2012年 第38卷 第1期
2012, 38(1): 1-11.
doi: 10.3724/SP.J.1004.2012.00001
摘要:
视频传感器外部参数自校准,即确定视频传感器的坐标和转角,是实现视频传感器网络应用的重要前提.不同于有重叠视域的视频传感器网络,无重叠视域的视频传感器网络中的视频传感器之间没有可以共享的、可以辅助求解它们的外部参数的信息,所以实现无重叠视域视频传感器外部参数自校准更加富有挑战性.本文回顾了国内外学者在无重叠视域视频传感器外部参数自校准方面的研究工作,着重对目前已有的算法进行了详细的分类和介绍,最后从多方面综合评述了各种算法的性能.
视频传感器外部参数自校准,即确定视频传感器的坐标和转角,是实现视频传感器网络应用的重要前提.不同于有重叠视域的视频传感器网络,无重叠视域的视频传感器网络中的视频传感器之间没有可以共享的、可以辅助求解它们的外部参数的信息,所以实现无重叠视域视频传感器外部参数自校准更加富有挑战性.本文回顾了国内外学者在无重叠视域视频传感器外部参数自校准方面的研究工作,着重对目前已有的算法进行了详细的分类和介绍,最后从多方面综合评述了各种算法的性能.
2012, 38(1): 12-22.
doi: 10.3724/SP.J.1004.2012.00012
摘要:
研究带有干扰观测器(Disturbance observer,DOB)的反馈控制系统对模型不确定性鲁棒稳定的充分条件,在此基础上,选取满足此充分条件的加权函数,使得标准H∞干扰观测器设计方法保证对受控对象参数变化的鲁棒稳定性.提出了在H∞干扰观测器设计中兼顾鲁棒性设计指标和结构约束的频率加权函数的选取方法.利用加权函数选取的自由度,在干扰观测器低通滤波器设计中,实现Q—滤波器在截止频率上的高峰幅度与干扰抑制性能之间的最佳折中,使得干扰观测器在满足其幅度指标的条件下,具有最优干扰抑制性能.实验结果表明该方法保证了闭环反馈系统的鲁棒稳定性,同时,具有实现其他设计指标的自由度.
研究带有干扰观测器(Disturbance observer,DOB)的反馈控制系统对模型不确定性鲁棒稳定的充分条件,在此基础上,选取满足此充分条件的加权函数,使得标准H∞干扰观测器设计方法保证对受控对象参数变化的鲁棒稳定性.提出了在H∞干扰观测器设计中兼顾鲁棒性设计指标和结构约束的频率加权函数的选取方法.利用加权函数选取的自由度,在干扰观测器低通滤波器设计中,实现Q—滤波器在截止频率上的高峰幅度与干扰抑制性能之间的最佳折中,使得干扰观测器在满足其幅度指标的条件下,具有最优干扰抑制性能.实验结果表明该方法保证了闭环反馈系统的鲁棒稳定性,同时,具有实现其他设计指标的自由度.
2012, 38(1): 23-30.
doi: 10.3724/SP.J.1004.2012.00023
摘要:
通过对卫星遥感数据的处理和分析,得到地理信息的实景模型数据.在此基础上,对实景地理模型喷绘机器人核心技术展开研究,包括机构、控制系统设计、模型优化、图像补偿等,最终实现高精度、真彩色实景地理模型的自动喷绘方法.
通过对卫星遥感数据的处理和分析,得到地理信息的实景模型数据.在此基础上,对实景地理模型喷绘机器人核心技术展开研究,包括机构、控制系统设计、模型优化、图像补偿等,最终实现高精度、真彩色实景地理模型的自动喷绘方法.
2012, 38(1): 31-37.
doi: 10.3724/SP.J.1004.2012.00031
摘要:
研究了具有多包不确定性和有界噪声的系统的动态输出反馈鲁棒模型预测控制的综合方法.系统为准线性参数时变的,即系统时变参数在当前时刻精确已知,但在将来时刻未知.采用二次有界概念刻画扩展闭环系统的稳定性.本文主要创新在于提出了一种辅助优化方法,从而为下个采样时刻的主优化问题提供可靠的真实状态的界.通过连续搅拌釜式反应器控制系统验证了该方法的有效性.
研究了具有多包不确定性和有界噪声的系统的动态输出反馈鲁棒模型预测控制的综合方法.系统为准线性参数时变的,即系统时变参数在当前时刻精确已知,但在将来时刻未知.采用二次有界概念刻画扩展闭环系统的稳定性.本文主要创新在于提出了一种辅助优化方法,从而为下个采样时刻的主优化问题提供可靠的真实状态的界.通过连续搅拌釜式反应器控制系统验证了该方法的有效性.
2012, 38(1): 38-45.
doi: 10.3724/SP.J.1004.2012.00038
摘要:
针对随机探索易于导致梯度估计方差过大的问题,提出一种基于参数探索的期望最大化(Expectation-maximization,EM)策略搜索方法.首先,将策略定义为控制器参数的一个概率分布.然后,根据定义的概率分布直接在控制器参数空间进行多次采样以收集样本.在每一幕样本的收集过程中,由于选择的动作均是确定的,因此可以减小采样带来的方差,从而减小梯度估计方差.最后,基于收集到的样本,通过最大化期望回报函数的下界来迭代地更新策略参数.为减少采样耗时和降低采样成本,此处利用重要采样技术以重复使用策略更新过程中收集的样本.两个连续空间控制问题的仿真结果表明,与基于动作随机探索的策略搜索强化学习方法相比,本文所提方法不仅学到的策略最优,而且加快了算法收敛速度,具有较好的学习性能.
针对随机探索易于导致梯度估计方差过大的问题,提出一种基于参数探索的期望最大化(Expectation-maximization,EM)策略搜索方法.首先,将策略定义为控制器参数的一个概率分布.然后,根据定义的概率分布直接在控制器参数空间进行多次采样以收集样本.在每一幕样本的收集过程中,由于选择的动作均是确定的,因此可以减小采样带来的方差,从而减小梯度估计方差.最后,基于收集到的样本,通过最大化期望回报函数的下界来迭代地更新策略参数.为减少采样耗时和降低采样成本,此处利用重要采样技术以重复使用策略更新过程中收集的样本.两个连续空间控制问题的仿真结果表明,与基于动作随机探索的策略搜索强化学习方法相比,本文所提方法不仅学到的策略最优,而且加快了算法收敛速度,具有较好的学习性能.
2012, 38(1): 46-54.
doi: 10.3724/SP.J.1004.2012.00046
摘要:
在过去的几年,将图像内容表示为特定"视觉词"出现次数直方图的Bag-of-words模型,展示了其在图像内容分类方面的强大优势.然而,在这种统计特定"视觉词"出现次数直方图的模型中,"视觉词"之间的相互位置关系几乎被完全丢弃了.本文从分析Bag-of-words模型在文本分类和图像内容分类领域的对应关系的角度出发,提出一种加入"视觉词"之间的相互位置关系的图像表示方法—Bag-of-phrases模型.在标准数据集上验证了该图像表示方法对图像内容分类性能的影响.实验结果显示,本文提出的方法相对于传统的Bag-of-words模型可以达到更好的分类性能.
在过去的几年,将图像内容表示为特定"视觉词"出现次数直方图的Bag-of-words模型,展示了其在图像内容分类方面的强大优势.然而,在这种统计特定"视觉词"出现次数直方图的模型中,"视觉词"之间的相互位置关系几乎被完全丢弃了.本文从分析Bag-of-words模型在文本分类和图像内容分类领域的对应关系的角度出发,提出一种加入"视觉词"之间的相互位置关系的图像表示方法—Bag-of-phrases模型.在标准数据集上验证了该图像表示方法对图像内容分类性能的影响.实验结果显示,本文提出的方法相对于传统的Bag-of-words模型可以达到更好的分类性能.
2012, 38(1): 55-67.
doi: 10.3724/SP.J.1004.2012.00055
摘要:
文本对象所固有的多义性,面对短文本特征稀疏和上下文缺失的情况,现有处理方法无法明辨语义,形成了底层特征和高层表达之间巨大的语义鸿沟.本文尝试借由时间、空间、联系等要素挖掘文本间隐含的关联关系,重构文本上下文范畴,提升情感极性分类性能.具体做法对应一个两阶段处理过程:1)基于短文本的内在联系将其初步重组成上下文(领域);2)将待处理短文本归入适合的上下文(领域)进行深入处理.首先给出了基于Naive Bayes分类器的短文本情感极性分类基本框架,揭示出上下文(领域)范畴差异对分类性能的影响.接下来讨论了基于领域归属划分的文本情感极性分类增强方法,并将领域的概念扩展为上下文关系,提出了基于特殊上下文关系的文本情感极性判别方法.同时为了解决由于信息缺失所造成的上下文重组困难,给出基于遗传算法的任意上下文重组方案.理论分析表明,满足限制条件的前提下,基于上下文重构的情感极性判别方法能够同时降低抽样误差(Sample error)和近似误差(Approximation error).真实数据集上的实验结果也验证了理论分析的结论.
文本对象所固有的多义性,面对短文本特征稀疏和上下文缺失的情况,现有处理方法无法明辨语义,形成了底层特征和高层表达之间巨大的语义鸿沟.本文尝试借由时间、空间、联系等要素挖掘文本间隐含的关联关系,重构文本上下文范畴,提升情感极性分类性能.具体做法对应一个两阶段处理过程:1)基于短文本的内在联系将其初步重组成上下文(领域);2)将待处理短文本归入适合的上下文(领域)进行深入处理.首先给出了基于Naive Bayes分类器的短文本情感极性分类基本框架,揭示出上下文(领域)范畴差异对分类性能的影响.接下来讨论了基于领域归属划分的文本情感极性分类增强方法,并将领域的概念扩展为上下文关系,提出了基于特殊上下文关系的文本情感极性判别方法.同时为了解决由于信息缺失所造成的上下文重组困难,给出基于遗传算法的任意上下文重组方案.理论分析表明,满足限制条件的前提下,基于上下文重构的情感极性判别方法能够同时降低抽样误差(Sample error)和近似误差(Approximation error).真实数据集上的实验结果也验证了理论分析的结论.
2012, 38(1): 68-75.
doi: 10.3724/SP.J.1004.2012.00068
摘要:
利用形状上下文特征进行形状匹配的过程中,各采样点被直接二值划分至不同的直方图栅格,致使特征表达不精确,进而导致匹配结果存在偏差.本文在对数极坐标系中引入模糊隶属度函数,利用采样点分布的模糊划分结果建立直方图,生成模糊形状上下文特征,从而更精确地描述形状信息.在极坐标系下对采样点集合进行分割,提出分割匹配的方法,减少不必要的特征匹配次数.在此基础上,利用循环移位匹配方法解决形状在不同角度姿态下利用形状上下文特征匹配的问题.通过对不同数据进行仿真分析,证明本文所提出的方法能有效实现形状识别和检索.
利用形状上下文特征进行形状匹配的过程中,各采样点被直接二值划分至不同的直方图栅格,致使特征表达不精确,进而导致匹配结果存在偏差.本文在对数极坐标系中引入模糊隶属度函数,利用采样点分布的模糊划分结果建立直方图,生成模糊形状上下文特征,从而更精确地描述形状信息.在极坐标系下对采样点集合进行分割,提出分割匹配的方法,减少不必要的特征匹配次数.在此基础上,利用循环移位匹配方法解决形状在不同角度姿态下利用形状上下文特征匹配的问题.通过对不同数据进行仿真分析,证明本文所提出的方法能有效实现形状识别和检索.
2012, 38(1): 76-87.
doi: 10.3724/SP.J.1004.2012.00076
摘要:
L2范数罚支持向量机(Support vector machine,SVM)是目前使用最广泛的分类器算法之一,同时实现特征选择和分类器构造的L1范数和L0范数罚SVM算法也已经提出.但是,这两个方法中,正则化阶次都是事先给定,预设p=2或p=1.而我们的实验研究显示,对于不同的数据,使用不同的正则化阶次,可以改进分类算法的预测准确率.本文提出p范数正则化SVM分类器算法设计新模式,正则化范数的阶次p可取范围为02范数罚SVM,L1范数罚SVM和L0范数罚SVM.
L2范数罚支持向量机(Support vector machine,SVM)是目前使用最广泛的分类器算法之一,同时实现特征选择和分类器构造的L1范数和L0范数罚SVM算法也已经提出.但是,这两个方法中,正则化阶次都是事先给定,预设p=2或p=1.而我们的实验研究显示,对于不同的数据,使用不同的正则化阶次,可以改进分类算法的预测准确率.本文提出p范数正则化SVM分类器算法设计新模式,正则化范数的阶次p可取范围为02范数罚SVM,L1范数罚SVM和L0范数罚SVM.
2012, 38(1): 88-96.
doi: 10.3724/SP.J.1004.2012.00088
摘要:
近年来,基于直方图平移的可逆水印算法因其生成水印图像质量高而被广泛研究.目前大部分相关水印算法是非盲的,需要额外传送峰值/零点对等边信息.已有的相关盲水印算法由于采用固定的峰值/零点对而性能较差.本文提出一种面向差值域多层嵌入的高性能直方图平移盲可逆水印算法,有关同步机制可保证在每层嵌入时都选择最优的峰值点和零点.对于单层嵌入,提出两步嵌入法(Two-step embedding,TSE)同步机制,将边信息嵌入到第一步生成的水印像素最低有效位以实现盲提取;对多层嵌入,则进一步提出链式嵌入同步机制,并在最后层采用两步嵌入法以保证水印盲提取.仿真结果表明,本文算法不但可以实现盲提取的要求,而且在算法性能方面较同类算法有显著的提高.
近年来,基于直方图平移的可逆水印算法因其生成水印图像质量高而被广泛研究.目前大部分相关水印算法是非盲的,需要额外传送峰值/零点对等边信息.已有的相关盲水印算法由于采用固定的峰值/零点对而性能较差.本文提出一种面向差值域多层嵌入的高性能直方图平移盲可逆水印算法,有关同步机制可保证在每层嵌入时都选择最优的峰值点和零点.对于单层嵌入,提出两步嵌入法(Two-step embedding,TSE)同步机制,将边信息嵌入到第一步生成的水印像素最低有效位以实现盲提取;对多层嵌入,则进一步提出链式嵌入同步机制,并在最后层采用两步嵌入法以保证水印盲提取.仿真结果表明,本文算法不但可以实现盲提取的要求,而且在算法性能方面较同类算法有显著的提高.
2012, 38(1): 97-108.
doi: 10.3724/SP.J.1004.2012.00097
摘要:
针对现有模式分类方法不能较好地保持数据空间的局部流形信息或差异信息等问题,提出一种基于流形学习的局部保留最大信息差υ-支持向量机(Locality-preserved maximum information variance υ-support vector machine,υ-LPMIVSVM).对于模式分类问题,v-LPMIVSVM引入局部同类离散度和局部异类离散度概念,分别体现输入空间局部流形结构和局部差异(或判别)信息,通过最小化局部同类离散度和最大化局部异类离散度,优化分类器的投影方向.同时,υ-LPMIVSVM采用适于流形数据的测地线距离来度量数据点对间的相似性,以更好地反映流形数据的本质结构.人造和实际数据集实验结果显示所提方法具有良好的泛化性能.
针对现有模式分类方法不能较好地保持数据空间的局部流形信息或差异信息等问题,提出一种基于流形学习的局部保留最大信息差υ-支持向量机(Locality-preserved maximum information variance υ-support vector machine,υ-LPMIVSVM).对于模式分类问题,v-LPMIVSVM引入局部同类离散度和局部异类离散度概念,分别体现输入空间局部流形结构和局部差异(或判别)信息,通过最小化局部同类离散度和最大化局部异类离散度,优化分类器的投影方向.同时,υ-LPMIVSVM采用适于流形数据的测地线距离来度量数据点对间的相似性,以更好地反映流形数据的本质结构.人造和实际数据集实验结果显示所提方法具有良好的泛化性能.
2012, 38(1): 109-119.
doi: 10.3724/SP.J.1004.2012.00109
摘要:
对于带未知模型参数和噪声方差的多传感器系统,基于分量按标量加权最优融合准则,提出了自校正解耦融合Kalman滤波器,并应用动态误差系统分析(Dynamic error system analysis,DESA)方法证明了它的收敛性.作为在信号处理中的应用,对带有色和白色观测噪声的多传感器多维自回归(Autoregressive,AR)信号,分别提出了AR信号模型参数估计的多维和多重偏差补偿递推最小二乘(Bias compensated recursive least-squares,BCRLS)算法,证明了两种算法的等价性,并且用DESA方法证明了它们的收敛性.在此基础上提出了AR信号的自校正融合Kalman滤波器,它具有渐近最优性.仿真例子说明了其有效性.
对于带未知模型参数和噪声方差的多传感器系统,基于分量按标量加权最优融合准则,提出了自校正解耦融合Kalman滤波器,并应用动态误差系统分析(Dynamic error system analysis,DESA)方法证明了它的收敛性.作为在信号处理中的应用,对带有色和白色观测噪声的多传感器多维自回归(Autoregressive,AR)信号,分别提出了AR信号模型参数估计的多维和多重偏差补偿递推最小二乘(Bias compensated recursive least-squares,BCRLS)算法,证明了两种算法的等价性,并且用DESA方法证明了它们的收敛性.在此基础上提出了AR信号的自校正融合Kalman滤波器,它具有渐近最优性.仿真例子说明了其有效性.
2012, 38(1): 120-127.
doi: 10.3724/SP.J.1004.2012.00120
摘要:
结构优化是对地观测卫星系统(Earth observation satellite system,EOSS)性能提高的关键,但其覆盖性能难以解析计算.为实现EOSS优化,提出了仿真优化的求解思路:构建Kriging代理模型对仿真数据进行拟合,采用代理模型最优和最大化期望提高相结合的机制选择更新点,并定义单位距离的函数改进对更新点进行过滤;提出了改进广义模式搜索算法求解代理模型,搜索步采用遗传算法和序列二次规划算法实现,筛选步采用不完全动态筛选.最后,通过仿真实例和对比实验验证了本文方法的有效性.
结构优化是对地观测卫星系统(Earth observation satellite system,EOSS)性能提高的关键,但其覆盖性能难以解析计算.为实现EOSS优化,提出了仿真优化的求解思路:构建Kriging代理模型对仿真数据进行拟合,采用代理模型最优和最大化期望提高相结合的机制选择更新点,并定义单位距离的函数改进对更新点进行过滤;提出了改进广义模式搜索算法求解代理模型,搜索步采用遗传算法和序列二次规划算法实现,筛选步采用不完全动态筛选.最后,通过仿真实例和对比实验验证了本文方法的有效性.
2012, 38(1): 128-134.
doi: 10.3724/SP.J.1004.2012.00128
摘要:
针对表面肌电信号(Electromyographic signal,sEMG)产生原理复杂、易受人体自身及外界因素影响的特点,采用基于快速傅里叶变换(Fast Fourier transform,FFT)的盲辨识方法建立肌电信号模型.该方法通过计算即可确定信道阶次,无需人为凭借经验设定,且计算简单、易于实现、运算速度快.其利用输出信道间的相互关系特性,实现信号的频域盲辨识,建立数学模型.此方法适用于小样本信号建模,非常适合易受肌肉疲劳影响的表面肌电信号.将模型系数作为改进的BP神经网络的输入,实现多运动模式识别,与其他盲辨识方法比较,此方法识别效果较好.
针对表面肌电信号(Electromyographic signal,sEMG)产生原理复杂、易受人体自身及外界因素影响的特点,采用基于快速傅里叶变换(Fast Fourier transform,FFT)的盲辨识方法建立肌电信号模型.该方法通过计算即可确定信道阶次,无需人为凭借经验设定,且计算简单、易于实现、运算速度快.其利用输出信道间的相互关系特性,实现信号的频域盲辨识,建立数学模型.此方法适用于小样本信号建模,非常适合易受肌肉疲劳影响的表面肌电信号.将模型系数作为改进的BP神经网络的输入,实现多运动模式识别,与其他盲辨识方法比较,此方法识别效果较好.
2012, 38(1): 135-139.
doi: 10.3724/SP.J.1004.2012.00135
摘要:
在计算机辅助设计领域里,曲线或曲面的渐近迭代逼近(Progressive iterative approximation,PIA)性质在插值与拟合问题中有着广泛的应用,以前的文献对这一性质的讨论主要局限在标准全正基的情形.对于一般的非标准全正基,本文指出,其在适当的参数下也有可能同样具有这一优良的性质,并给出了相应的实例,从而拓宽了渐近迭代逼近的适用范围.与此同时,还讨论了权因子各不相同时,带权渐近迭代逼近的收敛性,使得迭代逼近曲线对不同的控制顶点,具有不同的加速收敛速度.
在计算机辅助设计领域里,曲线或曲面的渐近迭代逼近(Progressive iterative approximation,PIA)性质在插值与拟合问题中有着广泛的应用,以前的文献对这一性质的讨论主要局限在标准全正基的情形.对于一般的非标准全正基,本文指出,其在适当的参数下也有可能同样具有这一优良的性质,并给出了相应的实例,从而拓宽了渐近迭代逼近的适用范围.与此同时,还讨论了权因子各不相同时,带权渐近迭代逼近的收敛性,使得迭代逼近曲线对不同的控制顶点,具有不同的加速收敛速度.
2012, 38(1): 139-144.
doi: 10.3724/SP.J.1004.2012.00139
摘要:
近年来,实时监控下多目标跟踪作为智能交通系统(Intelligent transportation system,ITS)的重要组成部分受到关注.传统多目标跟踪方法通常具有处理速度慢、容易对交叉行进车辆产生误匹配等问题.本文首先对基于贝叶斯规则的车辆视频复杂背景的建模及运动目标的检测进行研究,在此基础上提出一种基于Meanshift粒子滤波(Mean shift particle filter,MSPF)的多目标跟踪算法,首先对每一目标车辆在下一帧可能出现的范围进行预测,对单目标和多目标情况采用不同的检测策略,避免了全局搜索,提高了跟踪速度;通过构造基于最新观测信息的重要性密度函数,提高了MSPF算法在复杂背景情况下追踪部分遮挡及交叉车辆的准确性和鲁棒性.仿真实验结果验证了所提出算法的有效性.
近年来,实时监控下多目标跟踪作为智能交通系统(Intelligent transportation system,ITS)的重要组成部分受到关注.传统多目标跟踪方法通常具有处理速度慢、容易对交叉行进车辆产生误匹配等问题.本文首先对基于贝叶斯规则的车辆视频复杂背景的建模及运动目标的检测进行研究,在此基础上提出一种基于Meanshift粒子滤波(Mean shift particle filter,MSPF)的多目标跟踪算法,首先对每一目标车辆在下一帧可能出现的范围进行预测,对单目标和多目标情况采用不同的检测策略,避免了全局搜索,提高了跟踪速度;通过构造基于最新观测信息的重要性密度函数,提高了MSPF算法在复杂背景情况下追踪部分遮挡及交叉车辆的准确性和鲁棒性.仿真实验结果验证了所提出算法的有效性.
