伪目标迭代生成的机器人误差补偿算法

针对机器人误差模型建立后的误差补偿问题,提出一种改进的伪目标迭代算法。该算法用每次迭代中生成新的伪目标来修正关节角,从而不断减小机器人实际误差。完善了伪目标迭代算法流程,提出了5种新的不同的伪目标生成方法,分析了各种方法的特点和适用场景。结合多种伪目标生成方法提出了一种集成算法,进一步提高误差补偿精度。使用HSR-JR612机器人进行仿真实验,仿真结果表明,算法耗时在毫秒级别,补偿效果好,集成算法能进一步提高位姿补偿效果。最后使用UR10机器人与激光跟踪仪进行实验,实验结果表明,补偿后机器人末端位置误差可以减小到0.06 mm以内,姿态误差可以减小到0.025°以内。

一种基于Pseudo-Zernike矩和SVM的目标识别快速算法

为减少Pseudo-Zernike矩的计算复杂度,将系数迭代算法与核函数的对称性相结合,提出了一种新的混合快速算法。与现有的两种快速算法相比较,新算法有更快的计算速度。将其应用到遥感飞机图像库识别中,首先提取图像的Pseudo-Zernike矩特征,然后将其作为支持向量机分类器的输入。理论分析和实验证明,新算法在保持识别准确率的情况下提高了识别速度。

基于非机动单站的目标运动状态无偏估计

为了解决远距离场景下基于非机动单站的目标跟踪问题,提出了一种基于三维到达角信息且具有渐进无偏特性的目标跟踪算法。以相对运动模型为研究对象,在速率先验已知的条件下,建立基于非机动单站的运动模型与观测模型,并对系统可观测性进行了分析。为了解决伪线性最小二乘算法的有偏性问题,提出了一种具有渐进无偏性能的约束总体最小二乘法,并证明了该方法的无偏性。仿真结果表明,在百公里级别的三维到达角跟踪中,角测量标准差分别为0.1°,0.2°,0.3°时,约束总体最小二乘法50~100 s内的时均相对距离误差能达到6%,12%,21%,时均绝对位置误差达到9,19,35 km;而初始距离为70,140,280 km时50~100 s内的时均相对距离误差能达到1%,6%,30%,时均绝对位置误差为0.7,9,30 km,100 s时的相对距离误差均能降到10%以内,精度提升效果最明显,且算法运行速度与伪线性最小二乘法在同一个量级。约束总体最小二乘法收敛速度快、定位精度高,且具有较快的运行效率,受测角误差与初始距离的影响较小,能够为远距离场景下的非机动单站三维到达角目标跟踪提供有效方法。

面向多种天气场景下目标检测的多域动态平均教师模型

现有的基于深度学习的目标检测模型中,由于复杂天气使得现有方法的精度大幅降低.因此为了有效地消除不同天气场景带来的域差异问题,提出一种多域动态平均教师模型.首先引入多域平均教师模块,为多个不同天气场景下目标域数据生成伪标签;然后引入基于学生网络的风格迁移模块,解决多域任务中学生网络对不同目标域泛化能力差的问题,可有效地减小源域与不同目标域之间的差异,提升学生网络对不同目标域的泛化能力;最后提出基于教师网络的动态过滤伪标签模块,根据教师网络对不同目标域的学习效果动态地调整过滤伪标签的阈值,提升每个目标域伪标签质量.在FoggyCityscapes&RainCityscapes和Dusk-rain&Night-rain数据集上的实验结果表明,所提模型分别获得了40.3%和31.4%的精度,在雨天、雾天和夜晚等多种复杂天气场景下都优于对比方法.

基于弱监督表示学习的热红外目标跟踪

由于热红外成像技术具有更强的穿透雾、霾、雨、雪的能力,在恶劣天气条件下的成像效果几乎不受影响,使得基于热红外图像的目标跟踪任务越来越被研究者重视。针对基于卷积神经网络的热红外目标跟踪算法在模型训练过程中需要的带有标签的数据不足的问题,提出了一种基于弱监督表示学习的方法,利用少量的标签数据及大量的无标签数据进行模型训练,从而用于热红外目标跟踪任务。首先,利用主动学习的指导在大量无标签的数据中挑选最具有代表性的训练样本;然后,给定每个样本序列的首帧目标的真实标签,利用基础跟踪器生成该序列中其他图像帧中目标的伪标签;之后,利用带有真实标签和伪标签的训练数据进行模型训练;最后,利用训练好的模型在热红外目标跟踪算法测试数据集上进行模型测试。实验结果表明:该方法可以在减少模型训练对标签数据需求的同时保证跟踪器的准确性。

类别特征约束的多目标域表情识别方法

表情识别FER方法通常会受到采集环境和受试者区域、种族等因素的影响。为了提升FER方法的泛化性能,无监督的域自适应表情识别方法UDA-FER成为了研究热点。现有的UDA-FER方法普遍存在2个问题:(1)仅关注对目标域的识别率,导致方法从源域迁移至目标域后,对源域的识别率急剧下降;(2)仅研究基于单个目标域的UDA-FER方法,将现有方法直接应用于多个目标域会导致方法识别率骤降。为解决上述问题,提出了一种类别特征约束的多目标域表情识别方法MTD-FER,实现FER向多个目标域的连续迁移。为了保持对源域的识别率并提高对多个目标域的识别率,MTD-FER设计了类别自适应的伪标签标记CAPL模块和类别特征约束CWFC模块,挑选目标域高质量的样本标记为伪标签,并对齐各个域同类样本的特征,缓解连续迁移导致的灾难性遗忘问题。以RAF-DB为源域,FER-2013和ExpW为目标域,进行大量的实验,证明了MTD-FER的有效性。实验结果表明,与基准方法相比,MTD-FER在多次迁移后,源域识别率提升6.36%,与迁移之前基本持平;在各个目标域性能均有所提升,其中FER-2013性能提升了27.33%,ExpW性能提升了3.03%。

基于改进YOLOX-S的足球比赛视频目标检测方法

为了提升足球赛事水平,催生出足球新战术,识别足球巨星梅西和足球的位置,为进一步的跟踪提供良好的基础,提出了一种基于改进YOLOX-S的足球赛事目标检测方法.使用Pseudo-IoU度量,改进了YOLOX-S中的正样本初步筛选机制,将更标准化和准确的分配规则引入到YOLOX-S无锚检测框架.在损失函数中使用了Focal Loss,以平衡难易样本.实验结果表明,相较于YOLOX-S模型,所提模型具有更好的综合表现,足球类别平均精度为79.8%,梅西类别平均精度为72.6%,平均精度均值为76.2%.

On-orbit target tracking and inspection by satellite formation

A new type of estimator is developed for the satellite formation to track and inspect on-orbit targets. The follower satellite in the formation works without relative sensors, and its target pointing commands are derived based on relative orbital dynamics. The centralized estimator based on truth measurement is designed, however, this estimator is proved unstable because of the lack of necessary measurement information. After that, an alternative estimator based on pseudo measurement is designed, and its observability and controllability are analyzed to qualitatively evaluate the convergence performance. Finally, an on-orbit target inspection scenario is numerically simulated to verify the performance of the estimator based on pseudo measurement.

面向非广域目标的无人机对峙跟踪方法

针对无人机对峙跟踪非广域目标问题,开展目标状态估计与无人机制导方法研究。首先建立非广域地理环境模型,将非广域地理约束作为伪观测方程引入粒子滤波器的观测方程。其次,鉴于目标在运动过程中可能受到多个模型的约束,采用交互多模型滤波算法进行状态估计,即每个模型对应的受约束粒子滤波器并行工作,并对多个滤波器估计结果进行加权,得到更精确的目标运动状态估计值。然后,提出时间最优导航向量场,通过计算期望航向角,引导无人机快速收敛至目标极限环。最后,仿真实验表明,受约束粒子滤波-多交互模型算法相比于传统的滤波算法,估计精度提高了20%,时间最优导航向量场方法相比于传统的导航向量场方法,引导效率提高了15%,所提方法可更有效地用于解决非广域目标对峙跟踪问题。

基于无偏伪线性卡尔曼滤波的3D到达角目标跟踪

在3D到达角目标跟踪研究中,伪线性卡尔曼滤波(PLKF)因计算复杂度低且对初始误差不敏感受到较大关注,但观测矩阵与噪声之间的相关性会使PLKF的目标状态估计存在一定偏差。针对这一问题并考虑观测站存在定位误差的实际情况,文中提出一种3D修正无偏PLKF算法。首先对方位角及俯仰角观测方程进行整体伪线性化,通过修正噪声协方差矩阵来降低观测站定位误差对跟踪精度的影响;其次通过分离观测矩阵中的噪声,降低由观测矩阵和观测噪声相关性引起的估计偏差。仿真分析结果表明,所提算法有效提高了3D到达角目标跟踪在非机动和机动2种场景下的精度,且具有较低的计算复杂度。

基于RSSI的ADS-B报文有效性分析与测试

无线电入侵是广播式自动相关监视(ADS-B)干扰中的严重问题之一。ADS-B技术标准公开,因而标准编码的伪信号会被地面接收站正常接收,生成的伪目标会对空中交通管制人员的飞行指挥工作造成严重隐患。首先分析接收信号强度(RSSI)原理,在地面接收机的可编程模块实现RSSI计算;然后连续采集300次ADS-B发射器信号的RSSI,通过高斯滤波来降低环境因素对RSSI的影响。最后搭建由多通道接收机和定向天线阵列组成的地面接收站系统,获取不同方向范围内同一ADS-B发射器信号的RSSI并进行方位可靠性判断。实验结果验证RSSI能够作为识别干扰信号的有效手段。

四驱混合动力汽车模式切换平顺性研究

为实现混合动力电动汽车纯电动模式与发动机工作模式平顺地切换,依据切换前后驱动转矩相等的原则.提出一种新的电机转矩算法.该算法根据CVT的速比控制规律、车速、节气门开度得出发动机的伪目标转速;根据发动机输出特性、节气门开度和伪发动机转速,得出发动机输出转矩,由此推导出电机输出转矩.仿真结果表明:模式切换前后整车驱动转矩基本一致,证明了此算法可实现混合动力电动汽车模式切换的平顺性.

基于径向对称变换的速度标识牌检测方法

为解决已有速度标识牌检测方法准确率低,且没有考虑夜间情况下标识牌检测等问题,提出一种基于径向对称变换的速度标识牌检测方法。利用点与点的对偶性将圆周映射为中心的聚集点,突出图像中的圆对称区域,实现标识牌的粗定位;根据标识牌内部的数字特征排除伪目标。实验结果表明,该算法的白天平均检测率为98.54%,夜晚为95.50%,与其它标识牌检测算法相比,具有鲁棒性好、检测率高的优点。

CCD卫星相机时间序列定标:以CBERS02B为例

采用沙漠场景法、稳定目标法和交叉定标法对CBERS02B星的CCD相机开展时间序列定标,分别得到CCD相机2007—2008年期间三种方法对应的定标系数,并同CBERS02B卫星官方提供的定标系数进行比对。结果表明,三种方法得到的定标系数其误差均小于10%,不同方法的结果具有较好的一致性。最后,分析总结各种时间序列定标方法的优缺点,为今后开展类似卫星的时间序列定标提供参考。

辅助变量纯方位目标跟踪算法

为克服伪线性估计方法在纯方位目标跟踪中估计参数的有偏性,提出了一种改进的辅助变量算法.该算法通过曲线拟合前几个时刻的方位角测量序列来获得当前时刻目标方位角的估计值,并将此作为辅助变量,通过最小二乘方法对目标参数进行估计,理论上可以获得目标参数的无偏估计.针对单、双观测站两种不同情况,推导出了系统观测模型,并给出了具体实现步骤.仿真实验的结果表明,与已有的研究相比,该算法具有更快的收敛速度和更高的估计精度,在工程实践中具有广泛的应用.

基于回波趋向伪本征极化特性的目标识别研究

本文在全极化、高距离分辨力雷达体制背景下，研究了光学区雷达目标回波趋向伪本征极化的特性，并利用指数函数族拟合的方法对其进行了定量描述，在此基础上对四类军用飞机目标进行了识别实验研究，获得了良好的目标分类识别效果．

基于微动调制的SAR新型复合有源干扰方法

在静态虚假目标的基础上,利用有源运动调制干扰原理,提出了一种基于微动调制的SAR新型复合有源干扰方法。建立了基于微动调制的复合有源干扰信号模型,详细分析了该干扰信号对SAR的干扰效果,确定了各调制系数,最后进行了基于实测数据的仿真实验。结果表明,该方法具有距离向相干处理和方位向部分相干处理的特点,可对SAR在方位向上实现多个匀(加)速虚假运动目标的欺骗干扰效果。

一种基于角度测量估计飞行目标运动参数的新方法

针对伪线性参数估计的实时性问题,提出了一种基于角度测量的飞行目标运动参数实时估计、跟踪算法.该算法对角度量测方程在当前飞行目标运动参数估计值附近进行泰勒级数展开,得出该时刻飞行目标的运动参数估计值与角度测量值之间的线性关系.在此基础上,利用最大似然估计法对估计值和估计误差协方差矩阵进行实时更新,再将更新值带入目标运动状态方程,以获得下一时刻的估计值和估计误差协方差,从而实现了飞行目标运动参数的迭代估计.仿真实验表明,所提算法可实现空中飞行目标的实时定位和位置、速度运动参数的实时估计,且无需存储大量的历史数据,其与伪线性参数估计算法相比,计算效率可提高50%.

刚柔耦合串联机械臂末端位置误差分析与补偿

机械臂连杆柔性、关节柔性等非线性变形的综合影响,导致其末端位置发生偏离而产生误差。本文以IRB1410型串联机械臂为研究对象,采用理论分析、仿真分析与实验验证相结合的方式,对机械臂末端位置误差进行分析与补偿研究。首先,建立机械臂刚柔耦合理论误差模型,并运用Newmarkβ法进行数值仿真分析;联合ANSYS和ADAMS进行刚柔耦合机械臂末端位置运动误差仿真;为了实现快速补偿,提出基于BP神经网络的伪目标点法对位置误差进行补偿,补偿后其位置误差均方根减小了68.3%,说明该方法具有较好的补偿效果;最后,自主设计并搭建了测量实验平台,采用所提算法进行了误差补偿实验,对比补偿前后距离误差,补偿后误差均方根减小了77.01%,验证了伪目标点法对柔性误差补偿的有效性。

一种改进型PSO-BP算法在红外目标中的应用

为了降低伪目标引起的误检,提高系统在复杂环境中的目标识别能力,设计了一种改进型粒子群优化BP神经网络算法。改进型PSO-BP算法利用红外目标光谱特性设置粒子变异规则,从而调整粒子位置与速度,提高目标特征提取性能。同时,算法将权值变为权值可调函数,降低局部极值收敛的风险。实验采用Model-102F型成像光谱仪采集的目标区域图像作为样本与检测数据,与传统BP算法作对比,分别选取对不同特征波长位置及个数的形式对目标和伪目标进行识别分析。结果显示,改进型PSO-BP算法可以有效消除伪目标干扰,同时,其收敛速度明显优于传统算法。由此可见,该设计在复杂背景红外目标识别方面具有一定的应用价值。