Parametrically Optimal, Robust and Tree-Search Detection of Sparse Signals

We consider sparse signals embedded in additive white noise. We study parametrically optimal as well as tree-search sub-optimal signal detection policies. As a special case, we consider a constant signal and Gaussian noise, with and without data outliers present. In the presence of outliers, we study outlier resistant robust detection techniques. We compare the studied policies in terms of error performance, complexity and resistance to outliers.

无人飞行器航迹规划的工程化稀疏A~＊算法

针对无人飞行器(unmanned aerial vehicle,UAV)低空突防的作战任务背景,结合工程实际,提出了一种面向工程化应用的稀疏A*算法求解航迹规划问题。考虑到UAV的机动性能、任务要求、作战环境威胁等因素,分别从UAV的最大转弯角度、最小直飞距离和最大航程等约束条件对稀疏A*算法的节点搜索策略进行了设计。针对以固定角度进入目标的任务要求,引入虚拟威胁圆满足UAV最大转弯角限制。同时,设计了航路点信息结构,并采用双向链表进行存储;提出了基于最小二叉堆的OPEN表维护方法,提高算法的实时性。最后,通过规划实例对方法进行了验证。

基于原型分散网络的端到端行人搜索方法

行人搜索旨在全景图像中对目标行人进行定位和识别,可以看作目标检测和行人重识别任务的结合。然而,不同行人的着装相似性和同一行人在多变环境条件下的外观差异,增加了行人身份辨别的难度。为了解决这一问题,提出了一个原型分散网络,通过调整原型的分布情况,增强网络的辨别能力。首先,设计了一个原型增强模块,通过原型特征指导注意力网络的学习并利用K最大池化方法保留更多重要的行人特征,借助原型的指导使网络关注更重要的区域,学习细粒度的行人特征,进而提高网络对相似行人的辨别能力。其次,提出一种自适应更新的原型学习策略,以在原型特征更新时保留更多检测精准的候选框信息。最后,通过分布稀疏损失保证所存储的原型尽可能分散,从而确保网络能识别到行人的可区分性特征。最终在公共的行人搜索数据集CUHK-SYSU和PRW上进行了实验,该方法在平均精度均值(mAP)上分别达到了95.1%和49.8%,在Top-1准确率上分别达到了95.9%和88.5%,有效地提高了行人搜索的准确率。

基于即时修复式稀疏A~*算法的动态航迹规划

针对动态环境下无人机航迹规划对时效性、可行性和最优性的需求,将稀疏A~*搜索(sparse A~*search,SAS)算法嵌入到即时修复式架构,并在航迹迭代改善过程中引入双排序准则、存储空间约束及变步长策略,提出了即时修复式稀疏A~*(anytime repairing SAS,AR-SAS)算法。静态环境下蒙特卡罗仿真结果表明AR-SAS算法生成可行航迹与最优航迹的时间都小于标准SAS和分层SAS算法;动态仿真结果表明AR-SAS算法能够快速生成可行航迹,并在规定时间内不断提高航迹最优性,满足动态航迹规划的需求。

基于自适应参数优化RSSD-CYCBD的行星齿轮箱复合故障诊断

针对行星齿轮箱多振源耦合导致故障源辨识困难、较弱故障特征容易被噪声和较强故障特征掩盖,以及由传播路径引起的信号衰减导致的故障特征微弱等问题,提出一种自适应参数优化的共振稀疏分解(RSSD)和最大二阶循环平稳盲解卷积(CYCBD)的行星齿轮箱多故障耦合信号分离及诊断算法。根据轴承和齿轮故障的不同共振属性,用RSSD算法将多故障耦合信号分解为包含齿轮故障特征的高共振分量和主要包含轴承故障特征的低共振分量后,通过CYCBD算法分别对高、低分量进行解卷积,消除传播路径影响和噪声干扰,实现微弱故障特征的增强和提取。特别地,针对RSSD和CYCBD中参数优化困难、依赖人工经验和自适应差等问题,使用基于松鼠算法(SSA)对参数进行自适应优化选取,设计了融合包络谱峭度、自相关函数最大值均方根和特征频率比在内的复合指标作为优化目标。对解卷积后的信号进行包络解调提取故障特征频率,识别不同故障源。通过行星齿轮箱多故障模拟信号和实测信号验证了所提算法的有效性和可行性,进一步地,将所提算法集成在边缘计算设备中,为行星齿轮箱等旋转机械的状态检测诊断及远程运维提供解决方案。

稀疏向量匹配技术在智能信息快速搜索中的运用评价

针对传统的电网领域搜索系统通常依赖关键词,存在查准率和召回率低的问题,无法为用户提供高效智能的信息检索体验。提出了一种基于稀疏向量匹配和机器阅读理解的电力文件智能搜索问答算法。通过对于电力文档中的文字内容进行向量化编码,建立语义索引,针对用户搜索的问题进行编码和机器阅读理解,实现自然语言问答式的智能搜索。结合稀疏向量匹配的快速检索召回能力和机器阅读理解的精准回答特性,同时提高了搜索系统的查准率和召回率,有效提高了用户的搜索体验和信息获取效率。实验结果表明该方法准确率和召回率均有较大提升。

一种面向能源工程数据评估的改进随机森林算法设计

传统电力工程数据稽核与评估方法的准确率偏低且效率较差,不适用于当前日益复杂的信息处理与分析工作。针对此,文中基于改进的随机森林算法提出了一种面向电力工程的异常数据检测算法。对于随机森林算法易受高维数据影响而导致信息特征提取能力不足的问题,该算法利用堆栈稀疏自编码器对高维数据进行降维,以提升数据检测的准确率。同时使用麻雀搜索算法对数据特征提取模型的参数加以优化,进一步提升了算法的性能和效率。在以电力工程造价数据为样本展开的实验测试中,所提算法的AUC与F1值领先于SSAE-RF算法2.73%及0.011,且异常数据识别率可达80%,运行时间也在对比算法中为最短,表明其具有较好的性能和计算效率。

基于稀疏重建和激光实境复制的电力工程建模方法

由于机载激光雷达生成的原始点云数据存在质量较差且离散点多的问题,故难以直接应用于模型重建与电力工程的管理中。因此,文中基于稀疏-稠密算法和点云数据提出了一种电力工程模型重建算法。利用无人机机载激光雷达来获取多帧输电线路点云数据,并使用索引树近邻搜索法对原始点云数据进行坐标转换及离散数据过滤,进而得到重建的点云数据。通过稀疏重建算法对重建后数据中的框架特征加以提取,同时引入稠密算法进行框架填充,完成输电线路内容的重建。经实验测试表明,所提算法的点云提取误差仅为8.42 cm,在对比算法中性能最优。且重建后的模型可应用于电力工程验收、巡检等实际场景中,具有良好的工程意义。

一种三维航迹快速搜索方法

本文提出了基于 SAS的自动三维航迹规划方法。该方法通过把约束条件结合到搜索算法中去 ,有效地减小了搜索空间 ,缩短了搜索时间 ,从而使三维规划能够用于实时航迹规划。在搜索过程中地形信息得到了充分利用 ,使算法生成的航迹能够自动回避地形和威胁。实验证明 ,该方法能够快速有效地完成规划任务 。

基于稀疏A＊算法的三维航迹并行规划算法

提出三维稀疏A*算法的规划时间组成,并分析该算法的时间复杂度和并行性,随后给出并行任务划分的不同策略.判断OPEN表中是否存在与新节点相同节点的准则修改为:只比较OPEN表中代价比新节点代价小的节点,新准则可以有效地减少对共享式OPEN,CLOSED表的瓶颈效应.提出的三维航迹并行规划算法在并行机群环境中实现,实验结果表明时间效果改善明显.

基于稀疏A*搜索和改进人工势场的无人机动态航迹规划

针对不同属性的障碍物所构成的威胁分布模型,本文提出了一种基于稀疏A*搜索算法预规划和改进人工势场相结合的无人机动态避障算法.该算法首先对威胁分布建立栅格化模型;然后根据静态威胁,基于稀疏A*搜索算法进行全局航迹规划;最后结合预规划路径和动态威胁分布,利用改进人工势场法完成无人机的动态避障.仿真结果表明,该方法能够规划出给定威胁指标下的全局最优路径并达到良好的动态规避性能.

一种基于可行优先的三维航迹规划方法

针对三维航迹规划的实时性问题,提出了一种基于可行优先的三维航迹规划方法。不同于通常的最优优先算法,该方法使用可行优先的准则,有效地剪除了搜索空间,提高了搜索效率,从而使三维航迹规划能够应用于实时航迹规划中。在搜索过程中,该方法通过改进局部航迹的三维规划,飞行状态保持,动态网格,导引点集四种策略,能快速地规划出三维航迹。算法复杂度分析和试验表明,该方法能够有效地完成航迹规划任务,获得满足要求的可行航迹。

自适应步长FISTA算法稀疏脉冲反褶积

FISTA算法(fast iterative shrinkage-thresholding algorithm)采用线性搜索方法寻找最佳内部梯度的步长L,而线性搜索只能使L向增大的方向搜索,严重影响了FISTA算法的收敛性。为此,提出了一种基于自适应步长FISTA算法的稀疏脉冲反褶积方法,该方法在FISTA算法的基础上,通过在每一次迭代之前适当减小常数L,然后利用线性搜索的方式寻找最优的常数L,以达到自适应调整L的目的。为了使算法达到理论收敛,通过结合前、后两次的L,对传统FISTA算法的辅助序列进行修改,最终使整套算法在理论上得以收敛。理论模型与实际地震资料的处理、分析结果表明,所提方法具有更好的收敛性,能在不同信噪比下得到理想的反演结果,较常规FISTA算法具有更好的抗噪能力。

基于稀疏PCA的多阶次分数阶傅里叶变换域特征人脸识别

鉴于人脸识别面临光照、表情和遮挡等因素的影响,提出了一种在分数阶傅里叶变换域稀疏表示的人脸识别。基于分数阶傅里叶变换对光照、表情的鲁棒性,已在图像处理领域得到应用。FRFT幅度随阶次的变换呈现压缩性,而SPCA提取其主要信息,且分为主要信息域和次要信息域,融合两者的互补信息组成混合幅度特征,然后融合混合幅度特征、实部特征和虚部特征,最后融合不同阶次下FRFT域特征。此外提出基于贪婪算法的分数阶阶次选择算法和基于Fisherfaces的权重方法。ORL和AR人脸数据库上识别率分别达到了96.5%和97.6%,充分证明了该算法对人脸识别的有效性。

基于人机合作策略下SAS算法的多无人机路径再规划

针对复杂多变的战场环境中多无人机路径再规划,给出了一种人机合作策略下的改进稀疏A*算法。提出在局部路径再规划动态窗口内人工干预给出必经子目标点,再通过SAS算法自动规划出路径的人机交互策略;采用路径再规划约束条件对生成的路径节点进行了合并处理。仿真实验表明,上述改进的SAS算法,有效约束了SAS算法可行解空间,降低了算法的计算量,并且减少了生成路径点的个数,缩短了数据传输时间,获得了多无人机规避突发威胁/危险、避碰的令人主观满意的再规划路径。

基于LS-SVM的岩石细观图像分析方法探讨

为了解决岩石细观力学试验中图像处理过程复杂、质量不高及操作效率低等问题,将LS-SVM的分类方法与数字图像处理的阈值分割法相结合,提出了人机结合的岩石细观结构图像系统分析方法。该方法将图像分割问题转化为分类问题,通过对训练样本的学习,生成可将试验图像分类的LS-SVM分类机,从而提取岩石细观力学试验中得到的感兴趣区域的特征图像以及量化细观结构。对花岗岩图像进行处理,处理后的结果表明,该方法可以获得高质量的岩石细观图像处理结果,处理准确率达到96.82%。采用三步搜索法选取参数,能在保证图像处理质量的前提下提高参数选取速度;对训练样本进行稀疏化处理,可以提高分类效率,缩短分类时间;为了减小人为因素的影响,训练图像的选取应具有代表性,且在生成训练目标前需进行图像后处理。

一种无人机自主变步长航迹规划方法

现有无人机航迹规划搜索算法大多采用定步长搜索算法,鉴于威胁分布具有不均匀性和突发性,提出了一种无人机自主变步长快速航迹搜索算法。该算法借鉴了稀疏A*搜索算法的部分思想,结合威胁分布信息调整搜索步长,有效减少了搜索时间。仿真结果表明该算法能够快速规划出满足任务需求及约束条件的无人机航迹,验证了算法的正确性和有效性。

包含非连通组的动态组结构稀疏人脸识别方法

针对稀疏分类模型中存在着非连通的组结构,为提高模型的表示能力,提出一种非连通的动态组结构稀疏人脸识别方法.该方法采用组合方式搜索所有可能的基块,包括非连通基块,通过基块的联合构造动态组结构;将高维数据按类别分块,在小的分块内进行组合搜索,避免了组合爆炸;采用编码复杂度来衡量数据的结构稀疏度,给出各种结构的编码复杂度计算方法;基于结构贪婪算法实现非连通的动态组结构稀疏重构.最后在AR,Extended Yale B和CMU-PIE人脸库上进行实验,验证了文中方法的有效性及稳定性.

利用禁忌遗传和原子特性实现信号稀疏分解

阻碍信号稀疏分解运用于信号处理产业化的主要原因,是由于信号的稀疏分解的计算量十分巨大。利用基于Matching Pursui(tMP)方法实现的信号稀疏分解算法,采用遗传算法(GA)和禁忌搜索(TS)相结合,快速寻找MP过程中每一步分解的最佳原子,最后再利用原子的特性进一步的优化。实验结果表明,该算法提高了信号每一步MP分解中寻找最佳原子的能力,并由此提高了信号稀疏分解的速度。

无人机三维航迹规划与可视化仿真

结合无人机的机动能力限制条件,研究了基于稀疏A*算法的无人机三维航迹规划。该算法有效修剪了搜索空间中的无用节点,缩短了航迹搜索时间。在搜索过程中,充分利用了三维地形信息,使算法生成的航迹能够自动回避地形和雷达威胁。最后通过三维航迹的可视化仿真,对生成的航迹进行了验证。