2013年 第39卷 第8期
2013, 39(8): 1157-1169.
doi: 10.3724/SP.J.1004.2013.01157
摘要:
计算实验是一种研究复杂系统的新兴计算方法,受到了国内外学者的广泛关注.近年来,随着相关研究的不断发展, 计算实验方法在多个领域显示出巨大的应用前景,特别是复杂系统管理与控制相关的诸多重要领域,如社会安全、电子商务、金融市场等. 本文将首先介绍计算实验的主要思想以及实验设计与计算机仿真等计算实验的研究基础;其次, 我们将介绍计算实验的主要研究内容,包括计 算模型构建、计算实验设计以及计算实验执行; 最后,我们将讨论计算实验的应用情况,总结研究过程中面临的挑战并介绍潜在的研究方向.
计算实验是一种研究复杂系统的新兴计算方法,受到了国内外学者的广泛关注.近年来,随着相关研究的不断发展, 计算实验方法在多个领域显示出巨大的应用前景,特别是复杂系统管理与控制相关的诸多重要领域,如社会安全、电子商务、金融市场等. 本文将首先介绍计算实验的主要思想以及实验设计与计算机仿真等计算实验的研究基础;其次, 我们将介绍计算实验的主要研究内容,包括计 算模型构建、计算实验设计以及计算实验执行; 最后,我们将讨论计算实验的应用情况,总结研究过程中面临的挑战并介绍潜在的研究方向.
2013, 39(8): 1170-1184.
doi: 10.3724/SP.J.1004.2013.01170
摘要:
忆阻由蔡少棠教授从对称性角度预言提出,自惠普实验室2008年制作出第一款忆阻开始, 其已成为自动化等相关领域最热门研究方向之一. 本文回顾了忆阻的起源,探讨了忆阻的分类及其制造技术,分析了忆阻的多个数学模型和仿真模型以及仿真模型的实现方法, 总结了忆阻在人工神经网络、保密通信、存储器、模拟电路、人工智能计算机、生物行为模拟等方面的研究现状, 并对其应用前景进行展望.
忆阻由蔡少棠教授从对称性角度预言提出,自惠普实验室2008年制作出第一款忆阻开始, 其已成为自动化等相关领域最热门研究方向之一. 本文回顾了忆阻的起源,探讨了忆阻的分类及其制造技术,分析了忆阻的多个数学模型和仿真模型以及仿真模型的实现方法, 总结了忆阻在人工神经网络、保密通信、存储器、模拟电路、人工智能计算机、生物行为模拟等方面的研究现状, 并对其应用前景进行展望.
2013, 39(8): 1185-1201.
doi: 10.3724/SP.J.1004.2013.01185
摘要:
混合跟踪是增强现实(Augmented reality, AR)领域最近二十年发展迅速的重要关键技术, 是增强现实姿态跟踪系统同时实现高精度和强鲁棒性的有效途径. 本文全面完整地论述了增强现实混合跟踪技术,详细阐述了混合跟踪器所涉及的混合跟踪、标定和时间同步等重要方法, 介绍了不同类型混合跟踪器的当前应用现状,然后探讨了混合跟踪技术的发展趋势及其存在的难题,最后展望了混合跟踪技术的应用前景.
混合跟踪是增强现实(Augmented reality, AR)领域最近二十年发展迅速的重要关键技术, 是增强现实姿态跟踪系统同时实现高精度和强鲁棒性的有效途径. 本文全面完整地论述了增强现实混合跟踪技术,详细阐述了混合跟踪器所涉及的混合跟踪、标定和时间同步等重要方法, 介绍了不同类型混合跟踪器的当前应用现状,然后探讨了混合跟踪技术的发展趋势及其存在的难题,最后展望了混合跟踪技术的应用前景.
2013, 39(8): 1202-1213.
doi: 10.3724/SP.J.1004.2013.01202
摘要:
由于广泛的实用价值与理论价值,超分辨率图像重建(Super-resolution image reconstruction, SRIR 或 SR)技术成为计算机视觉与图像处理领域的一个研究热点, 引起了研究者的广泛关注. 本文 将超分辨率图像重建问题按照不同的输入输出情况进行系统分类, 将超分辨率问题分为基于重建的超分辨率、视频超分辨率、 单帧图像超分辨率三大类. 对于其中每一大类问题, 分别全面综述了该问题的发展历史、常用算法的分类及当前的最新研究成果等 各种相关问题, 并对不同算法的特点进行了比较分析. 本文随后讨论了各不同类别超分辨率算法的互相融合和图像视频质量评价的方法, 最后给出了对这一领域未来发展的思考与展望.
由于广泛的实用价值与理论价值,超分辨率图像重建(Super-resolution image reconstruction, SRIR 或 SR)技术成为计算机视觉与图像处理领域的一个研究热点, 引起了研究者的广泛关注. 本文 将超分辨率图像重建问题按照不同的输入输出情况进行系统分类, 将超分辨率问题分为基于重建的超分辨率、视频超分辨率、 单帧图像超分辨率三大类. 对于其中每一大类问题, 分别全面综述了该问题的发展历史、常用算法的分类及当前的最新研究成果等 各种相关问题, 并对不同算法的特点进行了比较分析. 本文随后讨论了各不同类别超分辨率算法的互相融合和图像视频质量评价的方法, 最后给出了对这一领域未来发展的思考与展望.
2013, 39(8): 1214-1224.
doi: 10.3724/SP.J.1004.2013.01214
摘要:
提出了一种基于颜色空间的Local特征和Regional特征的自然图像显著性检测方法. 该方法将图像分成8×8的子块, 计算多个尺度下每一个子块的Local特征和Regional特征, 并将其加权组合来确定子块的显著程度, 从而得到整个图像的显著特征. 此外, 通过计算4个颜色通道上的色度对比度, 获得显著物体的边缘. 将图像的显著特征与显著物体的边缘综合后得到图像中的显著目标. 实验结果显示, 本文提出的方法能够快速、清晰而准确地提取出图像中的显著性目标.
提出了一种基于颜色空间的Local特征和Regional特征的自然图像显著性检测方法. 该方法将图像分成8×8的子块, 计算多个尺度下每一个子块的Local特征和Regional特征, 并将其加权组合来确定子块的显著程度, 从而得到整个图像的显著特征. 此外, 通过计算4个颜色通道上的色度对比度, 获得显著物体的边缘. 将图像的显著特征与显著物体的边缘综合后得到图像中的显著目标. 实验结果显示, 本文提出的方法能够快速、清晰而准确地提取出图像中的显著性目标.
2013, 39(8): 1225-1230.
doi: 10.3724/SP.J.1004.2013.01225
摘要:
针对含有未知输入干扰和噪音的不确定动态系统,使用全阶未知输入观测器(Unknown input observer, UIO)来消除干扰项,实现状态估计, 结合Kalman滤波器算法来求解状态反馈矩阵,以使得输出残差信号的协方差最小,从而增强系统对噪声的鲁棒性,实现了 一种基于最优未知输入观测器的残差产生器.采用极大似然比(Generalized likelihood ratio, GLR)的方法对残差信号进行评估,通过设定的阈值来提高诊断率. 最后以风力发电机组传动系统出现加性传感器故障和乘性传感器故障为例, 进行了残差信号的仿真,仿真结果说明了该方法的有效性.
针对含有未知输入干扰和噪音的不确定动态系统,使用全阶未知输入观测器(Unknown input observer, UIO)来消除干扰项,实现状态估计, 结合Kalman滤波器算法来求解状态反馈矩阵,以使得输出残差信号的协方差最小,从而增强系统对噪声的鲁棒性,实现了 一种基于最优未知输入观测器的残差产生器.采用极大似然比(Generalized likelihood ratio, GLR)的方法对残差信号进行评估,通过设定的阈值来提高诊断率. 最后以风力发电机组传动系统出现加性传感器故障和乘性传感器故障为例, 进行了残差信号的仿真,仿真结果说明了该方法的有效性.
2013, 39(8): 1231-1237.
doi: 10.3724/SP.J.1004.2013.01231
摘要:
现有自主优化控制方法(Self-optimizing control, SOC)均基于系统名义工作点的线性化模型,过程的非线性较强时, 由线性化误差导致的损失将显著影响控制系统的自主优化性能.提出了一种基于分段线性化模型的改进自主优化控制方法, 获取不同扰动工况下的分段线性化模型,分别应用线性化SOC方法并构造总的被控变量. 新方法能够在更大范围的操作空间内最小化平均损失,具有更加优异的自主优化效果. 对一个数值算例和一个放热反应过程的研究验证了提出方法的有效性.
现有自主优化控制方法(Self-optimizing control, SOC)均基于系统名义工作点的线性化模型,过程的非线性较强时, 由线性化误差导致的损失将显著影响控制系统的自主优化性能.提出了一种基于分段线性化模型的改进自主优化控制方法, 获取不同扰动工况下的分段线性化模型,分别应用线性化SOC方法并构造总的被控变量. 新方法能够在更大范围的操作空间内最小化平均损失,具有更加优异的自主优化效果. 对一个数值算例和一个放热反应过程的研究验证了提出方法的有效性.
2013, 39(8): 1238-1245.
doi: 10.3724/SP.J.1004.2013.01238
摘要:
非完整移动机器人视觉伺服镇定越来越受到人们的广泛关注. 目前研究人员在解决该问题时未同时考虑摄像机的可见性约束和机器人系统的控制约束, 所设计的控制器在实际应用中很难实现满意的控制. 针对此问题, 本文设计一种预测控制器来解决移动机器人视觉伺服镇定问题. 首先设计运动学预测镇定控制器来产生参考速度指令; 然后设计动力学预测控制器使移动机器人实际速度渐近逼近期望值; 所设计的预测控制器能够容易处理系统中存在的可见性约束和控制约束; 最后对所提出的视觉伺服镇定方法进行仿真验证, 结果表明所设计的控制器能有效解决移动机器人视觉伺服镇定问题.
非完整移动机器人视觉伺服镇定越来越受到人们的广泛关注. 目前研究人员在解决该问题时未同时考虑摄像机的可见性约束和机器人系统的控制约束, 所设计的控制器在实际应用中很难实现满意的控制. 针对此问题, 本文设计一种预测控制器来解决移动机器人视觉伺服镇定问题. 首先设计运动学预测镇定控制器来产生参考速度指令; 然后设计动力学预测控制器使移动机器人实际速度渐近逼近期望值; 所设计的预测控制器能够容易处理系统中存在的可见性约束和控制约束; 最后对所提出的视觉伺服镇定方法进行仿真验证, 结果表明所设计的控制器能有效解决移动机器人视觉伺服镇定问题.
2013, 39(8): 1246-1256.
doi: 10.3724/SP.J.1004.2013.01246
摘要:
卡尔曼滤波技术在很多领域已得到广泛的应用, 标准卡尔曼滤波算法是基于线性高斯系统模型假设, 需要已知精确的系统模型. 当系统模型存在较大不确定性时, 运用基于不精确系统模型设计的卡尔曼滤波算法时, 滤波效果通常不能满足系统需求甚至发散. 在很多实际应用中, 往往需要大量工作才能得到较为精确的系统模型或者基本不可能给出精确的系统模型. 为解决这一具有工程实践意义的问题, 受有限模型自适应控制思想的启发, 本文介绍了一个有限模型卡尔曼滤波算法的框架. 在该框架中, 假设系统模型的不确定性可由有限个已知模型的集合(模型个数不限)来刻划或近似, 从而先验未知的系统模型可以通过充分挖掘系统运行的动态后验数据中的信息, 利用已知模型集在线自适应估计以逼近真实系统的模型, 最终实现模型有较大不确定性时仍能有效滤波. 在此框架下, 基于最小化距离向量的准则, 我们引入一种模型自适应切换的算法(MVDP-FMKF), 给出其数学描述, 并通过仿真研究及MEMS陀螺漂移测试验证了算法的有效性. 本工作展现了有限模型卡尔曼滤波的机制在导航系统等应用中具有有效性、实用性.
卡尔曼滤波技术在很多领域已得到广泛的应用, 标准卡尔曼滤波算法是基于线性高斯系统模型假设, 需要已知精确的系统模型. 当系统模型存在较大不确定性时, 运用基于不精确系统模型设计的卡尔曼滤波算法时, 滤波效果通常不能满足系统需求甚至发散. 在很多实际应用中, 往往需要大量工作才能得到较为精确的系统模型或者基本不可能给出精确的系统模型. 为解决这一具有工程实践意义的问题, 受有限模型自适应控制思想的启发, 本文介绍了一个有限模型卡尔曼滤波算法的框架. 在该框架中, 假设系统模型的不确定性可由有限个已知模型的集合(模型个数不限)来刻划或近似, 从而先验未知的系统模型可以通过充分挖掘系统运行的动态后验数据中的信息, 利用已知模型集在线自适应估计以逼近真实系统的模型, 最终实现模型有较大不确定性时仍能有效滤波. 在此框架下, 基于最小化距离向量的准则, 我们引入一种模型自适应切换的算法(MVDP-FMKF), 给出其数学描述, 并通过仿真研究及MEMS陀螺漂移测试验证了算法的有效性. 本工作展现了有限模型卡尔曼滤波的机制在导航系统等应用中具有有效性、实用性.
2013, 39(8): 1257-1264.
doi: 10.3724/SP.J.1004.2013.01257
摘要:
肺结节是肺癌在早期阶段的表现形式. 利用计算机辅助诊断(Computer-aided diagnosis, CAD)技术对血管粘连型肺结节和磨玻璃型肺结节进行检测, 需要对这两类肺结节进行准确的分割. 目前基于传统活动轮廓模型的肺结节分割算法, 存在边界泄露现象. 对此, 本文提出一种基于模糊速度函数的活动轮廓模型的肺结节分割算法. 首先, 采用结合灰度特征和局部形态特征的模糊聚类算法, 计算模糊速度函数中的模糊隶属度; 其次, 将模糊速度函数引入到活动轮廓模型中, 在肺结节的边界处, 该速度函数为零, 轮廓曲线停止演变, 从而完成肺结节的分割. 实验结果表明, 本文提出的算法可以精确地分割血管粘连肺结节和磨玻璃型肺结节.
肺结节是肺癌在早期阶段的表现形式. 利用计算机辅助诊断(Computer-aided diagnosis, CAD)技术对血管粘连型肺结节和磨玻璃型肺结节进行检测, 需要对这两类肺结节进行准确的分割. 目前基于传统活动轮廓模型的肺结节分割算法, 存在边界泄露现象. 对此, 本文提出一种基于模糊速度函数的活动轮廓模型的肺结节分割算法. 首先, 采用结合灰度特征和局部形态特征的模糊聚类算法, 计算模糊速度函数中的模糊隶属度; 其次, 将模糊速度函数引入到活动轮廓模型中, 在肺结节的边界处, 该速度函数为零, 轮廓曲线停止演变, 从而完成肺结节的分割. 实验结果表明, 本文提出的算法可以精确地分割血管粘连肺结节和磨玻璃型肺结节.
2013, 39(8): 1265-1272.
doi: 10.3724/SP.J.1004.2013.01265
摘要:
提出了基于解剖学特征(纹理特征和形状特征)的乳腺X线图像胸肌区域分割方法. 融合边缘信息到谱聚类算法得到过分割图像. 根据区域的亮度分布和胸肌的三角形状特征,提出区域聚合算法, 从过分割图像中识别出胸肌边缘.该方法在322幅mini-MIAS (Mammographic image analysis society)乳腺图像和50幅北京大学人民医院乳腺中心乳腺图像上进行验证, 实验结果表明,该方法对不同大小、形状和亮度的胸肌分割具有较强的鲁棒性.
提出了基于解剖学特征(纹理特征和形状特征)的乳腺X线图像胸肌区域分割方法. 融合边缘信息到谱聚类算法得到过分割图像. 根据区域的亮度分布和胸肌的三角形状特征,提出区域聚合算法, 从过分割图像中识别出胸肌边缘.该方法在322幅mini-MIAS (Mammographic image analysis society)乳腺图像和50幅北京大学人民医院乳腺中心乳腺图像上进行验证, 实验结果表明,该方法对不同大小、形状和亮度的胸肌分割具有较强的鲁棒性.
2013, 39(8): 1273-1288.
doi: 10.3724/SP.J.1004.2013.01273
摘要:
现有的领域自适应方法在定义领域间分布距离时, 通常仅从领域样本的整体分布上考虑, 而未对带类标签的领域样本分布分别进行考虑, 从而在一些具有非平衡数据集的应用领域上表现出一定的局限性. 对此, 在充分考虑源领域样本类信息的基础上, 基于结构风险最小化模型, 提出了基于类分布的领域自适应支持向量机(Domain adaptation support vector machine based on class distribution, CDASVM), 并将其拓展为可处理多源问题的多源领域自适应支持向量机(CDASVM from multiple sources, MSCDASVM), 在人造和真实的非平衡数据集上的实验结果表明, 所提方法具有优化或可比较的模式分类性能.
现有的领域自适应方法在定义领域间分布距离时, 通常仅从领域样本的整体分布上考虑, 而未对带类标签的领域样本分布分别进行考虑, 从而在一些具有非平衡数据集的应用领域上表现出一定的局限性. 对此, 在充分考虑源领域样本类信息的基础上, 基于结构风险最小化模型, 提出了基于类分布的领域自适应支持向量机(Domain adaptation support vector machine based on class distribution, CDASVM), 并将其拓展为可处理多源问题的多源领域自适应支持向量机(CDASVM from multiple sources, MSCDASVM), 在人造和真实的非平衡数据集上的实验结果表明, 所提方法具有优化或可比较的模式分类性能.
2013, 39(8): 1289-1294.
doi: 10.3724/SP.J.1004.2013.01289
摘要:
通过对 Huffman 编码方法的研究和分析, 提出了一种基于3-参数变长编码(3-PVLC)的图像数据无损压缩算法. 在图像数据转换为混合差分数据基础上, 采用3-PVLC 对差分数据进行一次编码, 并利用一种自适应性的游长缩减法对一次编码后的二值码流进行二次编码. 本文的编解码方法较灵活, 可依据具体需要进行基于3-PVLC 方法的一次编码或在一次编码基础上完成二次编码, 且具较高压缩比.
通过对 Huffman 编码方法的研究和分析, 提出了一种基于3-参数变长编码(3-PVLC)的图像数据无损压缩算法. 在图像数据转换为混合差分数据基础上, 采用3-PVLC 对差分数据进行一次编码, 并利用一种自适应性的游长缩减法对一次编码后的二值码流进行二次编码. 本文的编解码方法较灵活, 可依据具体需要进行基于3-PVLC 方法的一次编码或在一次编码基础上完成二次编码, 且具较高压缩比.
2013, 39(8): 1295-1309.
doi: 10.3724/SP.J.1004.2013.01295
摘要:
针对领域适应学习(Domain adaptation learning, DAL)问题,提出一种核分布一致局部领域适应学习机(Kernel distribution consistency based local domain adaptation classifier, KDC-LDAC),在某个通用再生核Hilbert空间(Universally reproduced kernel Hilbert space, URKHS),基于结构风险最小化模型, KDC-LDAC首先学习一个核分布一致正则化支持向量机(Support vector machine, SVM),对目标数据进行初始划分; 然后,基于核局部学习思想,对目标数据类别信息进行局部回归重构; 最后,利用学习获得的类别信息,在目标领域训练学习一个适于目标判别的分类器.人 造和实际数据集实验结果显示,所提方法具有优化或可比较的领域适应学习性能.
针对领域适应学习(Domain adaptation learning, DAL)问题,提出一种核分布一致局部领域适应学习机(Kernel distribution consistency based local domain adaptation classifier, KDC-LDAC),在某个通用再生核Hilbert空间(Universally reproduced kernel Hilbert space, URKHS),基于结构风险最小化模型, KDC-LDAC首先学习一个核分布一致正则化支持向量机(Support vector machine, SVM),对目标数据进行初始划分; 然后,基于核局部学习思想,对目标数据类别信息进行局部回归重构; 最后,利用学习获得的类别信息,在目标领域训练学习一个适于目标判别的分类器.人 造和实际数据集实验结果显示,所提方法具有优化或可比较的领域适应学习性能.
2013, 39(8): 1310-1320.
doi: 10.3724/SP.J.1004.2013.01310
摘要:
常规基于稀疏表示的超分辨率算法使用一级高低分辨字典重构图像, 恢复细节信息不充分. 本文利用两级字典恢复尽可能多的细节信息; 然后构造联合低频字典、中频字典、高频字典的分频带字典, 利用图像低频、中频、高频三者之间的预测关系, 恢复图像中的高频信息. 利用图像的非局部相似性, 将其与迭代反向投影算法相结合, 进行图像的后处理. 实验结果表明, 与其他几种基于学习的算法相比, 本算法无论是在峰值信噪比、结构相似性指标, 还是视觉效果上都有显著的提高.
常规基于稀疏表示的超分辨率算法使用一级高低分辨字典重构图像, 恢复细节信息不充分. 本文利用两级字典恢复尽可能多的细节信息; 然后构造联合低频字典、中频字典、高频字典的分频带字典, 利用图像低频、中频、高频三者之间的预测关系, 恢复图像中的高频信息. 利用图像的非局部相似性, 将其与迭代反向投影算法相结合, 进行图像的后处理. 实验结果表明, 与其他几种基于学习的算法相比, 本算法无论是在峰值信噪比、结构相似性指标, 还是视觉效果上都有显著的提高.
2013, 39(8): 1321-1329.
doi: 10.3724/SP.J.1004.2013.01321
摘要:
抗同步攻击是音频水印领域公开的难题. 相对重心是音频的一个稳定的全局特征量, 对 TSM (Time scale modification)等同步攻击不敏感. 本文提出一种基于相对重心的抗同步攻击的音频水印算法,提出的算法通过量化音频的相对重心生成水印, 生成的水印由混沌序列加密后以量化的方法嵌入载体音频三级小波近似分量均值中. 为了降低同步攻击后同步位置的连续偏移, 水印嵌入提取过程采用了均匀分帧的方法. 实验结果表明提出的算法能抵抗常规信号处理操作, 同时 能抵抗20%的TSM操作(包含音调不变TSM和重采样操作)和 1/10的抖动操作, 有很好的鲁棒性.
抗同步攻击是音频水印领域公开的难题. 相对重心是音频的一个稳定的全局特征量, 对 TSM (Time scale modification)等同步攻击不敏感. 本文提出一种基于相对重心的抗同步攻击的音频水印算法,提出的算法通过量化音频的相对重心生成水印, 生成的水印由混沌序列加密后以量化的方法嵌入载体音频三级小波近似分量均值中. 为了降低同步攻击后同步位置的连续偏移, 水印嵌入提取过程采用了均匀分帧的方法. 实验结果表明提出的算法能抵抗常规信号处理操作, 同时 能抵抗20%的TSM操作(包含音调不变TSM和重采样操作)和 1/10的抖动操作, 有很好的鲁棒性.
2013, 39(8): 1330-1338.
doi: 10.3724/SP.J.1004.2013.01330
摘要:
设计了一种基于波动长鳍推进的仿生水下机器人, 两侧长鳍对称安装于机器人本体两侧. 两侧长鳍分别由十个舵机驱动, 并按照余弦函数波动. 设计了实时控制器, 通过调整鳍条的振动频率和幅值达到控制长鳍运动的目的. 加速度信息和角速度信息由一个惯性测量单元采集. 为获取机器人游动性能与振动频率以及振动幅值之间的关系, 本文给出了长鳍波动运动的运动学分析和动力学分析. 本文通过将长鳍分割成若干小单元并单独计算作用于每个小单元上的作用力, 再计算所有小单元作用力在一个波动周期内的合力的方法, 获得了整个长鳍产生的平均推力. 通过前进游动和旋转游动实验, 验证了机构设计、运动学分析和动力学分析的有效性, 最后讨论了游动性能与波动参数之间的关系.
设计了一种基于波动长鳍推进的仿生水下机器人, 两侧长鳍对称安装于机器人本体两侧. 两侧长鳍分别由十个舵机驱动, 并按照余弦函数波动. 设计了实时控制器, 通过调整鳍条的振动频率和幅值达到控制长鳍运动的目的. 加速度信息和角速度信息由一个惯性测量单元采集. 为获取机器人游动性能与振动频率以及振动幅值之间的关系, 本文给出了长鳍波动运动的运动学分析和动力学分析. 本文通过将长鳍分割成若干小单元并单独计算作用于每个小单元上的作用力, 再计算所有小单元作用力在一个波动周期内的合力的方法, 获得了整个长鳍产生的平均推力. 通过前进游动和旋转游动实验, 验证了机构设计、运动学分析和动力学分析的有效性, 最后讨论了游动性能与波动参数之间的关系.
2013, 39(8): 1339-1348.
doi: 10.3724/SP.J.1004.2013.01339
摘要:
提出一种基于先进的凸优化技术的光度立体视觉重建框架. 首先通过鲁棒的主成分分析(Robust principle component analysis, RPCA)祛除图像噪声, 得到低秩矩阵和物体表面向量场, 然后再通过表面重建算法从向量场来恢复物体形状. 相对于先前的一些使用最小二乘或者一些启发式鲁棒技术的方法, 该方法使用了所有可用的信息, 可以同时修复数据中的丢失和噪声数据, 显示出了较高的计算效率以及对于大的稀疏噪声的鲁棒性. 实验结果表明, 本文提出的框架大大提高了在噪声存在情况下物体表面的重建精度.
提出一种基于先进的凸优化技术的光度立体视觉重建框架. 首先通过鲁棒的主成分分析(Robust principle component analysis, RPCA)祛除图像噪声, 得到低秩矩阵和物体表面向量场, 然后再通过表面重建算法从向量场来恢复物体形状. 相对于先前的一些使用最小二乘或者一些启发式鲁棒技术的方法, 该方法使用了所有可用的信息, 可以同时修复数据中的丢失和噪声数据, 显示出了较高的计算效率以及对于大的稀疏噪声的鲁棒性. 实验结果表明, 本文提出的框架大大提高了在噪声存在情况下物体表面的重建精度.
2013, 39(8): 1349-1359.
doi: 10.3724/SP.J.1004.2013.01349
摘要:
针对任务环境下携带不同载荷的无人机(Unmanned aerial vehicles, UAVs)组成的编队, 为实现无人机间的相互支援和补充而进行编队重构控制, 运用多目标多人博弈理论, 将其转化为纳什谈判过程. 结合分布式模型预测控制(Distributed model predictive control, DMPC)方法, 设计一种基于纳什谈判的分布式预测控制(Nash bargaining solution-DMPC, NBS-DMPC)算法求解该问题, 并对算法收敛性进行了证明. 仿真实验表明, 该算法能够有效控制编队自主重构, 实现编队无人机间的威胁规避和协同保护, 同时能够有效降低无人机编队自主重构控制问题的求解规模.
针对任务环境下携带不同载荷的无人机(Unmanned aerial vehicles, UAVs)组成的编队, 为实现无人机间的相互支援和补充而进行编队重构控制, 运用多目标多人博弈理论, 将其转化为纳什谈判过程. 结合分布式模型预测控制(Distributed model predictive control, DMPC)方法, 设计一种基于纳什谈判的分布式预测控制(Nash bargaining solution-DMPC, NBS-DMPC)算法求解该问题, 并对算法收敛性进行了证明. 仿真实验表明, 该算法能够有效控制编队自主重构, 实现编队无人机间的威胁规避和协同保护, 同时能够有效降低无人机编队自主重构控制问题的求解规模.
2013, 39(8): 1360-1365.
doi: 10.3724/SP.J.1004.2013.01360
摘要:
分析了随机控制系统数值解的均方指数输入状态稳定性. 首先, 针对随机控制系统, 随机θ-方法满足有限时间强收敛条件. 然后, 我们证实, 在有限时间强收敛条件下, 随机控制系统是均方指数输入状态稳定的当且仅当随机θ-方法(充分小步长)是均方指数输入状态稳定的. 另外, 对一类满足单边Lipschitz条件的随机控制系统, 有两类隐式欧拉方法(对任意步长)能够继承原系统的均方指数输入状态稳定性. 最后, 一些数值实例证实了本文所获结论的正确性.
分析了随机控制系统数值解的均方指数输入状态稳定性. 首先, 针对随机控制系统, 随机θ-方法满足有限时间强收敛条件. 然后, 我们证实, 在有限时间强收敛条件下, 随机控制系统是均方指数输入状态稳定的当且仅当随机θ-方法(充分小步长)是均方指数输入状态稳定的. 另外, 对一类满足单边Lipschitz条件的随机控制系统, 有两类隐式欧拉方法(对任意步长)能够继承原系统的均方指数输入状态稳定性. 最后, 一些数值实例证实了本文所获结论的正确性.
2013, 39(8): 1366-1373.
doi: 10.3724/SP.J.1004.2013.01366
摘要:
为降低工业大系统模型预测控制(Model predictive control,MPC)在线计算复杂度,同时保证系统的全局优化性能,提出一种集中优化、分散控制的双层结构预测控制策略.在稳态目标计算层(Steady-state target calculation, SSTC),基于全局过程模型对系统进行集中优化,将优化结果作为设定值传递给动态控制层;在动态控制层,将大系统划分为若干个子系统,每个子系统分别由基于各自子过程模型的模型预测控制进行控制,为减少各子系统之间的相互干扰,在各个子系统之间添加前馈控制器对扰动进行补偿,提高系统的总体动态控制性能.该策略的优点在于能确保系统全局最优性的同时降低了在线计算量,提高了工业大系统双层结构预测控制方法的实时性.仿真实例验证该方法的有效性.
为降低工业大系统模型预测控制(Model predictive control,MPC)在线计算复杂度,同时保证系统的全局优化性能,提出一种集中优化、分散控制的双层结构预测控制策略.在稳态目标计算层(Steady-state target calculation, SSTC),基于全局过程模型对系统进行集中优化,将优化结果作为设定值传递给动态控制层;在动态控制层,将大系统划分为若干个子系统,每个子系统分别由基于各自子过程模型的模型预测控制进行控制,为减少各子系统之间的相互干扰,在各个子系统之间添加前馈控制器对扰动进行补偿,提高系统的总体动态控制性能.该策略的优点在于能确保系统全局最优性的同时降低了在线计算量,提高了工业大系统双层结构预测控制方法的实时性.仿真实例验证该方法的有效性.
2013, 39(8): 1374-1380.
doi: 10.3724/SP.J.1004.2013.01374
摘要:
提出了一种具有阶次限制的鲁棒控制器设计方法, 该算法将控制系统的性能指标转化为灵敏度函数问题, 并利用Nevanlinna-Pick插值算法进行求解. 提出了一种改进的同伦算法, 将其用于求解由灵敏度函数产生的非线性方程. 基于改进同伦算法设计的鲁棒控制器 不仅避免了传统H∞控制中加权函数的选择问题, 而且克服了鲁棒控制器阶次较高的缺陷. 最后,文章以4阶系统为例, 设计了具有阶次限制的H∞鲁棒控制器, 通过与传统鲁棒控制器的比较可以看出, 基于本文方法设计的控制器不仅具有较低的阶次, 而且其控制性能也具有明显的优越性.
提出了一种具有阶次限制的鲁棒控制器设计方法, 该算法将控制系统的性能指标转化为灵敏度函数问题, 并利用Nevanlinna-Pick插值算法进行求解. 提出了一种改进的同伦算法, 将其用于求解由灵敏度函数产生的非线性方程. 基于改进同伦算法设计的鲁棒控制器 不仅避免了传统H∞控制中加权函数的选择问题, 而且克服了鲁棒控制器阶次较高的缺陷. 最后,文章以4阶系统为例, 设计了具有阶次限制的H∞鲁棒控制器, 通过与传统鲁棒控制器的比较可以看出, 基于本文方法设计的控制器不仅具有较低的阶次, 而且其控制性能也具有明显的优越性.
2013, 39(8): 1381-1388.
doi: 10.3724/SP.J.1004.2013.01381
摘要:
稳定性-可塑性两难问题的核心是系统如何在不削弱或忘记已学习模式的同时, 自适应地学习新事物. 目前公认自适应谐振理论(Adaptive resonance theory, ART) 能够部分解决稳定性-可塑性两难问题, 但依然存在学习受样本输入顺序影响大, 且存在学习中心渐变样本时, 带来的所谓模式漂移的问题. 受进化生物学关于人类学习的幼态延续特征的启发, 本文为每个F2层节点配备活跃度指示器λ, 并将其反馈回F1层参与STM(Short term memory) 向量的计算, 使这种新型ART2 网络在行为特征上具备幼态延续的显著特征, 本文称之为ART2wNF (Adaptive resonance theory with neoteny feature).论文从理论上证明算法的可行性, 并通过分析对随机生成样本集合的学习过程, 对比了ART2wNF 算法与常规ART2 网络在可塑性、稳定性方面的差异以及ART2wNF 在克服样本输入顺序影响等方面的优势.
稳定性-可塑性两难问题的核心是系统如何在不削弱或忘记已学习模式的同时, 自适应地学习新事物. 目前公认自适应谐振理论(Adaptive resonance theory, ART) 能够部分解决稳定性-可塑性两难问题, 但依然存在学习受样本输入顺序影响大, 且存在学习中心渐变样本时, 带来的所谓模式漂移的问题. 受进化生物学关于人类学习的幼态延续特征的启发, 本文为每个F2层节点配备活跃度指示器λ, 并将其反馈回F1层参与STM(Short term memory) 向量的计算, 使这种新型ART2 网络在行为特征上具备幼态延续的显著特征, 本文称之为ART2wNF (Adaptive resonance theory with neoteny feature).论文从理论上证明算法的可行性, 并通过分析对随机生成样本集合的学习过程, 对比了ART2wNF 算法与常规ART2 网络在可塑性、稳定性方面的差异以及ART2wNF 在克服样本输入顺序影响等方面的优势.