2006年 第32卷 第4期
2006, 32(4): 481-488.
摘要:
研究广义不确定周期时变系统的鲁棒稳定性问题.基于广义周期时变系统Lyapunov不等式,提出了广义不确定周期时变系统鲁棒稳定的概念,采用矩阵不等式(LMI)方法,得到了该类系统鲁棒稳定的充分必要条件;然后,进一步研究了在状态反馈控制下保证闭环系统鲁棒稳定的条件,给出了一族状态反馈鲁棒稳定器的设计方法;最后,引入了广义周期时变系统二次稳定的概念,并讨论了二次稳定性与鲁棒稳定性之间的关系.
研究广义不确定周期时变系统的鲁棒稳定性问题.基于广义周期时变系统Lyapunov不等式,提出了广义不确定周期时变系统鲁棒稳定的概念,采用矩阵不等式(LMI)方法,得到了该类系统鲁棒稳定的充分必要条件;然后,进一步研究了在状态反馈控制下保证闭环系统鲁棒稳定的条件,给出了一族状态反馈鲁棒稳定器的设计方法;最后,引入了广义周期时变系统二次稳定的概念,并讨论了二次稳定性与鲁棒稳定性之间的关系.
2006, 32(4): 489-495.
摘要:
Throught fusion of the mechanism modeling and the neural networks modeling, a component content soft-sensor, which is composed of the equilibrium calculation model for multi-component rare earth extraction and the error compensation model of fuzzy system, is proposed to solve the problem that the component content in countercurrent rare-earth extraction process is hardly measured on-line. An industry experiment in the extraction Y process by HAB using this hybrid soft-sensor proves its effectiveness.
Throught fusion of the mechanism modeling and the neural networks modeling, a component content soft-sensor, which is composed of the equilibrium calculation model for multi-component rare earth extraction and the error compensation model of fuzzy system, is proposed to solve the problem that the component content in countercurrent rare-earth extraction process is hardly measured on-line. An industry experiment in the extraction Y process by HAB using this hybrid soft-sensor proves its effectiveness.
2006, 32(4): 496-503.
摘要:
Neuro-fuzzy (NF) networks are adaptive fuzzy inference systems (FIS) and have been applied to feature selection by some researchers. However, their rule number will grow exponentially as the data dimension increases. On the other hand, feature selection algorithms with artificial neural networks (ANN) usually require normalization of input data, which will probably change some characteristics of original data that are important for classification. To overcome the problems mentioned above, this paper combines the fuzzification layer of the neuro-fuzzy system with the multi-layer perceptron (MLP) to form a new artificial neural network. Furthermore, fuzzification strategy and feature measurement based on membership space are proposed for feature selection.Finally, experiments with both natural and artificial data are carried out to compare with other methods, and the results approve the validity of the algorithm.
Neuro-fuzzy (NF) networks are adaptive fuzzy inference systems (FIS) and have been applied to feature selection by some researchers. However, their rule number will grow exponentially as the data dimension increases. On the other hand, feature selection algorithms with artificial neural networks (ANN) usually require normalization of input data, which will probably change some characteristics of original data that are important for classification. To overcome the problems mentioned above, this paper combines the fuzzification layer of the neuro-fuzzy system with the multi-layer perceptron (MLP) to form a new artificial neural network. Furthermore, fuzzification strategy and feature measurement based on membership space are proposed for feature selection.Finally, experiments with both natural and artificial data are carried out to compare with other methods, and the results approve the validity of the algorithm.
2006, 32(4): 504-511.
摘要:
The PnP problem is a widely used technique for pose determination in computer vision community, and finding out geometric conditions of multiple solutions is the ultimate and most desirable goal of the multi-solution analysis, which is also a key research issue of the problem. In this paper, we prove that given 3 control points, if the camera's optical center lies on the so-called"danger cylinder" and is enough far from the supporting plane of control points, the corresponding P3P problem must have 3 positive solutions. This result can bring some new insights into a better understanding of the multi-solution problem. For example, it is shown in the literature that the solution of the P3P problem is instable if the optical center lies on this danger cylinder, we think such occurrence of triple-solution is the primary source of this instability.
The PnP problem is a widely used technique for pose determination in computer vision community, and finding out geometric conditions of multiple solutions is the ultimate and most desirable goal of the multi-solution analysis, which is also a key research issue of the problem. In this paper, we prove that given 3 control points, if the camera's optical center lies on the so-called"danger cylinder" and is enough far from the supporting plane of control points, the corresponding P3P problem must have 3 positive solutions. This result can bring some new insights into a better understanding of the multi-solution problem. For example, it is shown in the literature that the solution of the P3P problem is instable if the optical center lies on this danger cylinder, we think such occurrence of triple-solution is the primary source of this instability.
2006, 32(4): 512-518.
摘要:
首先讨论了耳廓识别技术的可行性、可靠性及其特点,针对耳廓识别特点提出一种基于图像力场转换的耳廓识别方法(Force-field fisher classifier).该方法通过力场图像转换提取耳廓图像特征后,采用Fisher线性判别分类识别,减小了光照变化对耳廓识别的影响.在我们选取的耳廓图像库上识别率达到了98.5%.
首先讨论了耳廓识别技术的可行性、可靠性及其特点,针对耳廓识别特点提出一种基于图像力场转换的耳廓识别方法(Force-field fisher classifier).该方法通过力场图像转换提取耳廓图像特征后,采用Fisher线性判别分类识别,减小了光照变化对耳廓识别的影响.在我们选取的耳廓图像库上识别率达到了98.5%.
2006, 32(4): 519-525.
摘要:
对特征参数概率分布的实验分析表明,在有噪声影响的情况下,特征参数通常呈现双峰分布.据此,本文提出了一种新的,基于双高斯的高斯混合模型(Gaussian mixture model,GMM)的特征参数归一化方法,以提高语音识别系统的鲁棒性.该方法采用更为细致的双高斯模型来表达特征参数的累积分布函数(CDF),并依据估计得到的CDF进行参数变换将训练和识别时的特征参数的分布都规整为标准高斯分布,从而提高识别正确率.在Aurora 2和Aurora 3数据库上的实验结果表明,本文提出的方法的性能明显好于传统的倒谱均值规整(Cepstral mean normalization,CMN)和倒谱均值方差规整(Cepstral mean and variance normalization,CMVN)方法,而与非参数化方法-直方图均衡特征规整方法的性能基本相当.
对特征参数概率分布的实验分析表明,在有噪声影响的情况下,特征参数通常呈现双峰分布.据此,本文提出了一种新的,基于双高斯的高斯混合模型(Gaussian mixture model,GMM)的特征参数归一化方法,以提高语音识别系统的鲁棒性.该方法采用更为细致的双高斯模型来表达特征参数的累积分布函数(CDF),并依据估计得到的CDF进行参数变换将训练和识别时的特征参数的分布都规整为标准高斯分布,从而提高识别正确率.在Aurora 2和Aurora 3数据库上的实验结果表明,本文提出的方法的性能明显好于传统的倒谱均值规整(Cepstral mean normalization,CMN)和倒谱均值方差规整(Cepstral mean and variance normalization,CMVN)方法,而与非参数化方法-直方图均衡特征规整方法的性能基本相当.
2006, 32(4): 526-533.
摘要:
在H.264/AVC中,帧内编码采用帧内预测来提高编码效率.色度块尺寸为8×8,亮度块包括4×4和16×16两种尺寸,每种块提供多种预测模式,因此这种多模式选择极大地增加了编码复杂性.本文利用色度块和亮度块以及亮度4×4和16×16块模式选择之间的相关性,提出一种基于RDO(Rate distortion optimization)不同判决依据的快速帧内预测模式选择算法,并能够自适应调整阈值.实验结果表明与校验模型JM7.2相比在信噪比和码率变化不大的同时,能够使Ⅰ帧编码速度平均提高6倍,并可节约P帧25%的编码时间.
在H.264/AVC中,帧内编码采用帧内预测来提高编码效率.色度块尺寸为8×8,亮度块包括4×4和16×16两种尺寸,每种块提供多种预测模式,因此这种多模式选择极大地增加了编码复杂性.本文利用色度块和亮度块以及亮度4×4和16×16块模式选择之间的相关性,提出一种基于RDO(Rate distortion optimization)不同判决依据的快速帧内预测模式选择算法,并能够自适应调整阈值.实验结果表明与校验模型JM7.2相比在信噪比和码率变化不大的同时,能够使Ⅰ帧编码速度平均提高6倍,并可节约P帧25%的编码时间.
2006, 32(4): 534-540.
摘要:
针对能够同时进行图像分割、去噪与重建目的的Mumford-Shah能量泛涵最小值图像模型求解非常困难这一问题,提出了"多层Mumford-Shah图像分割、去噪与重建模型"和求解该多层模型最小值的"水平集逐层迭代算法".该多层模型是Mumford-Shah"最小分割问题"的"多层"模型.实验结果表明,该方法不仅能够同时进行具有T型图像边缘或更复杂拓扑结构图像边缘的图像分割、去噪与重建,而且比Tsai A.等人提出的多层求解轮廓和Chan T.等人提出的多相水平集方法更简单更有效.
针对能够同时进行图像分割、去噪与重建目的的Mumford-Shah能量泛涵最小值图像模型求解非常困难这一问题,提出了"多层Mumford-Shah图像分割、去噪与重建模型"和求解该多层模型最小值的"水平集逐层迭代算法".该多层模型是Mumford-Shah"最小分割问题"的"多层"模型.实验结果表明,该方法不仅能够同时进行具有T型图像边缘或更复杂拓扑结构图像边缘的图像分割、去噪与重建,而且比Tsai A.等人提出的多层求解轮廓和Chan T.等人提出的多相水平集方法更简单更有效.
2006, 32(4): 541-549.
摘要:
首先证明了,当类内散布矩阵非奇异时,特定参数值c0下最大散度差的最优鉴别方向等同于Fisher最优鉴别方向;其次,给出了最大散度差分类算法的识别率随参数C变化的曲线.该曲线通常为一脉冲曲线.随着参数C的增大,识别率也逐渐增大.当参数C增大到c0时,识别率达到最大值.另外,以往的研究成果表明:当类内散布矩阵奇异时,最大散度差鉴别准则逐步逼近大间距线性投影准则.而且,随着参数C的不断增大,最大散度差分类算法的识别率也单调增大并最终稳定到大间距线性投影分类算法的识别率上.为此,我们提出了基于最大散度差鉴别准则的自适应分类算法.新算法可以根据训练样本的特性(类内散布矩阵是否奇异)自动选择恰当的参数C.在UCI机器学习数据库上的6个数据集以及AR人脸图像数据库上的测试结果表明,自适应最大散度差分类算法具有良好的分类性能.
首先证明了,当类内散布矩阵非奇异时,特定参数值c0下最大散度差的最优鉴别方向等同于Fisher最优鉴别方向;其次,给出了最大散度差分类算法的识别率随参数C变化的曲线.该曲线通常为一脉冲曲线.随着参数C的增大,识别率也逐渐增大.当参数C增大到c0时,识别率达到最大值.另外,以往的研究成果表明:当类内散布矩阵奇异时,最大散度差鉴别准则逐步逼近大间距线性投影准则.而且,随着参数C的不断增大,最大散度差分类算法的识别率也单调增大并最终稳定到大间距线性投影分类算法的识别率上.为此,我们提出了基于最大散度差鉴别准则的自适应分类算法.新算法可以根据训练样本的特性(类内散布矩阵是否奇异)自动选择恰当的参数C.在UCI机器学习数据库上的6个数据集以及AR人脸图像数据库上的测试结果表明,自适应最大散度差分类算法具有良好的分类性能.
2006, 32(4): 550-559.
摘要:
首先将汽车主动悬架的控制问题归结为有时域硬约束的鲁棒干扰抑制问题.在多目标控制框架下,基于线性矩阵不等式(LMI)优化技术,提出了一种H2/广义H2混合控制策略:利用广义H2范数描述系统的时域硬约束,同时选择H2范数最小化系统的性能输出,最终将系统的控制律归结为求解具有LMI约束的半定规划问题.以半车模型为例设计了主动悬架控制器,并给出了较全面的分析和仿真结论.最后利用快速原型(RCP)和硬件在回路仿真(HILS)一体化技术进一步验证所提方法的有效性和可行性.
首先将汽车主动悬架的控制问题归结为有时域硬约束的鲁棒干扰抑制问题.在多目标控制框架下,基于线性矩阵不等式(LMI)优化技术,提出了一种H2/广义H2混合控制策略:利用广义H2范数描述系统的时域硬约束,同时选择H2范数最小化系统的性能输出,最终将系统的控制律归结为求解具有LMI约束的半定规划问题.以半车模型为例设计了主动悬架控制器,并给出了较全面的分析和仿真结论.最后利用快速原型(RCP)和硬件在回路仿真(HILS)一体化技术进一步验证所提方法的有效性和可行性.
2006, 32(4): 560-567.
摘要:
提出了一种新的人体三维运动实时跟踪与建模系统设计方法,并基于此实现了一套鲁棒的参考应用系统.针对人机交互等对跟踪精度要求不是很高的应用场合,系统在跟踪精确性和简易性与可推广性之间做了很好的折中.系统使用多个摄像头采集图像,实时计算场景深度信息,然后结合使用深度和颜色信息进行人体跟踪.应用一个简易的人体上半身三维模型,并使用基于颜色直方图的粒子滤波算法对头部和手部进行跟踪,从而恢复出模型的各个参数.系统以人脸检测和人手肤色聚类算法为初始化方法.大量实验证明,该系统能在复杂背景下进行人体上半身的跟踪和三维模型恢复,能进行完全自动的初始化,有较强的抗干扰能力和自动错误恢复能力.系统在2.4GHz PC机上能以25帧/秒的速度运行.
提出了一种新的人体三维运动实时跟踪与建模系统设计方法,并基于此实现了一套鲁棒的参考应用系统.针对人机交互等对跟踪精度要求不是很高的应用场合,系统在跟踪精确性和简易性与可推广性之间做了很好的折中.系统使用多个摄像头采集图像,实时计算场景深度信息,然后结合使用深度和颜色信息进行人体跟踪.应用一个简易的人体上半身三维模型,并使用基于颜色直方图的粒子滤波算法对头部和手部进行跟踪,从而恢复出模型的各个参数.系统以人脸检测和人手肤色聚类算法为初始化方法.大量实验证明,该系统能在复杂背景下进行人体上半身的跟踪和三维模型恢复,能进行完全自动的初始化,有较强的抗干扰能力和自动错误恢复能力.系统在2.4GHz PC机上能以25帧/秒的速度运行.
2006, 32(4): 568-577.
摘要:
小波基的冗余可导致鲁棒性,冗余使得低精度下获得的小波系数能在相对高的精度下重建原始信号.本文详细讨论在连续和离散两种情况下小波变换系数在二维时间-尺度空间中的冗余性问题,其中包括:1)小波基自身冗余性的分析,2)信号本身冗余性的分析,3)变换系数冗余性同小波基冗余性之间的关系,4)变换系数冗余性同信号冗余性之间的关系.最后给出体现变换系数冗余性、小波基冗余性以及信号自身冗余性这三者之间关系的统一表达式.
小波基的冗余可导致鲁棒性,冗余使得低精度下获得的小波系数能在相对高的精度下重建原始信号.本文详细讨论在连续和离散两种情况下小波变换系数在二维时间-尺度空间中的冗余性问题,其中包括:1)小波基自身冗余性的分析,2)信号本身冗余性的分析,3)变换系数冗余性同小波基冗余性之间的关系,4)变换系数冗余性同信号冗余性之间的关系.最后给出体现变换系数冗余性、小波基冗余性以及信号自身冗余性这三者之间关系的统一表达式.
2006, 32(4): 578-585.
摘要:
研究基于性能的迭代学习算法设计与优化问题.首先定义了迭代域二次型性能函数,然后针对线性离散系统给出了迭代域最优迭代学习算法;基于线性矩阵不等式(LMI)方法,针对不确定线性离散系统给出了保性能迭代学习算法及其优化方法.对于这两类迭代学习算法,只要调整性能函数中的权系数矩阵,便可很好地调整迭代学习收敛速度.另外,保性能迭代学习算法设计及优化过程,可利用MATLAB工具箱很方便地求解.
研究基于性能的迭代学习算法设计与优化问题.首先定义了迭代域二次型性能函数,然后针对线性离散系统给出了迭代域最优迭代学习算法;基于线性矩阵不等式(LMI)方法,针对不确定线性离散系统给出了保性能迭代学习算法及其优化方法.对于这两类迭代学习算法,只要调整性能函数中的权系数矩阵,便可很好地调整迭代学习收敛速度.另外,保性能迭代学习算法设计及优化过程,可利用MATLAB工具箱很方便地求解.
2006, 32(4): 586-593.
摘要:
研究了全局静态环境未知时机器人的路径规划问题,提出了一种新颖的滚动规划蚂蚁算法.该方法将目标点映射到机器人视野域附近,再由两组蚂蚁采用最近邻居搜索策略相互协作完成机器人局部最优路径的搜索,机器人每前进一步,都由蚂蚁对局部路径重新搜索,因此,机器人前进路径不断动态修改,从而能使机器人沿一条全局优化的路径到达终点.仿真实验结果表明,即使在障碍物非常复杂的地理环境,用本算法也能迅速规划出一条优化路径,且能安全避碰,效果十分令人满意.
研究了全局静态环境未知时机器人的路径规划问题,提出了一种新颖的滚动规划蚂蚁算法.该方法将目标点映射到机器人视野域附近,再由两组蚂蚁采用最近邻居搜索策略相互协作完成机器人局部最优路径的搜索,机器人每前进一步,都由蚂蚁对局部路径重新搜索,因此,机器人前进路径不断动态修改,从而能使机器人沿一条全局优化的路径到达终点.仿真实验结果表明,即使在障碍物非常复杂的地理环境,用本算法也能迅速规划出一条优化路径,且能安全避碰,效果十分令人满意.
2006, 32(4): 594-602.
摘要:
现实世界和工程实践产生了大量的数据流,这种数据不同于传统的静态数据,对其进行有效处理和挖掘遇到了极大的挑战.如何使用有限存储空间进行快速和近似的频繁模式挖掘是数据流挖掘的基本问题,具有非常重要的研究价值和实践意义,已经引起了国内外研究者的广泛关注.本文深入分析数据流中的频繁模式挖掘,对其特点和算法进行较为全面的总结和分类论述,并讨论了存在的主要问题和未来的研究方向.
现实世界和工程实践产生了大量的数据流,这种数据不同于传统的静态数据,对其进行有效处理和挖掘遇到了极大的挑战.如何使用有限存储空间进行快速和近似的频繁模式挖掘是数据流挖掘的基本问题,具有非常重要的研究价值和实践意义,已经引起了国内外研究者的广泛关注.本文深入分析数据流中的频繁模式挖掘,对其特点和算法进行较为全面的总结和分类论述,并讨论了存在的主要问题和未来的研究方向.
2006, 32(4): 603-617.
摘要:
视觉跟踪问题是当前计算机视觉领域中的热点问题,本文对这一问题进行了详细的介绍.首先,对视觉跟踪技术在视频监视、图像压缩和三维重构等三个主要方面的应用进行了论述.其次,详细阐述了该技术的研究现状,介绍了其中的一些常用方法,为清楚说明这些方法,先对视觉跟踪问题进行了分类,然后介绍了处理视觉跟踪问题的两种思路即自底向上和自顶向下的思路,最后将具体的视觉跟踪方法分为四类进行了介绍,这四类分别是基于区域的跟踪、基于特征的跟踪、基于变形模板的跟踪和基于模型的跟踪.最后,从控制论角度给出视觉跟踪算法所面临的难点,即算法要满足鲁棒性、准确性和快速性要求时所遇到的困难,并对视觉跟踪问题的研究前景进行了展望.
视觉跟踪问题是当前计算机视觉领域中的热点问题,本文对这一问题进行了详细的介绍.首先,对视觉跟踪技术在视频监视、图像压缩和三维重构等三个主要方面的应用进行了论述.其次,详细阐述了该技术的研究现状,介绍了其中的一些常用方法,为清楚说明这些方法,先对视觉跟踪问题进行了分类,然后介绍了处理视觉跟踪问题的两种思路即自底向上和自顶向下的思路,最后将具体的视觉跟踪方法分为四类进行了介绍,这四类分别是基于区域的跟踪、基于特征的跟踪、基于变形模板的跟踪和基于模型的跟踪.最后,从控制论角度给出视觉跟踪算法所面临的难点,即算法要满足鲁棒性、准确性和快速性要求时所遇到的困难,并对视觉跟踪问题的研究前景进行了展望.
2006, 32(4): 618-623.
摘要:
The problem of controlling a single-input-single-output plant without prior knowledge of high frequency gain sign is addressed by using the model reference robust control approach. A switching method is proposed based on a monitoring function so that after a finite number of switchings the tracking error converges to zero exponentially. Furthermore, it is shown that if some initial states of the closed-loop system are zero, only one switching is needed.
The problem of controlling a single-input-single-output plant without prior knowledge of high frequency gain sign is addressed by using the model reference robust control approach. A switching method is proposed based on a monitoring function so that after a finite number of switchings the tracking error converges to zero exponentially. Furthermore, it is shown that if some initial states of the closed-loop system are zero, only one switching is needed.
2006, 32(4): 624-629.
摘要:
研究具有扰动不确定的状态时滞系统鲁棒故障诊断滤波器的设计问题.通过对系统传递函数输入输出通道的组合变换,引入一种能够同时体现残差对扰动信号鲁棒性和对故障信号灵敏性的性能指标,将基于状态观测器的鲁棒故障诊断滤波器设计问题转化为H∞优化设计问题,应用线性矩阵不等式(LMI)技术,给出并证明了该设计问题解存在的条件和求解方法.最后,通过一个仿真算例来验证本方法的有效性.
研究具有扰动不确定的状态时滞系统鲁棒故障诊断滤波器的设计问题.通过对系统传递函数输入输出通道的组合变换,引入一种能够同时体现残差对扰动信号鲁棒性和对故障信号灵敏性的性能指标,将基于状态观测器的鲁棒故障诊断滤波器设计问题转化为H∞优化设计问题,应用线性矩阵不等式(LMI)技术,给出并证明了该设计问题解存在的条件和求解方法.最后,通过一个仿真算例来验证本方法的有效性.
2006, 32(4): 630-635.
摘要:
提出了一种基于模拟退火与微粒群算法的协同进化方法,利用了微粒群算法的易实现性、局部快速收敛性以及模拟退火算法的全局收敛性.通过两种算法的协同搜索,可以有效克服微粒群算法的早熟收敛.仿真结果表明,本文的协同进化方法不仅具有较好的全局收敛性能,而且具有较快的收敛速度.文章从理论上证明了该方法以概率1收敛于全局最优解.
提出了一种基于模拟退火与微粒群算法的协同进化方法,利用了微粒群算法的易实现性、局部快速收敛性以及模拟退火算法的全局收敛性.通过两种算法的协同搜索,可以有效克服微粒群算法的早熟收敛.仿真结果表明,本文的协同进化方法不仅具有较好的全局收敛性能,而且具有较快的收敛速度.文章从理论上证明了该方法以概率1收敛于全局最优解.
2006, 32(4): 636-640.
摘要:
针对铁矿选矿中的竖炉焙烧过程具有综合复杂性和产品质量指标一磁选管回收率难以在线测量因而不易实现优化控制的难题,通过对焙烧过程动态特性和人工操作模式的分析,将智能方法与前馈、反馈控制相结合,提出一种基于磁选管回收率、台时产量、煤气消耗等综合生产指标的多变量智能优化控制方法.根据综合生产指标的目标值和边界条件的变化在线对控制回路的设定值进行自动调整而实现优化控制.将提出的方法应用于国内某大型选矿厂竖炉焙烧过程,实现了综合生产指标的优化控制,取得显著应用效果.
针对铁矿选矿中的竖炉焙烧过程具有综合复杂性和产品质量指标一磁选管回收率难以在线测量因而不易实现优化控制的难题,通过对焙烧过程动态特性和人工操作模式的分析,将智能方法与前馈、反馈控制相结合,提出一种基于磁选管回收率、台时产量、煤气消耗等综合生产指标的多变量智能优化控制方法.根据综合生产指标的目标值和边界条件的变化在线对控制回路的设定值进行自动调整而实现优化控制.将提出的方法应用于国内某大型选矿厂竖炉焙烧过程,实现了综合生产指标的优化控制,取得显著应用效果.
