基于MHMM-SVM混合模型的雷达发射机性能退化状态监测

雷达发射机结构复杂,早期性能退化状态呈现多样化。为此,给出了一种MHMM-SVM故障诊断模型。该模型首先通过小波分析来提取观测信号的特征向量,然后从提取的特征向量中提取部分作为样本完成模型训练并生成发射机各种退化状态的分类器,最后给出诊断结果。仿真验证结果表明:MHMM-SVM故障诊断模型对电子装备早期故障的识别率明显优于MHMM、SVM单一模型。

基于MHMM模拟电路早期故障诊断

MHMM模型是一种基于高斯混合密度的连续隐马尔科夫模型,具有很好的模式识别能力,对于高混叠样本优势明显。模拟电路结构复杂,早期软故障呈现多样化,故障样本混叠严重,难以辨识。针对这个特点,提出了将MHMM模型应用于模拟电路早期故障诊断的新思路。首先,通过线性判别分析(LDA)技术将由仿真电路采集的数据样本进行降维处理,产生低维观测序列,并对样本初步划分;然后,使用高斯混合模型(GMM)对观测序列逼近,并完成MHMM模型的参数训练;最后,通过实例验证,并与BP网络进行比较。结果表明,MHMM对于早期故障的检测更具有优越性。

基于MHMM的脱机手写体字符识别

对隐马尔可夫模型(HMM)的训练方法及模型参数的选取进行了探讨,并将HMM理论用于脱机手写体识别中,建立了一种基于字符投影变换图像的边界链码特征的多重隐马尔可夫模型(MHMM).实验结果表明,该方法是可行的,且具有良好的兼容性和灵活性,可应用于手写体字符的自动识别中.

一种多普勒盲区条件下的多假设运动模型目标跟踪方法

机载预警雷达存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹中断和重起批。针对该问题,提出了一种基于多假设运动模型的目标跟踪方法。该方法根据多普勒盲区对目标状态的约束形成多个假设运动模型,当新出现的量测值落入任何一个运动模型形成的关联波门内,则航迹关联成功。仿真结果表明,该算法在不同盲区范围条件下,针对不同机动能力的目标均具有较高的航迹关联率,有效提高了目标连续跟踪性能。

基于多传感器融合的动态手势识别研究分析

研究利用三类传感器(表面肌电仪、陀螺仪和加速度计)信号的特点进行信息融合,提高可识别动态手势动作的种类和准确率。将动态手势动作分解为手形、手势朝向和运动轨迹三个要素,分别使用表面肌电信号(s EMG)、陀螺仪信号(GYRO)和加速度信号(ACC)进行表征,利用多流HMMs进行动态手势动作的模式识别。对包含有5个运动轨迹和6个静态手形的识别实验结果表明,该方法可以有效地从连续信号中识别动态手势,三类传感器组合使用获得的全局平均识别率达到92%以上,明显高于任意两个传感器组合和仅采用单个传感器获得的平均识别率。实验表明该方法是一种有效的动态手势识别方法,并且相较于传统的动态手势识别的方法更具有优势。

基于Boosting学习的图片自动语义标注

图片自动语义标注是基于内容图像检索中很重要且很有挑战性的工作。本文提出了一种基于Boosting学习的图片自动语义标注方法,建立了一个图片语义标注系统BLIR(boosting for lingu istic indexing im age retrievalsystem)。假设一组具有同一语义的图像能够用一个由一组特征组合而成的视觉模型来表示。2D-MHMM(2维多分辨率隐马尔科夫模型)实际上就是一种颜色和纹理特殊组合的模板。BLIR系统首先生成大量的2D-MHMM模型,然后用Boosting算法来实现关键词与2D-MHMM模型的关联。在一个包含60 000张图像的图库上实现并测试了这个系统。结果表明,对这些测试图像,BLIR方法比其他方法具有更高的检索正确率。

Method of target tracking with Doppler blind zone constraint

Doppler blind zone （DBZ） has a bad influence on the airborne early warning radar, although it has good detection performance for low altitude targets with pulse Doppler （PD） technology. In target tracking, the blind zone can cause target tracking breakage easily. In order to solve this problem, a parallel particle filter （PF） algorithm based on multi-hypothesis motion models （MHMMs） is proposed. The algorithm produces multiple possible target motion models according to the DBZ constraint. Particles are updated with the constraint in each motion model. Once the first measurement from the target which reappears from DBZ falls into the particle cloud formed by any model, the measurementtrack association succeeds and track breakage is avoided. The simulation results show that on the condition of different DBZ ranges, a high association ratio can be got for targets with different maneuverability levels, which accordingly improves the tracking quality.

改进的HMM模型在特征抽取上的应用

目前,情感分类常用的特征抽取方法是基于词典的向量空间模型(VSM),潜在的语义分析(LSA)和基于无监督算法的词嵌入(word2vec),随机词向量法,这些方法都是对单个词语进行处理;通过哈工大词云对采集的豆瓣评论数据集进行语义角色进行的标记以后,采用了改进的隐马尔科夫模型(MHMM)对词对向量进行特征构建,并将其作为一个序列片段作为长短记忆门(LSTM)的输入,最后使用softmax函数对动态循环神经网络输出的序列进行分类;实验使用了交叉熵作为优化函数,采用了随机梯度下降法对优化函数进行迭代产生最优解;实验结果证明了该方法对豆瓣影评数据进行情感分类产生了更好的效果。