北斗卫星B1信号捕获算法研究

捕获是北斗卫星数字信号处理的第一步,其性能对卫星定位速度有着巨大的影响。文章重点研究了传统的并行码相位捕获算法,分析其在捕获效率和灵敏度上的不足。在此基础上,提出了一种循环圆周移位的差分相干积分算法。该算法通过对输入信号的频谱序列进行圆周移位操作,代替在不同多普勒搜索单元下进行重复的载波剥离和FFT,从而减少了运算量,提高了捕获效率。同时采用差分相干积分的方法对相干积分结果进行共轭相乘以达到抑制噪声的效果,提高了捕获灵敏度。仿真结果表明,该算法能够快速的捕获到北斗卫星信号。同时在低信噪比场景下,依然具有较高的捕获灵敏度和效率。

基于改进YOLOX模型的樱桃缺陷及分级检测

目的:实现工业化条件下樱桃的快速分级。方法:采用YOLOX网络对缺陷果进行检测,通过为特征金字塔网络设置适当的融合因子来提高不明显缺陷的检测精度,并将Focal Loss集成到损失函数中;使用YOLOX网络对完好果进行分级,引入注意力机制CBAM来加强网络特征提取。结果:樱桃表面缺陷的平均检测精度为97.59%,大小和颜色分级的平均检测精度为95.92%。结论:改进后的YOLOX网络可明显提升樱桃缺陷及分级检测的精度。

利用空间平滑的协方差秩最小化DOA估计方法

针对传统波达方向角估计算法在相干信号及非均匀噪声下估计精度差、分辨率低的问题,基于空间平滑方法,提出一种接收信号协方差矩阵秩最小化波达方向估计方法.在传统空间平滑方法的基础上,所提算法将接收信号协方差矩阵分别左右乘交换矩阵以得到空间后向平滑协方差矩阵;而后基于平滑矩阵的低秩性,将协方差矩阵重构为无噪声协方差矩阵;最后利用传统MUSIC算法实现波达方向估计.仿真结果表明,与传统MUSIC算法、基于矩阵补全理论的MUSIC算法和秩迹最小化算法相比,所提算法能较好地抑制非均匀噪声影响,且在相干条件下具有较好的波达方向估计性能.

MIMO雷达空时编码和接收权联合稳健设计

针对基于多进多出雷达的空时自适应处理方法的检测性能对目标参数估计误差敏感从而导致系统检测概率稳健性较差的问题,提出一种改善多进多出空时自适应检测性能的发射波形和接收权联合稳健设计方法。首先推导了多进多出空时自适应输出信干噪比的数学表达,而后构建了目标空时频导向矢量估计误差模型。在此误差模型、波形恒模特性、旁瓣以及杂波抑制等约束下,基于最大化最差情况下输出信干噪比准则,提出了改善多进多出空时自适应检测性能的发射波形相关阵和接收权联合稳健优化问题。为求解所得复杂非线性优化问题,提出一种迭代方法,其中每一步都可转化为半定规划问题,因而可获得高效求解。仿真结果表明,与现存主要的稳健方法、非稳健方法及不相关波形相比,所提方法可显著改善多进多出空时自适应检测概率的稳健性能。

基于ECC与同态加密的加密算法

针对目前RSA(Rivest-Shamir-Adleman)同态加密方法计算效率低、公钥尺寸大、计算复杂度高的缺点,结合ECC(elliptic curve cryptography)与同态加密方法,提出一种改进的同态加密算法。在椭圆曲线加密算法的基础上,使用不同的私钥生成公钥并构造乘法同态加密方法,通过公钥对嵌入椭圆曲线中的点集加密并上传密文到云端。理论分析与实验结果表明,相对于目前的同态加密方法,改进后的加密算法在保证安全性的同时,解决了公钥尺寸大和计算复杂度高的问题,可直接对云中密文操作无需解密成明文。

基于小波的稳健光流计算方法

针对系统误差导致光流计算稳健性较差及精度较低的问题,该文提出一种基于小波多分辨理论的稳健光流计算方法。所提算法基于小波多尺度分辨率特性,将光照条件变化及传感器噪声引起的系统误差包含进光流计算中以改善光流计算的稳健性及估计精度,并通过总体最小二乘法求解超定小波光流方程组以获得光流矢量。仿真结果表明,与传统的Lucas-Kanade算法、Horn-Schunck算法及基于小波的全向图像光流估计方法相比,所提算法可显著改善光流估计精度及稳健性。

支持密钥隔离的属性代理重加密方案

基于属性的代理重加密方案能够实现数据共享与访问控制,十分适合当前的云计算.但其仍缺少向前的安全保护,存在着权限变更带来的密钥泄露的问题,为此本文将密钥隔离机制扩展到基于属性的代理重加密系统中.通过引入密钥隔离的方式,将系统时间参数与用户私钥计算结合,使得方案具有时间安全性.同时将定期对私钥进行刷新,避免权限过期用户与代理服务器对密文非法窃取,最终实现数据安全共享的同时有时限的访问控制.实验分析表明方案在随机预言模型下是安全的,可抗合谋攻击.

鲁棒自适应无迹卡尔曼滤波的SLAM算法

针对SLAM在复杂环境下对噪声干扰鲁棒性差以及运动轨迹预测误差问题,在UKF中引入自适应估计理论与鲁棒H∞控制准则,提出一种鲁棒自适应UKF-SLAM算法。该算法利用自适应估计理论,构建抗差因子和自适应因子,自适应估计测量和状态噪声等价协方差阵,实现粗差分离和噪声方差自适应补偿;利用鲁棒H∞控制准则对系统状态均值和协方差进行迭代更新,提高噪声干扰鲁棒性、降低预测误差。仿真结果表明:该算法能保证移动机器人在不同噪声环境下具有良好的鲁棒性与定位精度。

一种用于终端小型设备的轻量级椭圆曲线加密算法

针对物联网系统终端小型设备微处理器低运算效率和低存储空间的特点,提出一种基于椭圆曲线加密(elliptic curve cryptography,ECC)的轻量级加密算法。首先在确定的椭圆曲线上随机选取两个不同点生成密钥,然后在加密过程中用点加、点减与倍点运算代替标量乘运算,最后对密文进行加盐处理。实验结果表明,与目前广泛应用的基于ECC的El Gama加密算法相比,改进后的加密算法密文长度减少25%,加解密速率提高200%。

一种消除椒盐噪声的迭代自适应中值滤波算法

针对传统中值滤波算法对高密度椒盐噪声图像滤波效果差的问题,基于循环迭代处理思想,提出一种消除椒盐噪声的迭代自适应中值滤波算法。在传统基于决策滤波方法基础上,所提算法自适应调整滤波窗口尺寸并计算滤波窗口内非椒盐像素中值以替换噪声像素,进而根据噪声密度自适应决定算法迭代次数,以完全消除椒盐噪声并恢复原始图像。仿真结果表明,对噪声密度为10%～99%的图像,与标准中值滤波及其4种改进算法相比,所提算法能较快消除椒盐噪声且可较好恢复原始图像细节。

基于压缩感知的波束域DOA估计

针对传统波达方向角(DOA)估计算法需要大量采样数据从而导致较高计算复杂度的问题,基于压缩感知理论,利用目标信号空域稀疏性,提出一种基于波束域的多测量矢量欠定系统正则化聚焦求解DOA估计算法。该算法将压缩信号从阵元域映射至波束域,一定程度上克服了稀疏重构算法无法用于低信噪比情况下的缺陷。数值仿真表明,与传统的Capon,MUSIC和l1-SVD算法相比,所提算法可对相干信号进行有效DOA估计,具有较高角度分辨力和估计精度;与RMFOCUSS和l1-SVD算法相比,所提算法具有较低计算复杂度。

改善MIMO-STAP检测性能的收发联合优化方法

针对复杂环境下基于多输入多输出(MIMO)雷达空时自适应处理(STAP)检测性能较差的问题,提出一种发射波形及接收权联合优化方法以改善MIMO-STAP检测性能。在建立MIMO-STAP模型基础上,基于最大化输出信干噪比(SINR)准则,在发射波形恒模特性、抑制杂波以及降低旁瓣等约束下构建发射波形及接收权联合优化问题以最大化输出SINR进而改善MIMO-STAP检测性能。为求解所得复杂非线性问题,提出一种迭代算法,所提算法中每一步都可转化为半定规划问题(SDP),因而可获得高效求解。数值仿真表明,与仅考虑杂波抑制、旁瓣抑制算法及不相关波形相比,所提算法可显著改善MIMO-STAP的检测性能。

光照变化下基于稀疏表示的视觉跟踪算法研究

为提高光照变化下目标跟踪算法的精度和鲁棒性,基于稀疏表示理论,提出一种光照补偿和多任务稀疏表示联合优化算法。该算法首先根据目标模板与候选目标的平均亮度差异对目标模板光照补偿,而后利用候选目标构建过完备字典以稀疏表示光照补偿后的目标模板,并将所得问题转化为一个多任务优化问题,然后利用所得稀疏编码矩阵快速剔除无关候选目标,最后基于重构误差对剩余候选目标进行局部结构化评估,进而实现目标的精确跟踪。实验结果表明,与现有主流算法相比,剧烈光照变化情况下,所提方法可显著改善目标跟踪精度及鲁棒性。

一种GPS/BDS双模导航系统的选星算法

为解决传统选星算法中定位精度与计算GDOP复杂度之间的矛盾,提出一种改进的快速卫星选择算法。通过利用卫星的高度角和方位角信息划分区域,剔除信噪比小于一定门限的卫星,应用牛顿恒等式的GDOP计算方法,最终确定选择6颗卫星进行定位。用于较少周期计算的最佳卫星几何分布划分区域可以极大减少运算量,理论分析和实验结果表明,与最小GDOP算法相比,在略微牺牲定位精度的情况下,所提算法计算量显著降低,而定位精度优于Quasi-Optimal算法,证明了该算法的有效性。

一种改进EKF的双模导航系统的定位算法

针对提高GPS/BDS双模导航系统的伪距单点定位精度问题,研究了GPS/BDS双模导航系统定位的解算方法,并对组合系统构建数学模型,引入扩展卡尔曼滤波(EKF)器进行定位解算,初始化权矩阵时通过牛顿迭代法改进矩阵求逆运算,并通过使用分段函数改进EKF中的权矩阵P,提出一种基于EKF的GPS/BDS导航定位解算方法。理论分析和实验结果表明,通过对比单GPS系统和最小二乘解算方法,利用双模系统并通过EKF能将定位精度在水平方向提高10%,高程方向提高43%,并极大地减小了运算量,提高系统的可靠性和完好性。

噪声环境下光流场快速稳健估计方法研究

针对噪声影响下光流计算稳健性较差及收敛速度慢的问题,提出一种噪声环境下光流场快速稳健估计方法。所提算法基于噪声环境下光流场估计方法,引入惩罚因子以增强光流计算稳健性,并在光流计算迭代公式中加入动量因子缩短光流计算收敛时间以加快光流场计算。而后基于变分方法极小化光流能量函数求解欧拉-拉格朗日方程,最后通过迭代方法求得速度场。仿真结果表明,对视频中连续两帧图片加入不同高斯噪声后,与M算法及ML算法相比,所提算法可显著增强光流场计算稳健性,缩短光流计算收敛时间,加快光流场计算。

基于物理学的改善粒子图像测速稳健光流方法研究

针对可视化流动图像边缘扩散及噪声和异常点影响使得光流计算稳健性较差的问题,提出一种基于物理学的稳健光流计算方法以改善光流计算稳健性。所提算法在基于物理学光流方法中引入各向异性滤波器以增强边缘光流稳健性,并增加惩罚因子以减少噪声及异常点对光流计算的影响,而后基于变分方法极小化光流能量函数以求解欧拉-拉格朗日方程,最后通过迭代方法求得速度场。仿真结果表明,与传统的Lucas-Kanade,Horn-Schunck,金字塔Lucas-Kanade以及基于物理的光流计算方法相比,所提算法可显著减少边缘和角落区域光流扩散,改善针对噪声及异常点的稳健性,从而得到具有较好稳健性的速度场。

基于改进Faster R-CNN模型的樱桃缺陷检测

目的:提高工业环境下樱桃分级分拣工作的效率。方法:提出了基于Faster R-CNN框架改进的樱桃缺陷识别分拣模型。结果:通过对比VGG16、MobileNet-V2和ResNet50网络,主干网络为ResNet50的效果最优,改进后的Faster R-CNN模型对樱桃裂口、双生、刺激生长、霉变、褐变腐烂和完好果的检测精度分别为97.75%,99.77%,98.90%,97.56%,96.67%,98.80%,平均检测精度达98.24%,高于其他模型,检测速度为31.16帧/s。结论:试验方法对樱桃缺陷类别的检测具有较高的识别精度。

GNSS-R探测土壤湿度综述

通过对基于GNSS-R土壤湿度探测技术的观测方式及原理进行系统评述,阐述已取得的研究成果,并在此基础上指出研究中存在的不足及未来的发展方向。

基于机器视觉的樱桃缺陷检测与识别

以机器视觉技术为基础,利用卷积神经网络对樱桃缺陷进行检测与识别,并进行验证。结果表明,正常果樱桃识别准确率为99.25%,缺陷果樱桃识别准确率为97.99%,识别速度为25个/s;通过与其他方法进行对比,试验方法能够准确检测并识别多种缺陷类型。