基于Contourlet变换的稳健性图像水印算法

提出了基于Contourlet变换的数字图像水印算法。与小波变换不同的是,Contourlet变换采用类似于线段(contoursegment)的基得到一种多分辨、局部化、方向性的图像表示。水印信号通过基于内容的乘性方案加载到Contourlet变换系数。在采用零均值广义高斯分布拟合Contourlet变换系数的基础上,提出采用极大似然估计实现水印的盲检测。依据Neyman-Pearson准则,在给定虚警率的情况下对判决准则进行了优化。实验结果表明在保证水印隐蔽性的前提下,水印对常见的信号处理手段以及几何变换具有很好的稳健性。

智能机器人系统中局部环境特征的提取

本文基于栅格地图和滚动视窗的控制方法 ,提出了一种提取机器人局部障碍物群环境特征的数据融合新方法 .该方法在多个级别对原始数据进行不同程度的抽象和压缩 ,减少机器人内部模块之间或机器人之间、机器人与控制中心进行通讯的数据量 ,提高系统的动态性能 .同时 ,该方法对复杂环境具有良好的自适应性和实时性 .本文分别列举了仿真实验和物理实验结果 。

一种改进的基于信号强度的WLAN定位方法

与室外定位技术相比(如GPS),基于无线局域网(Wireless Area Network)的定位更适用于室内环境。两种基于接收信号强度(RSSI,Received Signal Strength Indication)的定位方法即位置指纹法和信号传播模型法广泛用于室内定位的研究。使用边界盒算法和改进的二分范围搜索算法将两种室内定位方法相结合,提出了一种改进的基于RSSI的定位方法。提出的方法根据指纹数据库中样本的横纵坐标对其进行预处理,同时使用改进的线性二分范围搜索算法降低指纹数据库中的样本数,进而提高实时定位过程的效率。最大化位置指纹维度,并添加时间维,同时通过实验数据阐明所提出的方法可提高用户位置估算的精确度。

智能世界的建模与诊断

统一的抽象建模框架以及形式化表示可以帮助实现自动推理.随着物联网技术的发展,物理世界中嵌入了各种智能对象,改变了物理世界的部分特征,增加了建模和推理的复杂性.根据物联网带来的智能世界的特征,在知识重构与抽象模型(KRA模型)的统一建模框架基础上,提出了可区分的知识重构与抽象模型(dKRA模型).该模型通过3个相互关联的子模型及其之间的关系来表示智能世界,并给出相关定义和定理说明在所提出的模型框架内,可以将基于模型的诊断过程限制在一个(或多个)子模型中.研究内容侧重于系统设计阶段的模型验证,分别从理论和实验角度分析了基于智能世界dKRA模型的诊断过程时间效率的提高(与基于智能世界KRA模型的诊断过程相比).

基于G-KRA模型框架的工作流建模

基于广义知识重构与抽象(G-KRA)模型框架给出了工作流建模的一般过程,根据功能知识引入了功能感知的概念,自动构造工作流抽象对象库WfOa.构造基本行为感知和WfOa中的基于功能的工作流抽象对象之间的映射关系,实现基本行为感知与相应关系的替换操作.通过这些映射关系,生成了基于功能的工作流抽象模型以简化基本工作流模型的表示.

形式化智能环境下的物理世界建模过程

针对普适计算带来的智能物理世界构成实体的属性和行为特征,将知识重构与抽象模型(KRA模型)框架的感知过程扩展为初步感知和感知重构两步,使其能表示并区分所提出的智能环境下物理世界的不同属性域实体,得到智能环境下物理世界的层次模型.该模型统一定义物理实体,逻辑表示网络化实体,避免了重复感知.网络化实体间及物理实体和虚拟实体与网络化实体间的关系定义为逻辑连接关系,同时,可以将对以整个世界为推理空间的推理过程分解为在物理实体及连接构成的空间和在虚拟实体及连接构成的空间上更小规模的推理过程,降低了推理的复杂性.

基于G-KRA模型框架的智能世界建模

统一的建模框架和形式化表示可以帮助实现自动推理。对由物联网技术发展带来的智能世界进行定义,对表示静态物理世界一般抽象模型的广义知识重构与抽象模型(G-KRA模型)进行扩展,使其能够刻画所定义的智能世界。定义迭代的初步感知过程,在一定的前提假设下根据智能世界构成实体的特征,得到智能世界构成实体的可区分的初步感知。在抽象感知过程中,建立3个子世界的可区分实体与连接库,并生成3个子世界的网络化连接。同时,通过统一构建抽象对象库或者为3个子世界分别构建抽象对象库来实现智能世界的抽象感知过程。扩展后的GKRA模型充分考虑了不同类型实体的行为和连接特征,每个子世界由具有相同行为类型的实体和相同类型的连接构成,可以将推理问题定位在某个(些)子世界的模型中,从而缩小推理空间。