迹数不超过1 veh·周期^(-1)的低渗透率条件下,所提方法的平均绝对估计误差也不超过2 veh·周期^(-1)。实证结果表明:在渗透率仅为8.96%的条件下,所提方法的平均绝对误差为2.12 veh·周期^(-1),平均相对估计误差为12.4%,同样优于现有同类方法。

基于联网车辆轨迹数据的交叉口排队长度估计方法

智能网联车路协同系统以及网约出租车的迅速发展,产生了海量的轨迹数据。轨迹数据具有数据量大、准确性高、分布广、易获取等优点,成为交通研究的重要数据来源。排队长度是评价交叉口运行状态的主要参数之一,对交通状态评估和信号优化等具有重要作用。基于轨迹数据对交叉口排队长度进行估计,并结合交叉口历史排队分布对排队长度估计结果的可靠性及精度进行分析。首先建立基于贝叶斯定理的交叉口排队长度估计方法,在联网车辆相同的假设条件下,推导出排队长度与周期内联网车辆停车位置及车道排队长度的概率关系;并利用轨迹车辆排队长度频率分布对实际排队长度频率分布进行近似,解决所存在的未知量问题。然后,结合交叉口历史排队数据,分析在高斯及非高斯情况下交叉口排队长度的置信区间估计问题,并提出用概率分布偏差来描述排队长度,对结果精度进行估计。在仿真分析部分,通过视频识别技术获取交叉口的排队长度数据,并用随机采样方法模拟了交叉口轨迹数据。最后,通过不同时段的交叉口排队长度估算验证所提出的方法,其中凌晨及下午时段的排队长度估算结果的平均M;值分别为0.20及0.61,M;值分别为27.40%及7.47%。结合概率分布分析方法,判断出凌晨时段及下午时段的排队长度分布分别为非高斯分布及高斯分布,计算概率分布偏差分别为10.63%及7.93%,验证了所提出的精度分析方法相比传统分析方法,在小样本场景具有更高的准确性。

基于轨迹数据的过饱和信号路口排队长度分析

针对交通过饱和情况,利用网联车轨迹数据提供的车辆到达和停车位置等信息,提出一种基于交通冲击波的周期初始队列长度和最大排队长度的估计方法。基于网联车车辆轨迹确定车辆到达时刻、排队时刻、启动时刻及驶离时刻4个临界点的时空数据,并根据时空信息建立到达率估计模型,运用冲击波理论对每个周期初始队列长度及最大排队长度进行估计,应用微观交通仿真软件SUMO对模型进行仿真验证。实验结果表明:在网联车渗透率不低于20%的情况下,当v/c=1.0(v为实际交通流量,c为道路通行能力)时,初始队列长度MAE值小于6.5 m,MAPE值小于10%,最大排队长度的MAE值小于16.0 m,MAPE值小于11%,说明基于车辆轨迹的交叉口排队长度估计模型能够较为有效地估计过饱和交叉口的最大排队长度和初始队列长度。

基于浮动车数据的排队长度检测方法研究

排队长度作为评价信号交叉口运行效率的一个重要指标,能有效反映交叉口处的运行状况.传统排队检测模型大多基于线圈检测器,且模型假设过于理想化,本文提出一种面向低采样率浮动车数据、具有良好数据驱动性的信控交叉口在线排队长度检测方法,方法关键在于利用队尾浮动车位置估算最大排队长度.检测过程采用固定时间间隔,主要步骤包括地图匹配、等距划分交叉口进口道并统计停车点数量、判定队尾浮动车的位置、修正得到最大排队长度估计值.实测数据表明,此方法的精度与浮动车比率有直接的关系,在浮动车比率较高的许多主干路交叉口,精度可以达到理想效果,30 m以内的平均绝对误差对高峰期的排队检测依旧具有很大价值.

关于一种锁固段长度计算模型的讨论及连通率计算

连通率作为岩质高边坡稳定性分析中的一个重要指标,其估算一直是一个难点。在二维几何意义上的连通率计算当中,本文通过基于Laslett迹长估计模型,推导出了锁固段长度估计公式,建立了连通率计算公式,然后对公式成立进行了验证,最后讨论了公式在实际工程中遇到的3种情况的讨论,得出公式在第1、2种条件下适用,在第3种条件下误差偏大的结论。

基于轨迹数据的交叉口排队长度计算方法

根据轨迹数据可以预测交通需求、判断路网运行状态、提高路网运行效率,为交通控制和研究提供了新的数据源和研究思路。为此,文章提出了新的基于轨迹数据的排队长度估计方法,不需要关于排队长度分布和可探测车辆渗透率的前提条件,适用性较强。经过仿真验证的结果表明,在可探测车辆的渗透率较低的情况下,该方法也能够准确地计算出信号交叉口的排队长度并用于交通信号控制优化。

一种适用于正交频分复用通信系统的信道估计盲算法(英文)

提出了一种适用于正交频分复用 (OFDM)通信系统的信道估计盲算法 ,给出了该算法的理论基础和计算机仿真结果 .该算法以子空间方法为基础 ,并利用了 OFDM通信系统协议中的循环前缀信息 .该算法还考虑了现有 OFDM协议中的空闲子载波信息 ,并具有计算量相对较小。

基于成像拖尾效应的图像测速算法

根据相机成像拖影长度与相机运动及曝光时间的关系,提出一种基于成像拖尾效应的图像测速方法,给出了用航拍相机进行图像测速的实施方案。建立了影像与成像平面和地面景物间的相对运动模型,设计了基于互相关分析的拖影长度测量方案,给出了测量算法,并分析了像素尺寸和成像比例等对测速精度的影响。算例表明:该法对速度无剧烈变化的准匀速运动的测速效果较好,为飞行器实时飞行速度测量提供了一种解决方案。