小型无人机快速最优化稳像方法研究

小型无人机电子稳像可以纠正视频影像中存在的晃动、震动、畸变等不稳定因素,有利于视频影像目标跟踪、精确打击,同时还能缓解观察者的视觉疲劳。电子稳像有3个主要的步骤:全局运动估计、主运动估计和运动补偿。本文主要对主运动估计的方法进行研究,并提出了一种快速最优化的稳像方法,该方法能够快速准确的估计小型无人机视频影像的主运动。该方法结合了L1最优化方法的精确性和Kalman滤波方法处理速度快的优点,并克服Kalman滤波法预测精度不高和L1最优化方法只能事后处理的问题,从而获到更好的稳像效果。最后采用实际飞行数据对本文提出算法进行了验证,结果表明,本文所提出的方法在保证稳像处理精度的前提下,也保证了处理效率。

增加轨道扣件可调量和相邻点偏差约束的高铁轨道精调优化算法

高速铁路轨道精调依据300m、30m以及10m弦的长中波轨向和高低、轨距、轨距变化率、水平和扭曲等参数控制轨道不平顺。然而无砟轨道钢轨的扣件可调量有限,若完全按照轨道几何参数设计值要求获得的轨道横、竖向偏差进行轨道精调,会面临调整量超出扣件可调范围的困境。为此,提出在轨道精调算法中增加轨道扣件(剩余)可调量的约束条件,采用L1范数最优解算法进行轨道调整量优化,避免了调整方案受扣件限制难以实现的缺陷。在新的优化算法中,通过增加相邻点偏差较差以提高轨道空间线形的相对精度。通过实测数据检验,结果表明:扣件(剩余)可调量约束是优化调整方案中保证钢轨最优几何形位的必要条件;相邻点偏差较差约束可以有效弥补扣件可调量约束引起的轨道短波不平顺,进一步提高调整后轨道的平顺性。建议对扣件(剩余)可调量约束的限差值规范化处理,建立"扣件类型—调整量—剩余可调量"轨调体系。采用剩余可调量对扣件可调范围约束,并参与轨道平顺性控制。

阴影模型的正则化无设备重建与实时定位

在综合静态无线射频层析成像(Radio tomographic imaging,RTI)算法基础上,给出了一种可行且有效的实现无线传感器节点在空旷环境和障碍物条件下无线信号衰减原理障碍物监控的方法,实现定位与追踪.利用阴影衰落模型建立接收信号强度测量值线性系统模型,并采用SPIN令牌环通信协议收集接收信号强度;创新性地引入最小角回归算法与最小绝对值收缩和选择因子算法(Least absolute shrinkage and selection operator,LASSO),提高了图像重建速度.即在吉洪诺夫正则化与l1正则化算法分析对比前提下,创新性引入改进的最小角回归(Least angle regression,LARS)重建模型与算法,保证重建效果与复杂LASSO算法相似的同时,将重建图像速度提高一个数量级.实测基于16平方米范围内的16个JENNIC 5139节点进行定位与追踪.实测结果与仿真相比虽稍有偏差,但近似符合.这充分表明:吉洪诺夫正则化与l1正则化适用于不同分辨率场景,且都可较好地反映障碍物状况.