2014年 第40卷 第10期
2014, 40(10): 2073-2088.
doi: 10.3724/SP.J.1004.2014.02073
摘要:
多机器人系统的通信状况能够直接影响协作同时定位与地图创建(Cooperative simultaneous localization and mapping, CSLAM)算法的设计和实现.根据对多机器人通信状况所作出假设的侧重点不同, 对多机器人CSLAM算法研究现状和进展进行综述.首先,简要介绍了基于完全连通通信条件的集中式CSLAM算法的特点和缺陷; 其次,结合多机器人系统初始相对位姿关系未知的情况,从地图配准、数据关联和地图融合等三个方面, 对基于通信范围或者带宽受限条件的分布式CSLAM算法的地图合并问题进行了分析和阐述; 进而重点对考虑稀疏动态通信状况的分布式CSLAM算法的最新研究成果进行了归纳总结. 最后指出多机器人CSLAM研究领域今后的研究方向.
多机器人系统的通信状况能够直接影响协作同时定位与地图创建(Cooperative simultaneous localization and mapping, CSLAM)算法的设计和实现.根据对多机器人通信状况所作出假设的侧重点不同, 对多机器人CSLAM算法研究现状和进展进行综述.首先,简要介绍了基于完全连通通信条件的集中式CSLAM算法的特点和缺陷; 其次,结合多机器人系统初始相对位姿关系未知的情况,从地图配准、数据关联和地图融合等三个方面, 对基于通信范围或者带宽受限条件的分布式CSLAM算法的地图合并问题进行了分析和阐述; 进而重点对考虑稀疏动态通信状况的分布式CSLAM算法的最新研究成果进行了归纳总结. 最后指出多机器人CSLAM研究领域今后的研究方向.
2014, 40(10): 2089-2097.
doi: 10.3724/SP.J.1004.2014.02089
摘要:
为了稳定铜粗选选矿指标,提高矿产资源的利用水平, 根据铜粗选过程中泡沫尺寸分布随药剂量改变而动态变化的特点, 提出一种基于泡沫尺寸随机分布的铜粗选过程药剂量控制方法.首先, 针对泡沫尺寸分布具有非高斯统计特性, 基于方差和均值的统计参量难以表征该分布形态变化的问题, 提出了B样条估计方法以描述泡沫尺寸的概率密度函数(Probability density function, PDF); 然后, 针对B 样条权值相互关联的特点, 建立多输出最小二乘支持向量机模型(Multi-output least square support vector machine, MLS-SVM)以表征权值和药剂量的动态关系; 最后, 为减少系统的随机性, 采用基于熵的优化算法以确定药剂量, 实现对给定泡沫尺寸分布的跟踪控制.工业数据仿真验证了所提方法的有效性, 能有效稳定铜粗浮选的生产指标.
为了稳定铜粗选选矿指标,提高矿产资源的利用水平, 根据铜粗选过程中泡沫尺寸分布随药剂量改变而动态变化的特点, 提出一种基于泡沫尺寸随机分布的铜粗选过程药剂量控制方法.首先, 针对泡沫尺寸分布具有非高斯统计特性, 基于方差和均值的统计参量难以表征该分布形态变化的问题, 提出了B样条估计方法以描述泡沫尺寸的概率密度函数(Probability density function, PDF); 然后, 针对B 样条权值相互关联的特点, 建立多输出最小二乘支持向量机模型(Multi-output least square support vector machine, MLS-SVM)以表征权值和药剂量的动态关系; 最后, 为减少系统的随机性, 采用基于熵的优化算法以确定药剂量, 实现对给定泡沫尺寸分布的跟踪控制.工业数据仿真验证了所提方法的有效性, 能有效稳定铜粗浮选的生产指标.
2014, 40(10): 2098-2107.
doi: 10.3724/SP.J.1004.2014.02098
摘要:
针对具有时空不变名义模型的空间连接系统,讨论其存在有界、线性、时空变化和有结构性约束的模型误差时, 取得鲁棒性能的条件.对于时间轴和空间轴,分别定义了算子的时间变化率和空间变化率,给出了系统取得鲁棒性能时该变化率的上界和下界.研究表明, 对于时间轴和空间轴上变化率满足一定条件、具有结构约束的有界模型误差,系统取得鲁棒性能的充分必要条件是存在频率域上的缩放矩阵(D标度),使得系统名义模型范数小于1.
针对具有时空不变名义模型的空间连接系统,讨论其存在有界、线性、时空变化和有结构性约束的模型误差时, 取得鲁棒性能的条件.对于时间轴和空间轴,分别定义了算子的时间变化率和空间变化率,给出了系统取得鲁棒性能时该变化率的上界和下界.研究表明, 对于时间轴和空间轴上变化率满足一定条件、具有结构约束的有界模型误差,系统取得鲁棒性能的充分必要条件是存在频率域上的缩放矩阵(D标度),使得系统名义模型范数小于1.
2014, 40(10): 2108-2114.
doi: 10.3724/SP.J.1004.2014.02108
摘要:
在双层结构模型预测控制(Model predictive control, MPC)中, 稳态目标计算(Steady-state targets calculation, SSTC)层(上层)为动态控制(Dynamic control, DC)层(下层)提供操作变量、被控变量设定值和变量约束. 但是,上层可行域和下层吸引域间存在的不一致性可能使得上层给出的设定值无法实现. 本文为下层事先选取若干组放松的软约束, 并对每一组软约束都离线计算出相应的吸引域, 其中最大的一个吸引域包含稳态目标计算的可行域. 在控制过程中, 根据当前状态所属吸引域在线地决定在DC层采用的软约束组. 采用上述方法后, 对所有处于最大吸引域的初始状态, 在跟踪稳态目标的过程中, 下层优化问题都是可行的. 仿真算例证明了该方法的有效性.
在双层结构模型预测控制(Model predictive control, MPC)中, 稳态目标计算(Steady-state targets calculation, SSTC)层(上层)为动态控制(Dynamic control, DC)层(下层)提供操作变量、被控变量设定值和变量约束. 但是,上层可行域和下层吸引域间存在的不一致性可能使得上层给出的设定值无法实现. 本文为下层事先选取若干组放松的软约束, 并对每一组软约束都离线计算出相应的吸引域, 其中最大的一个吸引域包含稳态目标计算的可行域. 在控制过程中, 根据当前状态所属吸引域在线地决定在DC层采用的软约束组. 采用上述方法后, 对所有处于最大吸引域的初始状态, 在跟踪稳态目标的过程中, 下层优化问题都是可行的. 仿真算例证明了该方法的有效性.
2014, 40(10): 2115-2125.
doi: 10.3724/SP.J.1004.2014.02115
摘要:
研究了复杂系统存在缺失数据时的故障预测问题.首先,针对测试数据的非平稳性,在小波-卡尔曼滤波预测模型的基础上进行了改进,并 利用期望最大化算法对模型参数进行了在线更新,提高其对非平稳时间序列的预测能力;其次,将数据缺失通过一个满足伯努利分布的随机变量描 述,实现了缺失数据情况下小波-卡尔曼滤波状态估计.基于此,提出了缺失数据下的故 障预测算法;最后,通过数值仿真和实例验证,说明了所提算法的有效性和可行性.
研究了复杂系统存在缺失数据时的故障预测问题.首先,针对测试数据的非平稳性,在小波-卡尔曼滤波预测模型的基础上进行了改进,并 利用期望最大化算法对模型参数进行了在线更新,提高其对非平稳时间序列的预测能力;其次,将数据缺失通过一个满足伯努利分布的随机变量描 述,实现了缺失数据情况下小波-卡尔曼滤波状态估计.基于此,提出了缺失数据下的故 障预测算法;最后,通过数值仿真和实例验证,说明了所提算法的有效性和可行性.
2014, 40(10): 2126-2133.
doi: 10.3724/SP.J.1004.2014.02126
摘要:
基于线性时序逻辑(Linear temporal logic, LTL)的路径规划方法中, 多点巡回路径规划问题尚无有效解决方案. 为了在道路网络中实现最优巡回监测, 提出了基于LTL的最优巡回路径规划方法. 首先, 将环境建模成一个切换系统, 用LTL语言描述包含多个巡回点和障碍物的任务需求; 接着, 利用循环移位法构建能够融合任务需求和环境模型的扩展乘机自动机, 以建立路径信息完整的网络拓扑; 最后, 采用基于迪科斯彻法的最优综合算法搜索扩展乘机自动机网络上的最优路径, 从而获得能够满足复杂任务需求的最优巡回路径. 仿真结果表明, 该方法能够有效实现最优巡回路径规划.
基于线性时序逻辑(Linear temporal logic, LTL)的路径规划方法中, 多点巡回路径规划问题尚无有效解决方案. 为了在道路网络中实现最优巡回监测, 提出了基于LTL的最优巡回路径规划方法. 首先, 将环境建模成一个切换系统, 用LTL语言描述包含多个巡回点和障碍物的任务需求; 接着, 利用循环移位法构建能够融合任务需求和环境模型的扩展乘机自动机, 以建立路径信息完整的网络拓扑; 最后, 采用基于迪科斯彻法的最优综合算法搜索扩展乘机自动机网络上的最优路径, 从而获得能够满足复杂任务需求的最优巡回路径. 仿真结果表明, 该方法能够有效实现最优巡回路径规划.
2014, 40(10): 2134-2144.
doi: 10.3724/SP.J.1004.2014.02134
摘要:
为了实现在系统存在多个数据类型各异的输出时, 多个备选仿真模型的验证和择优, 提出了基于特征差异的仿真模型验证及选择方法. 首先,将系统输出分为静态、缓变和速变三类数据, 并分别给出了每类数据的特征差异度量模型; 然后,采用主成分分析法从多个具有相关性的特征差异中提取出少数几个独立的主成分变量; 再者依据主成分数据, 采用K-均值聚类分析方法将多个备选仿真模型的输出划分为K类; 最后,基于Fisher判别分析法判定参考输出是否属于其中的某类, 进而实现对多个备选仿真模型的验证和选择. 通过实例应用, 表明了该方法的有效性.
为了实现在系统存在多个数据类型各异的输出时, 多个备选仿真模型的验证和择优, 提出了基于特征差异的仿真模型验证及选择方法. 首先,将系统输出分为静态、缓变和速变三类数据, 并分别给出了每类数据的特征差异度量模型; 然后,采用主成分分析法从多个具有相关性的特征差异中提取出少数几个独立的主成分变量; 再者依据主成分数据, 采用K-均值聚类分析方法将多个备选仿真模型的输出划分为K类; 最后,基于Fisher判别分析法判定参考输出是否属于其中的某类, 进而实现对多个备选仿真模型的验证和选择. 通过实例应用, 表明了该方法的有效性.
2014, 40(10): 2145-2150.
doi: 10.3724/SP.J.1004.2014.02145
摘要:
欠定系统(又称超完备系统)的稀疏信号恢复在压缩感知、源信号分离和信号采集等领域中被广泛研究. 目前这类问题主要采用l1范数约束结合线性规划优化或贪婪算法进行求解, 但这些方法存在收敛速度慢、 恢复精度不高等缺陷. 提出一种快速恢复稀疏信号的算法, 该算法采用一种新的近似l0范数代替l1范数构造代价函数, 并融合牛顿法和最陡梯度法推导出寻优迭代式,以获得似零范数代价函数的最优解. 仿真实验和真实数据实验结果表明, 与经典算法相比, 该算法在能提供相同精度、甚至更好精度的条件下, 收敛速度更快.
欠定系统(又称超完备系统)的稀疏信号恢复在压缩感知、源信号分离和信号采集等领域中被广泛研究. 目前这类问题主要采用l1范数约束结合线性规划优化或贪婪算法进行求解, 但这些方法存在收敛速度慢、 恢复精度不高等缺陷. 提出一种快速恢复稀疏信号的算法, 该算法采用一种新的近似l0范数代替l1范数构造代价函数, 并融合牛顿法和最陡梯度法推导出寻优迭代式,以获得似零范数代价函数的最优解. 仿真实验和真实数据实验结果表明, 与经典算法相比, 该算法在能提供相同精度、甚至更好精度的条件下, 收敛速度更快.
2014, 40(10): 2151-2162.
doi: 10.3724/SP.J.1004.2014.02151
摘要:
本文探讨在线社会网络的社区识别问题, 重点研究网络演变特性对社区结构产生的影响. 首先基于节点的邻域倾向性提出社区稳定性的概念并给出稳定社区的快速识别算法, 然后设计了一种基于事件的社区稳定性校准算法以此识别新网络的社区结构. 由于算法的局部搜索策略, 该方法无需在新时间片段重复执行, 并且可以在无参数条件下识别加权网络中具有任意形状的社区结构. 在人工合成网络和真实网络上的实验结果验证了算法的可行性和有效性.
本文探讨在线社会网络的社区识别问题, 重点研究网络演变特性对社区结构产生的影响. 首先基于节点的邻域倾向性提出社区稳定性的概念并给出稳定社区的快速识别算法, 然后设计了一种基于事件的社区稳定性校准算法以此识别新网络的社区结构. 由于算法的局部搜索策略, 该方法无需在新时间片段重复执行, 并且可以在无参数条件下识别加权网络中具有任意形状的社区结构. 在人工合成网络和真实网络上的实验结果验证了算法的可行性和有效性.
2014, 40(10): 2163-2170.
doi: 10.3724/SP.J.1004.2014.02163
摘要:
应用对称群理论中经典对称, 以无穷小生成元为分析工具, 考虑分布参数系统的控制问题已有研究, 在此基础上, 本文给出利用微分方程对称实现分布参数系统稳态控制的方法. 通过求解微分方程的对称, 借助其和无穷小生成元之间的关系, 研究给出符合控制目标稳态要求的分布参数系统边界控制条件. 针对两个例子,说明了利用微分方程对称实现分布参数系统稳态控制的过程, 设计了边界控制条件, 进行了仿真说明. 相较基于经典对称获得分布参数系统无穷小生成元的过程, 利用微分方程对称, 避免了空间延拓过程, 并可能获得与其不同的无穷小生成元形式.
应用对称群理论中经典对称, 以无穷小生成元为分析工具, 考虑分布参数系统的控制问题已有研究, 在此基础上, 本文给出利用微分方程对称实现分布参数系统稳态控制的方法. 通过求解微分方程的对称, 借助其和无穷小生成元之间的关系, 研究给出符合控制目标稳态要求的分布参数系统边界控制条件. 针对两个例子,说明了利用微分方程对称实现分布参数系统稳态控制的过程, 设计了边界控制条件, 进行了仿真说明. 相较基于经典对称获得分布参数系统无穷小生成元的过程, 利用微分方程对称, 避免了空间延拓过程, 并可能获得与其不同的无穷小生成元形式.
2014, 40(10): 2171-2178.
doi: 10.3724/SP.J.1004.2014.02171
摘要:
针对Micro-electro-mechanical system (MEMS)振动陀螺仪加工制造过程中产生的几何结构中心与质量块重心不重叠导致严重陀螺漂移和噪声的问题, 在考虑陀螺自身非线性、控制输入非线性和外部干扰的情况下, 提出一种基于超稳理论的非线性控制策略对MEMS陀螺仪进行零点校正. 该方法在MEMS 陀螺仪非线性模型中引入一Hurwitz矩阵对模型进行变换以满足系统的严格正实要求, 利用向量范数的性质得到合适的控制律以满足Popov不等式, 从而保证了闭环控制系统的全局渐近稳定性. 仿真结果显示, 提出的非线性控制策略可以使系统状态迅速收敛到零, 并且对系统参数摄动表现出较强的鲁棒性.
针对Micro-electro-mechanical system (MEMS)振动陀螺仪加工制造过程中产生的几何结构中心与质量块重心不重叠导致严重陀螺漂移和噪声的问题, 在考虑陀螺自身非线性、控制输入非线性和外部干扰的情况下, 提出一种基于超稳理论的非线性控制策略对MEMS陀螺仪进行零点校正. 该方法在MEMS 陀螺仪非线性模型中引入一Hurwitz矩阵对模型进行变换以满足系统的严格正实要求, 利用向量范数的性质得到合适的控制律以满足Popov不等式, 从而保证了闭环控制系统的全局渐近稳定性. 仿真结果显示, 提出的非线性控制策略可以使系统状态迅速收敛到零, 并且对系统参数摄动表现出较强的鲁棒性.
2014, 40(10): 2179-2192.
doi: 10.3724/SP.J.1004.2014.02179
摘要:
Wiener模型结构能有效地表征系统的动态和静态特性, 因此这里首先基于这一结构建立软测量模型, 利用动态与静态子模型分别建立辅助变量与主导变量间的动态与静态关系, 并说明该软测量模型的可行性, 给出模型具体表达式. 其次, 针对所提模型, 提出分步辨识方式获得最优模型参数, 说明其可行性. 再次, 为了减少计算和实现模型在线更新, 这里提出参数辨识递推算法, 并给出软测量模型参数的收敛性结论. 通过实例仿真, 可以看出本文提出模型的可行性, 以及分步辨识方式与递推算法的有效性.
Wiener模型结构能有效地表征系统的动态和静态特性, 因此这里首先基于这一结构建立软测量模型, 利用动态与静态子模型分别建立辅助变量与主导变量间的动态与静态关系, 并说明该软测量模型的可行性, 给出模型具体表达式. 其次, 针对所提模型, 提出分步辨识方式获得最优模型参数, 说明其可行性. 再次, 为了减少计算和实现模型在线更新, 这里提出参数辨识递推算法, 并给出软测量模型参数的收敛性结论. 通过实例仿真, 可以看出本文提出模型的可行性, 以及分步辨识方式与递推算法的有效性.
2014, 40(10): 2193-2202.
doi: 10.3724/SP.J.1004.2014.02193
摘要:
针对一类严反馈非线性不确定系统的跟踪控制问题,提出一种非线性增益递归滑模动态面 (Dynamic surface control, DSC)自适应控制方法. 通过设计一个新的非线性增益函数,并构造递归滑模动态面的控制策略和新的Lyapunov函数,同时利用神经网络在线逼近系统不确定项, 该方法有效解决了具有输入饱和约束条件下系统控制精度与动态品质间的矛盾,增强了控制器对其自身参数摄动的非脆弱性. 理论证明了闭环系统所有状态是半全局一致最终有界的,且跟踪误差可收敛至任意小.
针对一类严反馈非线性不确定系统的跟踪控制问题,提出一种非线性增益递归滑模动态面 (Dynamic surface control, DSC)自适应控制方法. 通过设计一个新的非线性增益函数,并构造递归滑模动态面的控制策略和新的Lyapunov函数,同时利用神经网络在线逼近系统不确定项, 该方法有效解决了具有输入饱和约束条件下系统控制精度与动态品质间的矛盾,增强了控制器对其自身参数摄动的非脆弱性. 理论证明了闭环系统所有状态是半全局一致最终有界的,且跟踪误差可收敛至任意小.
2014, 40(10): 2203-2212.
doi: 10.3724/SP.J.1004.2014.02203
摘要:
无线传感网络应用广泛, 其性能与路由选择和拥塞控制密切相关. 致力于拥塞控制与多径路由的跨层优化, 以实现在链路容量受限和节点能量受限情况下的无线传感网络效用最大化. 针对对偶次梯度算法具有收敛速度慢与信息交互量大等缺陷, 设计了具有二阶收敛性能的分布式牛顿算法来实现网络效用最大化. 通过矩阵分裂技术, 实现了只需单跳信息交互的牛顿对偶方向的分布式求解方法. 仿真结果表明, 分布式牛顿算法的收敛性能显著优于对偶次梯度算法.
无线传感网络应用广泛, 其性能与路由选择和拥塞控制密切相关. 致力于拥塞控制与多径路由的跨层优化, 以实现在链路容量受限和节点能量受限情况下的无线传感网络效用最大化. 针对对偶次梯度算法具有收敛速度慢与信息交互量大等缺陷, 设计了具有二阶收敛性能的分布式牛顿算法来实现网络效用最大化. 通过矩阵分裂技术, 实现了只需单跳信息交互的牛顿对偶方向的分布式求解方法. 仿真结果表明, 分布式牛顿算法的收敛性能显著优于对偶次梯度算法.
2014, 40(10): 2213-2220.
doi: 10.3724/SP.J.1004.2014.02213
摘要:
粮仓储粮数量在线检测是国家粮食数量安全的重要保障技术, 是粮食库存检查的重要内容. 本文根据储粮数量在线检测精度和可靠性的要求, 针对粮仓压强分布的随机性, 提出了基于粮仓底面零内摩擦压强估计的粮仓储粮数量检测的新思路, 建立了粮仓压力传感器布置模型, 给出了粮堆底面与侧面压力分布随机性消除和侧面摩擦力影响补偿的具体方法, 提出了基于底面压力传感器检测均值的粮仓储粮数量检测模型和快速建模方法. 实仓实验结果表明, 所提出的储粮数量检测模型检测误差远小于3%, 且检测系统成本低, 可有效满足国家粮库储粮数量在线实时监测的实际需要.
粮仓储粮数量在线检测是国家粮食数量安全的重要保障技术, 是粮食库存检查的重要内容. 本文根据储粮数量在线检测精度和可靠性的要求, 针对粮仓压强分布的随机性, 提出了基于粮仓底面零内摩擦压强估计的粮仓储粮数量检测的新思路, 建立了粮仓压力传感器布置模型, 给出了粮堆底面与侧面压力分布随机性消除和侧面摩擦力影响补偿的具体方法, 提出了基于底面压力传感器检测均值的粮仓储粮数量检测模型和快速建模方法. 实仓实验结果表明, 所提出的储粮数量检测模型检测误差远小于3%, 且检测系统成本低, 可有效满足国家粮库储粮数量在线实时监测的实际需要.
2014, 40(10): 2221-2232.
doi: 10.3724/SP.J.1004.2014.02221
摘要:
采用一型模糊集合的语言动力系统为复杂系统的建模、分析、评估及控制提供了一种有效工具.但正如已有二型模糊理论中指出的,在对具有强不确定性的语言词建模时采用二型模糊集合更为合理,因此,研究了采用二型模糊集合的语言动力系统,其推理过程基于感知推理方法来实现.首先,给出了基于感知推理方法的语言动力系统的一些基本性质,相关性质表明:基于感知推理方法的语言动力系统的输出词具有直观性,且当规则后件中的二型模糊集合满足一定条件时,该语言动力系统的运算复杂性将会大大简化.进一步,提出了基于感知推理方法的语言动力系统的数据驱动设计方案,该数据驱动方案采用粗糙集方法进行规则提取.最后,通过具体仿真实验验证了所提数据驱动方法的有效性及合理性.
采用一型模糊集合的语言动力系统为复杂系统的建模、分析、评估及控制提供了一种有效工具.但正如已有二型模糊理论中指出的,在对具有强不确定性的语言词建模时采用二型模糊集合更为合理,因此,研究了采用二型模糊集合的语言动力系统,其推理过程基于感知推理方法来实现.首先,给出了基于感知推理方法的语言动力系统的一些基本性质,相关性质表明:基于感知推理方法的语言动力系统的输出词具有直观性,且当规则后件中的二型模糊集合满足一定条件时,该语言动力系统的运算复杂性将会大大简化.进一步,提出了基于感知推理方法的语言动力系统的数据驱动设计方案,该数据驱动方案采用粗糙集方法进行规则提取.最后,通过具体仿真实验验证了所提数据驱动方法的有效性及合理性.
2014, 40(10): 2233-2244.
doi: 10.3724/SP.J.1004.2014.02233
摘要:
多尺度结构自相似性是指图像中的大量物体具有相同尺度以及不同尺度相似结构的性质.本文提出了一种基于多尺度非局部约束的单幅图像超分辨率算法,结合多尺度非局部方法和多尺度字典学习方法将蕴含在图像多尺度自相似结构中的附加信息加入到重建图像中.多尺度非局部方法在图像金字塔的不同层中搜索相似图像块,并利用多尺度相似图像块间的关系建立非局部约束项,通过正则化约束获取多尺度自相似结构中的附加信息;多尺度字典学习方法将图像金字塔作为字典学习的样本,通过字典学习使样本中的多尺度相似图像块 在字典下具有稀疏表示形式,从而获取多尺度自相似结构中的附加信息.实验表明, 与ScSR、SISR、NLIBP、CSSS、ASDSAR和mSSIM等算法相比,本文的算法取得了更好的超分辨率重建效果.
多尺度结构自相似性是指图像中的大量物体具有相同尺度以及不同尺度相似结构的性质.本文提出了一种基于多尺度非局部约束的单幅图像超分辨率算法,结合多尺度非局部方法和多尺度字典学习方法将蕴含在图像多尺度自相似结构中的附加信息加入到重建图像中.多尺度非局部方法在图像金字塔的不同层中搜索相似图像块,并利用多尺度相似图像块间的关系建立非局部约束项,通过正则化约束获取多尺度自相似结构中的附加信息;多尺度字典学习方法将图像金字塔作为字典学习的样本,通过字典学习使样本中的多尺度相似图像块 在字典下具有稀疏表示形式,从而获取多尺度自相似结构中的附加信息.实验表明, 与ScSR、SISR、NLIBP、CSSS、ASDSAR和mSSIM等算法相比,本文的算法取得了更好的超分辨率重建效果.
2014, 40(10): 2245-2252.
doi: 10.3724/SP.J.1004.2014.02245
摘要:
描述了一种实时的视频驱动的人脸动画合成系统.通过该系统,用户只要在摄像头前面表演各种脸部动作,就可以控制虚拟人脸的表情.首先,建立一个基于肌肉的三维人脸模型,并使用肌肉激励参数控制人脸形变.为提高人脸动画的真实感,将口轮匝肌分解为外圈和内圈两部分,同时建立脸部形变与下颌转动的关系.然后,使用一种实时的特征点跟踪算法跟踪视频中人脸的特征点.最后,将视频跟踪结果转换为肌肉激励参数以驱动人脸动画.实验结果表明,该系统能实时运行,合成的动画也具有较强真实感.与大部分现有的视频驱动的人脸动画方法相比,该系统不需要使用脸部标志和三维扫描设备,极大地方便了用户使用.
描述了一种实时的视频驱动的人脸动画合成系统.通过该系统,用户只要在摄像头前面表演各种脸部动作,就可以控制虚拟人脸的表情.首先,建立一个基于肌肉的三维人脸模型,并使用肌肉激励参数控制人脸形变.为提高人脸动画的真实感,将口轮匝肌分解为外圈和内圈两部分,同时建立脸部形变与下颌转动的关系.然后,使用一种实时的特征点跟踪算法跟踪视频中人脸的特征点.最后,将视频跟踪结果转换为肌肉激励参数以驱动人脸动画.实验结果表明,该系统能实时运行,合成的动画也具有较强真实感.与大部分现有的视频驱动的人脸动画方法相比,该系统不需要使用脸部标志和三维扫描设备,极大地方便了用户使用.
2014, 40(10): 2253-2261.
doi: 10.3724/SP.J.1004.2014.02253
摘要:
无监督特征选择是统计模式识别领域中的基础问题,在过去数十年里一直受到重视.近年来,很多工作将特征选择归结为带有离散约束的非线性降维问题.这方面的研究采用数据服从流形分布的假设并强调运用流形学习技术.许多现有的特征选择方法运用图拉普拉斯的基本性质选择能够最大限度地保留数据流形的特征,例如SPEC(图拉普拉斯上的谱分解)、TR准则(迹比)、MSFS(多聚类特征选择)以及EVSC(特征值敏感准则).本文从另一类流形学习算法出发,提出了基于局部线性嵌入(LLE)的新算法.基于LLE特征选择的主要难点是求解带有二次规划和特征值分解的优化问题.我们证明了在特征选择问题中,LLE的目标函数可以按照维数分解,这有助于采用主成分分析(PCA)构造更好的特征.根据这些结果,本文提出了一种新的无监督特征选择算法LLS,它首先从LLE中计算样本间的局部关系,然后用这些关系估计每个特征对内在流形结构的贡献.这些贡献被表示为LLS评分、排序并作为特征选择的依据.我们还提出了一种推广LLS的局部线性旋转选择算法.在一些数据集上的实验结果说明了本文算法比基于拉普拉斯特征图的算法更有效.
无监督特征选择是统计模式识别领域中的基础问题,在过去数十年里一直受到重视.近年来,很多工作将特征选择归结为带有离散约束的非线性降维问题.这方面的研究采用数据服从流形分布的假设并强调运用流形学习技术.许多现有的特征选择方法运用图拉普拉斯的基本性质选择能够最大限度地保留数据流形的特征,例如SPEC(图拉普拉斯上的谱分解)、TR准则(迹比)、MSFS(多聚类特征选择)以及EVSC(特征值敏感准则).本文从另一类流形学习算法出发,提出了基于局部线性嵌入(LLE)的新算法.基于LLE特征选择的主要难点是求解带有二次规划和特征值分解的优化问题.我们证明了在特征选择问题中,LLE的目标函数可以按照维数分解,这有助于采用主成分分析(PCA)构造更好的特征.根据这些结果,本文提出了一种新的无监督特征选择算法LLS,它首先从LLE中计算样本间的局部关系,然后用这些关系估计每个特征对内在流形结构的贡献.这些贡献被表示为LLS评分、排序并作为特征选择的依据.我们还提出了一种推广LLS的局部线性旋转选择算法.在一些数据集上的实验结果说明了本文算法比基于拉普拉斯特征图的算法更有效.
2014, 40(10): 2262-2275.
doi: 10.3724/SP.J.1004.2014.02262
摘要:
语义社会网络(Semantic social network, SSN)是一种由信息节点及链接关系构成的新型复杂网络, 为此以节点邻接关系为挖掘对象的传统社会网络社区发现算法无法有效处理语义社会网络重叠社区发现问题. 由此提出标签传播的语义重叠社区发现算法, 该算法以标签传播算法(Latent Dirichlet allocation, LDA)模型为语义信息模型, 利用Gibbs取样法建立节点语义信息到语义空间的量化映射; 提出可度量节点间相似性的主成分 (Semantic coherent neighborhood propinquity, SCNP)模型和语义影响力(Semantic impact, SI)模型; 以SCNP作为标签传播的权重, 以SI 作为截断值的参数, 提出一种改进的Semantic-LPA (Semantic label propagation algorithm)算法; 提出可度量语义社区发现结果的语义模块度模型, 并通过实验分析, 验证了算法及语义模块度模型的有效性及可行性.
语义社会网络(Semantic social network, SSN)是一种由信息节点及链接关系构成的新型复杂网络, 为此以节点邻接关系为挖掘对象的传统社会网络社区发现算法无法有效处理语义社会网络重叠社区发现问题. 由此提出标签传播的语义重叠社区发现算法, 该算法以标签传播算法(Latent Dirichlet allocation, LDA)模型为语义信息模型, 利用Gibbs取样法建立节点语义信息到语义空间的量化映射; 提出可度量节点间相似性的主成分 (Semantic coherent neighborhood propinquity, SCNP)模型和语义影响力(Semantic impact, SI)模型; 以SCNP作为标签传播的权重, 以SI 作为截断值的参数, 提出一种改进的Semantic-LPA (Semantic label propagation algorithm)算法; 提出可度量语义社区发现结果的语义模块度模型, 并通过实验分析, 验证了算法及语义模块度模型的有效性及可行性.
2014, 40(10): 2276-2287.
doi: 10.3724/SP.J.1004.2014.02276
摘要:
在机器学习中,迁移学习被证明能有效使用一个领域信息提高另一个领域中受训模型的分类精度. 迁移学习总是假设相关领域间共享某些隐含因素,但在当前的迁移学习方法中,该部分隐含因素依然未得到充分 探讨.本研究引入低维共享隐空间的迁移学习方法,基于经典支持向量机(Support vector machine, SVM)分类模型得到融入共享隐空间的迁移支持向量机,该模型较以往相关方法能更好地利用隐空间这一有效信息,从而提高所得分类器 的泛化性能.相关实验结果亦验证了所提方法的有效性.
在机器学习中,迁移学习被证明能有效使用一个领域信息提高另一个领域中受训模型的分类精度. 迁移学习总是假设相关领域间共享某些隐含因素,但在当前的迁移学习方法中,该部分隐含因素依然未得到充分 探讨.本研究引入低维共享隐空间的迁移学习方法,基于经典支持向量机(Support vector machine, SVM)分类模型得到融入共享隐空间的迁移支持向量机,该模型较以往相关方法能更好地利用隐空间这一有效信息,从而提高所得分类器 的泛化性能.相关实验结果亦验证了所提方法的有效性.
2014, 40(10): 2288-2294.
doi: 10.3724/SP.J.1004.2014.02288
摘要:
在支持向量机(Support vector machine, SVM)中, 对核函数的定义非常重要, 不同的核会产生不同的分类结果. 如何充分利用多个不同核函数的特点, 来共同提高SVM学习的效果, 已成为一个研究热点. 于是, 多核学习(Multiple kernel learning, MKL)方法应运而生. 最近, 有的学者提出了一种简单有效的稀疏MKL算法,即GMKL (Generalized MKL)算法, 它结合了L1 范式和L2范式的优点, 形成了一个对核权重的弹性限定. 然而, GMKL算法也并没有考虑到如何在充分利用已经选用的核函数中的共有信息. 另一方面, MultiK-MHKS算法则考虑了利用典型关联分析(Canonical correlation analysis, CCA)来获取核函数之间的共有信息, 但是却没有考虑到核函数的筛选问题. 本文模型则基于这两种算法进行了一定程度的改进, 我们称我们的算法为改进的显性多核支持向量机 (Improved domain multiple kernel support vector machine, IDMK-SVM). 我们证明了本文的模型保持了GMKL 的特性, 并且证明了算法的收敛性. 最后通过模拟实验, 本文证明了本文的多核学习方法相比于传统的多核学习方法有一定的精确性优势.
在支持向量机(Support vector machine, SVM)中, 对核函数的定义非常重要, 不同的核会产生不同的分类结果. 如何充分利用多个不同核函数的特点, 来共同提高SVM学习的效果, 已成为一个研究热点. 于是, 多核学习(Multiple kernel learning, MKL)方法应运而生. 最近, 有的学者提出了一种简单有效的稀疏MKL算法,即GMKL (Generalized MKL)算法, 它结合了L1 范式和L2范式的优点, 形成了一个对核权重的弹性限定. 然而, GMKL算法也并没有考虑到如何在充分利用已经选用的核函数中的共有信息. 另一方面, MultiK-MHKS算法则考虑了利用典型关联分析(Canonical correlation analysis, CCA)来获取核函数之间的共有信息, 但是却没有考虑到核函数的筛选问题. 本文模型则基于这两种算法进行了一定程度的改进, 我们称我们的算法为改进的显性多核支持向量机 (Improved domain multiple kernel support vector machine, IDMK-SVM). 我们证明了本文的模型保持了GMKL 的特性, 并且证明了算法的收敛性. 最后通过模拟实验, 本文证明了本文的多核学习方法相比于传统的多核学习方法有一定的精确性优势.
2014, 40(10): 2295-2305.
doi: 10.3724/SP.J.1004.2014.02295
摘要:
为了利用核技巧提高分类性能, 在局部保持的稀疏表示 字典学习的基础上, 提出了两种核化的稀疏表示字典学习方法. 首先, 原始训练数据被投影到高维核空间, 进行基于局部保持的核稀疏表示字典学习; 其次, 在稀疏系数上强加核局部保持约束, 进行基于核局部保持的核稀疏表示字典学习. 实验结果表明, 该方法的分类识别结果优于其他方法.
为了利用核技巧提高分类性能, 在局部保持的稀疏表示 字典学习的基础上, 提出了两种核化的稀疏表示字典学习方法. 首先, 原始训练数据被投影到高维核空间, 进行基于局部保持的核稀疏表示字典学习; 其次, 在稀疏系数上强加核局部保持约束, 进行基于核局部保持的核稀疏表示字典学习. 实验结果表明, 该方法的分类识别结果优于其他方法.
2014, 40(10): 2306-2315.
doi: 10.3724/SP.J.1004.2014.02306
摘要:
为了准确检测单幅图像中的影子, 提出一种基于图割的影子检测方法. 首先,使用均值漂移将原始图像分割为若干区域并记录区域之间的边界. 其次,利用支持向量机分类器分别获得分割图像中的候选影子边界和候选影子非影子区域对. 然后,利用候选影子边界两侧的区域信息及候选影子非影子区域对信息构造一个能量函数, 该能量函数反映了将图像中一部分区域划分为影子区域而另一部分区域划分为非影子区域时所需的代价. 再次,结合该能量函数构造出无向图,并证明所构造的无向图的最小割对应能量函数的最小值. 最后,通过图割算法求解该能量函数得到最终的影子检测结果. 实验结果表明,与现有代表最新进展的单幅图像影子检测方法相比,所提方法提高了影子检测结果的准确性和连续性.
为了准确检测单幅图像中的影子, 提出一种基于图割的影子检测方法. 首先,使用均值漂移将原始图像分割为若干区域并记录区域之间的边界. 其次,利用支持向量机分类器分别获得分割图像中的候选影子边界和候选影子非影子区域对. 然后,利用候选影子边界两侧的区域信息及候选影子非影子区域对信息构造一个能量函数, 该能量函数反映了将图像中一部分区域划分为影子区域而另一部分区域划分为非影子区域时所需的代价. 再次,结合该能量函数构造出无向图,并证明所构造的无向图的最小割对应能量函数的最小值. 最后,通过图割算法求解该能量函数得到最终的影子检测结果. 实验结果表明,与现有代表最新进展的单幅图像影子检测方法相比,所提方法提高了影子检测结果的准确性和连续性.
2014, 40(10): 2316-2323.
doi: 10.3724/SP.J.1004.2014.02316
摘要:
压缩感知(CS)是在低于奈奎斯特率条件下获取和重构稀疏信号的新兴技术,在图像和视频获取和处理中有巨大的发展潜力.为了有效提高被测信号的稀疏性和重构效率,本文提出一种基于双边信息的残差分布式压缩视频感知(RDCVS-DSI)编解码模型.该模型利用了图像自身的频域特性和邻近帧之间的相关性,以低质量的视频帧作为编解码的第一边信息,解码端利用关键帧运动估计和运动补偿技术生成非关键帧的第二边信息.通过性能分析和仿真测试表明,该RDCVS-DSI模型能够在较低复杂度条件下,高保真地重建视频序列.与以前的压缩视频感知工作对比,重构帧的平均峰值性噪比达到1-5dB的增益,重构速度接近于复杂度最低的DCVS.
压缩感知(CS)是在低于奈奎斯特率条件下获取和重构稀疏信号的新兴技术,在图像和视频获取和处理中有巨大的发展潜力.为了有效提高被测信号的稀疏性和重构效率,本文提出一种基于双边信息的残差分布式压缩视频感知(RDCVS-DSI)编解码模型.该模型利用了图像自身的频域特性和邻近帧之间的相关性,以低质量的视频帧作为编解码的第一边信息,解码端利用关键帧运动估计和运动补偿技术生成非关键帧的第二边信息.通过性能分析和仿真测试表明,该RDCVS-DSI模型能够在较低复杂度条件下,高保真地重建视频序列.与以前的压缩视频感知工作对比,重构帧的平均峰值性噪比达到1-5dB的增益,重构速度接近于复杂度最低的DCVS.
2014, 40(10): 2324-2333.
doi: 10.3724/SP.J.1004.2014.02324
摘要:
提出一种基于线性空间隐藏模型的可逆图像水印算法.通 过对原始图像载体互不重叠的划分形成图像块序列,对其进行整数小波变换,获取待嵌水印子带.根据0/1水印序列和线性空间隐藏模型,将水印不可感知地嵌入到图像的小波域中,提高水印鲁棒性和不可见性. 只需判断奇偶性提取水印,并且通过简单逆向平移恢复原始.线性空间隐藏模型的提出实现了水印间相互独立,从而 使该算法能扩展到多著作权的无损水印领域.投票原则的使用又进一步提高水印的 鲁棒性和降低了误检率.在无外界干扰的条件下,拥有密 钥和其他秘密参数的用户能够无损恢复原始图像.仿真实验表明,与相关工作比较该算 法能应对一定程度的有损压缩和高斯噪声攻击,表现出 较高的鲁棒性、安全性和不可见性.
提出一种基于线性空间隐藏模型的可逆图像水印算法.通 过对原始图像载体互不重叠的划分形成图像块序列,对其进行整数小波变换,获取待嵌水印子带.根据0/1水印序列和线性空间隐藏模型,将水印不可感知地嵌入到图像的小波域中,提高水印鲁棒性和不可见性. 只需判断奇偶性提取水印,并且通过简单逆向平移恢复原始.线性空间隐藏模型的提出实现了水印间相互独立,从而 使该算法能扩展到多著作权的无损水印领域.投票原则的使用又进一步提高水印的 鲁棒性和降低了误检率.在无外界干扰的条件下,拥有密 钥和其他秘密参数的用户能够无损恢复原始图像.仿真实验表明,与相关工作比较该算 法能应对一定程度的有损压缩和高斯噪声攻击,表现出 较高的鲁棒性、安全性和不可见性.
2014, 40(10): 2334-2345.
doi: 10.3724/SP.J.1004.2014.02334
摘要:
研究了采用提升构造具有任意偶数阶消失矩, 满足对称性, 且仅用一个自由参数表达的 Deslauriers-Dubuc (D-D)双正交插值小波. 首先,采用多相矩阵理论推导出了此类小波存在的条件; 然后,给出了对应小波滤波器和插值小波变换的构造算法. 采用算法具体构造了分别具有消失矩对(4, 2)、(4, 4)、(6, 2)以及(6, 4) 等4类一参数表达的D-D插值小波; 最后, 以自由参数为自变量, 根据编码增益准则, 优化设计了4种用于图像编码的插值小波, 其滤波器系数全为二进制分数, 可实现非乘法运算的离散小波变换(Discrete wavelet transform, DWT). 系统分析表明, 两种小波的压缩性能超过CDF-9/7小波, 对于纹理图像, PSNR增益达到0.44.dB, 并且计算复杂度可降低17%以上. 实验同时表明, 新小波的重构图像具有更好的主观可视质量.
研究了采用提升构造具有任意偶数阶消失矩, 满足对称性, 且仅用一个自由参数表达的 Deslauriers-Dubuc (D-D)双正交插值小波. 首先,采用多相矩阵理论推导出了此类小波存在的条件; 然后,给出了对应小波滤波器和插值小波变换的构造算法. 采用算法具体构造了分别具有消失矩对(4, 2)、(4, 4)、(6, 2)以及(6, 4) 等4类一参数表达的D-D插值小波; 最后, 以自由参数为自变量, 根据编码增益准则, 优化设计了4种用于图像编码的插值小波, 其滤波器系数全为二进制分数, 可实现非乘法运算的离散小波变换(Discrete wavelet transform, DWT). 系统分析表明, 两种小波的压缩性能超过CDF-9/7小波, 对于纹理图像, PSNR增益达到0.44.dB, 并且计算复杂度可降低17%以上. 实验同时表明, 新小波的重构图像具有更好的主观可视质量.
2014, 40(10): 2346-2355.
doi: 10.3724/SP.J.1004.2014.02346
摘要:
针对复杂场景中背景复杂、目标周围噪声多及目标只占图像中较小部分而难于检测的问题,提出一种新的基于局部轮廓特征的检测目标方法.该方法首先利用改进的全局概率边界算法 (Globalized probability of boundary, gPb) 算法提取图像的轮廓,然后应用最大类间方差法 (Otsu)进行自动阈值处理得到图像的显著性轮廓; 再提取显著性轮廓的k邻近大致直线轮廓段(k connected roughly straight contour segments, kAS),并以kAS作为局部特征,用于复杂场景中的目标检测.该算法结合 gPb 算法和 Otsu 提取轮廓的显著性轮廓,去除了目标附近的大量噪声边界,有效地提高了检测效率.同时,在检测阶段,测试集与 训练集中提取的不相关特征数目也得到较大减少,从而提高了检测的精度.多组实验结果均表明本文方法的有效性.
针对复杂场景中背景复杂、目标周围噪声多及目标只占图像中较小部分而难于检测的问题,提出一种新的基于局部轮廓特征的检测目标方法.该方法首先利用改进的全局概率边界算法 (Globalized probability of boundary, gPb) 算法提取图像的轮廓,然后应用最大类间方差法 (Otsu)进行自动阈值处理得到图像的显著性轮廓; 再提取显著性轮廓的k邻近大致直线轮廓段(k connected roughly straight contour segments, kAS),并以kAS作为局部特征,用于复杂场景中的目标检测.该算法结合 gPb 算法和 Otsu 提取轮廓的显著性轮廓,去除了目标附近的大量噪声边界,有效地提高了检测效率.同时,在检测阶段,测试集与 训练集中提取的不相关特征数目也得到较大减少,从而提高了检测的精度.多组实验结果均表明本文方法的有效性.
2014, 40(10): 2356-2363.
doi: 10.3724/SP.J.1004.2014.02356
摘要:
兴趣点检测是中层视觉感知过程的关键步骤,也是众多机器视觉系统的重要组成部分.此前的大多数兴趣点检测子都是针对特殊的二维图像结构设计的,比如角点、交叉点、端点等,所以对与其差别较大的特征不能检测.采用在Gabor能量空间中迭代搜索的方法,本文提出了一种尺度不变兴趣点检测子.基于结构不同的二维图像特征在相频域中表现相似的特点,该检测子能检测大多数特征.首先,基于Gabor滤波器响应获得一系列能量图像,通过极值点检测得到候选兴趣点;其次,使用一种迭代方法同时选择特征尺度与精确定位特征点位置;最后为了提高算法的实时性,采用了一种递推方法加速能量图像的计算过程.实验结果表明相对于其它检测子,本文提出的方法具有更广泛的适应性,并且在旋转、尺度、光照等变化下具有良好的稳定性.
兴趣点检测是中层视觉感知过程的关键步骤,也是众多机器视觉系统的重要组成部分.此前的大多数兴趣点检测子都是针对特殊的二维图像结构设计的,比如角点、交叉点、端点等,所以对与其差别较大的特征不能检测.采用在Gabor能量空间中迭代搜索的方法,本文提出了一种尺度不变兴趣点检测子.基于结构不同的二维图像特征在相频域中表现相似的特点,该检测子能检测大多数特征.首先,基于Gabor滤波器响应获得一系列能量图像,通过极值点检测得到候选兴趣点;其次,使用一种迭代方法同时选择特征尺度与精确定位特征点位置;最后为了提高算法的实时性,采用了一种递推方法加速能量图像的计算过程.实验结果表明相对于其它检测子,本文提出的方法具有更广泛的适应性,并且在旋转、尺度、光照等变化下具有良好的稳定性.
2014, 40(10): 2364-2369.
doi: 10.3724/SP.J.1004.2014.02364
摘要:
针对一类离散时间线性时变系统提出了一种传感器故障诊断方法.本文首先通过状态增广的方式将被研究的系统转化为描述系统的形式,并且基于该描述系统模型,采用方差最小化原则设计了一种能够同时估计系统状态和传感器故障的故障估计滤波器,然后利用一组故障估计滤波器提出了一种故障诊断方法.本文的主要贡献在于针对离散线性时变系统提出了一种不需要对故障动态进行假设的传感器故障诊断方法.所提出方法的另一个优点是该方法能够在存在过程和测量噪声的情况下实现故障检测、分离与估计.仿真结果说明了所提出方法的有效性.
针对一类离散时间线性时变系统提出了一种传感器故障诊断方法.本文首先通过状态增广的方式将被研究的系统转化为描述系统的形式,并且基于该描述系统模型,采用方差最小化原则设计了一种能够同时估计系统状态和传感器故障的故障估计滤波器,然后利用一组故障估计滤波器提出了一种故障诊断方法.本文的主要贡献在于针对离散线性时变系统提出了一种不需要对故障动态进行假设的传感器故障诊断方法.所提出方法的另一个优点是该方法能够在存在过程和测量噪声的情况下实现故障检测、分离与估计.仿真结果说明了所提出方法的有效性.
2014, 40(10): 2370-2376.
doi: 10.3724/SP.J.1004.2014.02370
摘要:
针对一步预测问题,本文提出一种新的自适应滤波算法,该算法通过神经网络来调制薛定谔方程的势场函数.这种算法就是所谓的量子递归神经网络(RQNN),它可以过滤嵌入在真实信号中的非平稳噪声且不需要信号和噪声的任何先验信息.本文通过RQNN与RLS算法的仿真结果比较,表明:RQNN在过滤嵌入在直流信号,正弦信号,阶梯信号和语言信号中的高斯平稳噪声,高斯非平稳噪声或非高斯平稳噪声更准确和有更好的自适应性.实验结果表明:RQNN在过滤正弦信号中的高斯噪声时,输出信噪比相对于输入信噪比提高了20dB,这比RLS滤波器高10dB.
针对一步预测问题,本文提出一种新的自适应滤波算法,该算法通过神经网络来调制薛定谔方程的势场函数.这种算法就是所谓的量子递归神经网络(RQNN),它可以过滤嵌入在真实信号中的非平稳噪声且不需要信号和噪声的任何先验信息.本文通过RQNN与RLS算法的仿真结果比较,表明:RQNN在过滤嵌入在直流信号,正弦信号,阶梯信号和语言信号中的高斯平稳噪声,高斯非平稳噪声或非高斯平稳噪声更准确和有更好的自适应性.实验结果表明:RQNN在过滤正弦信号中的高斯噪声时,输出信噪比相对于输入信噪比提高了20dB,这比RLS滤波器高10dB.
