局域均值分解(Local mean decomposition,LMD)的主要思想是把一个时间序列的信号,分解成不同尺度的包络信号和纯调频信号,然后获得信号的时频分布。LMD算法用极值点来定义局部均值函数和局域包络函数,然后用滑动平均来平滑均值和包络函...局域均值分解(Local mean decomposition,LMD)的主要思想是把一个时间序列的信号,分解成不同尺度的包络信号和纯调频信号,然后获得信号的时频分布。LMD算法用极值点来定义局部均值函数和局域包络函数,然后用滑动平均来平滑均值和包络函数,针对用滑动平均平滑均值和包络函数误差较大的缺点,提出了采用三次样条对上、下极值点分别插值求得上下包络线,然后由上下包络线的平均获得局部平均函数,由上下包络线相减的绝对值获得局部包络的方法。通过对非线性和实例振动信号的实验研究表明,基于样条的LMD方法的分析精度比LMD方法高。展开更多
提出了一种基于信息素机制的粒子群优化(Particle swarm optimization based on pheromone mechanism,PSO-PM)算法.主要是借鉴了蚁群优化算法的信息素共享机制,并引入到粒子群优化算法中,设计了粒子行为的三条简单规则:信息留存规则、...提出了一种基于信息素机制的粒子群优化(Particle swarm optimization based on pheromone mechanism,PSO-PM)算法.主要是借鉴了蚁群优化算法的信息素共享机制,并引入到粒子群优化算法中,设计了粒子行为的三条简单规则:信息留存规则、信息获取和融合规则以及粒子演化规则,从而实现了群体信息的充分分享,相应地改善了算法的寻优能力.采用基准函数对PSO-PM算法进行测试,并与几种不同类型的改进优化算法进行对比,数值实验结果验证了PSO-PM算法的有效性.展开更多
提出了一种双目移动机器人实时动态目标识别与定位方法。该算法首先采用SIFT(Scale Invariant Features Transforms)算法提取目标特征,并结合双目视差特征进行目标匹配;然后通过区域增长方法进行目标区域的提取;最后结合双目视觉标定的...提出了一种双目移动机器人实时动态目标识别与定位方法。该算法首先采用SIFT(Scale Invariant Features Transforms)算法提取目标特征,并结合双目视差特征进行目标匹配;然后通过区域增长方法进行目标区域的提取;最后结合双目视觉标定的模型对目标进行定位。实验结果表明:该方法在摄像机运动-目标运动情况下,能对局部特征未知或特征不明显的动态目标进行有效的识别与定位。展开更多
文摘局域均值分解(Local mean decomposition,LMD)的主要思想是把一个时间序列的信号,分解成不同尺度的包络信号和纯调频信号,然后获得信号的时频分布。LMD算法用极值点来定义局部均值函数和局域包络函数,然后用滑动平均来平滑均值和包络函数,针对用滑动平均平滑均值和包络函数误差较大的缺点,提出了采用三次样条对上、下极值点分别插值求得上下包络线,然后由上下包络线的平均获得局部平均函数,由上下包络线相减的绝对值获得局部包络的方法。通过对非线性和实例振动信号的实验研究表明,基于样条的LMD方法的分析精度比LMD方法高。
文摘提出了一种基于信息素机制的粒子群优化(Particle swarm optimization based on pheromone mechanism,PSO-PM)算法.主要是借鉴了蚁群优化算法的信息素共享机制,并引入到粒子群优化算法中,设计了粒子行为的三条简单规则:信息留存规则、信息获取和融合规则以及粒子演化规则,从而实现了群体信息的充分分享,相应地改善了算法的寻优能力.采用基准函数对PSO-PM算法进行测试,并与几种不同类型的改进优化算法进行对比,数值实验结果验证了PSO-PM算法的有效性.
文摘提出了一种双目移动机器人实时动态目标识别与定位方法。该算法首先采用SIFT(Scale Invariant Features Transforms)算法提取目标特征,并结合双目视差特征进行目标匹配;然后通过区域增长方法进行目标区域的提取;最后结合双目视觉标定的模型对目标进行定位。实验结果表明:该方法在摄像机运动-目标运动情况下,能对局部特征未知或特征不明显的动态目标进行有效的识别与定位。