简介：在室内定位中,针对移动标签的精确定位过程中所存在的定位精度低、非视距（non-line-of-sight,NLOS）现象与多径传播等问题,提出一种基于超宽带（Ultra-wideband,UWB）的线段近似双曲线定位算法,将二次双曲线方程转换为线性方程,结合到达时间差（Timedifferenceofarrival,TDOA）定位算法与三角形质心定位算法原理,可以实现高精度定位.经MATLAB仿真验证,该算法中的三线段近似双曲线的近似定位算法的平均距离误差是60.74cm,三加四线段近似双曲线的近似定位算法的平均距离误差是31.34cm,五线段近似双曲线的近似定位算法的平均距离误差是14.08cm.与迄今为止公布的文献相比,证明了该算法定位精度较高,在保证定位精度的同时,Chan算法运行一个周期所用时间为13.580s,线段近似双曲线算法运行一个周期所用时间最大为8.985s,算法复杂度大大的下降.

简介：针对频域同态滤波中运算量大、运算时间长、不能满足实时性要求的缺点，提出了一种基于Laplacian增强算子的空域同态滤波算法。首先对原有的Laplacian增强算子做改进，使其在增强图像高频成分的同时能够适当地抑制其低频成分，再将改进后的Laplacian增强算子同图像函数作卷积，快速实现空域内的滤波增强。实验表明，该方法不仅有效地压缩了图像的亮度范围，增强了图像的对比度，还大大提高了运算速度，节省了运算时间，适用于对快速性要求较高的实时性场合。

简介：介绍和分析了在当前成像跟踪系统中常用的几种点目标滤波检测算法。为了满足图像处理实时性要求，设计了一套针对图像滤波算法的FPGA硬件实现结构。该结构具有FPGA高速并行计算能力，能在信号读出的过程中实时地完成多种滤波处理。成像实验证明该方案切实可行，具有良好的实时滤波效果。

简介：随着大量需要被挖掘的数据变得越来越复杂,多维关联规则已经成为关联规则挖掘中最实用的内容之一.本文主要介绍了在多维关联规则挖掘过程中,针对同一种属性数据出现重复连接的情况,由此而提出的一种解决方案.通过对多值属性信息进行比较,去除重复连接的属性信息,保留有效信息,减少对数据库的扫描.由此对Apriori算法中连接步进行改进,最后通过布尔型关联规则挖掘数据信息并得到结果.相较于Apriori算法,改进算法能更加快速准确地发现知识,缩短挖掘所用的时间.

简介：运动目标的检测是目标识别与跟踪的关键技术之一。光流技术是一种以物体的运动特征来检测目标的方法，它的提出为运动小目标的检测开辟了新的空间。在一个搜索跟踪系统中使用光流技术检测和跟踪空中小目标，目标大概为5～10个像素，而且背景复杂，相机抖动，普通分割算法无法得到小目标。在目标的运动明显异于背景的情况下，通过利用基于光流的目标检测算法来检测出小目标，同时运用高斯金字塔模型，提高算法的运算速度。试验结果表明提出的基于光流的检测算法在背景运动的红外图像中取得了较好的效果。

简介：以DSP平台圆目标定位为研究对象,提出了连续阈值质心算法,利用算术平均原理对普通质心法进行了改进。结果表明,该算法减小了随机误差和系统误差。存在噪声的情况下,其定位精度能达到0.02～0.05pixels,同等情况下与普通质心法相比较,精度提高了4～10倍,抗噪声能力更强,而计算量却没有增加,能够用于DSP平台的圆目标快速精确定位。

简介：针对推荐系统的准确性提出了一种优化算法，该算法首先利用用户的特征进行聚类，然后在聚类之后的各个聚簇中运用混合协同过滤框架为每个聚簇训练一个模型；同时在运用混合协同过滤时，针对传统的基于用户的协同过滤推荐算法在计算用户相似度方面进行了改进.实验表明，提出的优化算法显著提高了预测的准确性，从而提高了推荐结果的质量.

简介：目标跟踪系统中比较难解决的一个问题就是遮挡,当一个目标被另一个物体部分或全部遮挡时,跟踪的特性就会不完整或彻底消失,导致目标跟踪失败。为了解决这一问题,采用不变矩和归一化相关(NCC)对目标遮挡进行判断,然后采用目标位置和速度进行航迹外推,对大量外场视频进行仿真并把算法移植到硬件平台。结果表明,通过上述方法可以有效解决目标跟踪遇到的遮挡问题。

简介：随着陀螺技术的发展，激光惯导陀螺数据输出频率变高，常用圆锥误差补偿算法使得系统运算负荷较大且无法有效挖掘高频数据对圆锥误差的补偿潜力。针对上述问题，提出五子样二次迭代圆锥误差补偿算法，推导了五子样二次迭代优化算法公式，并与双回路二子样、三子样优化算法进行了对比计算。经研究表明，该算法在保证惯导数据更新频率的同时有效提高了圆锥误差补偿效果，且相对于目前常用算法，对系统造成的运算负荷较小。提高了激光惯导系统在圆锥运动等恶劣工作环境下的工作性能。

简介：摘要：本论文针对基于FPGA的红外成像系统及图像处理算法进行研究，通过使用FPGA技术实现红外图像的采集、预处理、增强和显示等功能，提高红外成像系统的性能和实时性。同时，通过优化图像处理算法，实现对红外图像的降噪、增强、目标检测等功能，提高图像质量和目标识别能力。表明基于FPGA的红外成像系统及图像处理算法具有良好的实时性、稳定性和性能优势。

简介：极化码是目前唯一被理论证明可以达到香农极限的线性纠错信道编码，已经成为5G标准的信道编码技术方案．针对具有线性复杂度的接续删除译码算法进行了仿真．针对接续删除算法的高译码时延．深入研究了每个时钟周期的计算特点，并且介绍了各种改进方案．针对上述存在的不足进行分析和总结得到了新的研究方向，最后说明了极化码与LDPC码、Turbo码多模泽码器的研究可行性．

简介：代价敏感普遍应用于解决分类不平衡问题,但代价敏感算法一直没有一个客观的评价标准.本文提出一种针对代价敏感算法的分类精度计算方法,以平衡精度替换总体精度来有效地评定代价敏感算法的分类性能.相比于传统的总体精度,该平衡精度不会忽略小类样本的贡献.通过代价敏感超限学习机对基因表达数据进行分类对比实验,结果表明,平衡精度可以更为客观、合理地表示代价敏感算法的分类性能.

简介：对基因表达数据进行分类时,超限学习机（ELM）算法具有学习效率高、泛化能力强、分类精度高的优点.为了解决超限学习机算法受输入权值矩阵和隐含层偏差随机初始化的影响,本文利用自适应遗传算法（AGA）具有良好的全局搜索效果对超限学习机的输入权值矩阵和隐含层偏差进行优化,提出了基于自适应遗传算法优化超限学习机（AGA-ELM）的分类算法.通过实验表明,该算法与已有的ELM、GA-ELM以及SVM算法相比,分类精度更高,可用于基因数据分类.

简介：介绍了一种基于局部粒子群算法来实现偏振复用系统中的偏振控制。在偏振复用系统的接收端，该算法通过对偏振控制器相位延迟的调整，实现调整接收端光信号的偏振态，从而恢复因光纤链路的不完美性而造成改变的偏振态，达到降低误码率的目的。该方法无需目标函数，具有高可导性，从而避免了局部收敛和所附加的复位问题。实验结果表明，基于局部PSO算法的偏振控制器能够将任意输入的偏振态转换为目标线偏振态，误差控制在0．5％以内。

简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：医学图像在形成、传输和记录过程中，由于受多种原因的影响，图像的质量会有所下降，典型表现为图像模糊、失真、有噪声等。针对现有图像遗传恢复算法存在的缺陷，从编码设计、种群初始化、遗传算子操作及更新机制，提出了自己的观点，在MATLAB7．0环境下结合不同图像进行仿真实验，

简介：针对极区经线快速收敛导致基于传统导航坐标系的传递对准模型和误差方程不适用的问题,提出了基于平面导航力学编排的极区传递对准算法,并设计了“速度＋姿态”匹配的传递对准滤波模型。该算法基于Kalman滤波最优估计理论,利用舰艇主惯导高精度姿态、速度信息对局部基准姿态失准角进行估计补偿,以达到局部基准极区动基座条件下快速初始对准的目的。仿真结果表明,在中海况条件下,局部基准可在20s内完成方位精度为5′、水平姿态精度为3′的初始对准。

简介：多输入多输出虽能显著增加信道容量，但译码复杂度与精度一直是亟待解决的核心问题之一。将现有的贝尔实验室分层空时码检测迫零算法与球形译码算法充分结合，重点考察无线多输入多输出信道基本特征即信道条件数与信噪比，提出了一种自适应的贝尔实验室分层空时码解码算法，在保证误比特率性能的条件下，降低了系统的译码复杂度；为无线通信的长期演进研究奠定了良好基础。

简介：场景锁定技术是视频跟踪领域的一个关键技术，需要对图像的全局运动进行估计，常用的运动估计算法由于计算量大、对噪声敏感等因素很难得到实际应用。为了减少运动估计的计算量，提高全局运动估计的精度，提出了一种基于Harris角点全局运动估计的场景锁定方法。将图像分成4×4的16个块，选取每个块中响应值最大的角点，以参考图像角点周围矩形块与待匹配图像进行匹配，然后利用RANSAC算法对角点进行一致性检测，利用最小二乘法解算全局运动参数，最后计算图像之间的累积运动。实验结果表明，该算法运动估计精度高，稳定性好，能较好地实现场景锁定。

简介：在视频编码器中，软判决量化可获得最优编码性能，但其中维特比算法会导致严重的系数间串行处理依赖．比较而言，基于死区的硬判决量化算法率失真性能有所损失，但不存在系数间依赖，且非常适合硬件并行流水处理．今采用离线统计的方法，分析余弦变换系数的分布情况，量化余数对量化的具体影响，构建了基于余弦变换系数分布参数，量化余数的自适应偏移模型．基于该模型提出一种内容自适应的硬判决量化算法．仿真结果表明，该算法在保证并行化处理的条件下，其编码性能相比于传统的硬判决量化有一定的提升，可接近软判决量化算法性能．