基于FRFT的多分量LFM信号检测与参数估计方法

针对传统方法搜寻效率低的问题，采取瞄准搜寻策略，提出一种快速精确地检测和估计多分量线性调频（LFM）信号参数的方法。推导出LFM信号的分数阶长度和旋转角度间的近似关系；利用分数阶幅度随旋转角度变化规律，提出一种高效搜寻最优旋转角度的算法，分析得出该算法的计算量较小，相比于传统算法具有较大优势。在低信噪比情况下，进行两次S-G滤波可显著提高检测概率。仿真结果表明，所提方法在低信噪比和存在分量间信号干扰的情况下，能可靠检测和精确估计多分量LFM信号参数。      

基于支持向量机的飞行器多余物信号识别

针对飞行器控制电路在生产制造过程中可能引入金属线头等微小多余物，从而留下短路等安全隐患的问题，提出了一种基于微粒碰撞噪声检测（PIND）的飞行器多余物材质识别方法。首先，利用短时自相关函数提取PIND信号的脉冲部分；然后，提取多种时频域统计特征，并与梅尔频率倒谱系数（MFCC）特征结合起来；最后，训练多分类支持向量机模型实现材质分类。为验证所提方法的有效性，采集了3种不同材质多余物的PIND信号进行模型训练及测试，实验结果表明，所提方法材质识别准确率达98%，优于同类方法的相关结果。      

基于瞬时相关频域检测的复合调制引信定距方法

为了实现混沌调相与线性调频复合调制无线电引信对不同散射特性的地面目标的精确定距功能，提出一种基于瞬时相关频域检测的复合调制引信定距方法。在时域瞬时相关处理之前，对本地预设混沌码与目标回波信号以码元宽度为采样周期进行同步采样；为减小目标回波幅值对定距方法的影响，以二维快速傅里叶变换（2D-FFT）提取目标的距离、速度信息，以相关窗位置、谐波包络主瓣位置、稳定的多普勒频率3个特征量作为定距依据，从频域角度进行精确定距。仿真结果表明:所提方法的判定结果只与目标信号信噪比有关，而与信号幅值具体大小无关；所提方法可在-28 dB的极低信噪比条件下实现复合调制引信对不同散射特性地面目标的精确定距功能。      

直反信号协同的GNSS-R BSAR距离多普勒成像算法

针对目前基于全球导航卫星系统反射信号的双基地合成孔径雷达（GNSS-R BSAR)在一站固定模式下的大斜视,斜距历程复杂,回波信号方位空变导致回波信号难以处理的问题,提出改进的距离多普勒成像新算法。所提算法采用GNSS信号作为辐射源,根据一站固定模式下GNSS-R BSAR合成孔径时间长的特点,引入高阶等效斜视距离模型,得到导航卫星与目标斜距相对时间变化的精确描述。先通过直射信号与回波信号时域对消进行距离徙动校正,实现全场景目标距离徙动的精确校正;再通过方位向分块混合相关处理来克服回波信号方位向的移变性质,实现全场景高效精确成像。所提算法的成像效率优于传统后向投影时域（BP）算法,成像精度与BP算法相当,且可根据需要通过调整方位分块的宽度来提升聚焦效果。最后,用GPS-L5信号进行仿真和实验,仿真和实验结果验证了所提算法的可行性和高效性。     

基于PF_RING的多核视频流高性能传输模型

在视频流高性能传输任务中，视频流量的传输问题已成为一个研究的热点。为此，提出了一种基于PF_RING技术的模型。通过使用PF_RING+TNAPI技术，并结合内存路由表、多核、多队列多线程等相关技术确保视频流的高性能传输。同时为了保证不同网域间共享视频数据的安全传输，提出了一种面向视频控制信令双向物理通道、视频流单向物理通道的视频传输模型。实验结果表明:所提方法在有效吞吐量、CPU使用率和平均误码率方面均取得了10%以上的提升。因此，所提方法通过采用PF_RING+TNAPI技术，同时结合视频传输模型，确保了共享视频数据传输的安全性和高效性。      

基于SM4算法的白盒密码视频数据共享系统

基于SM4算法的白盒密码视频数据共享系统是一种保障监控视频数据跨级跨域共享安全的系统，提出了一种基于国密SM4算法的白盒密码实现方式，并分析了算法的安全性，解决了SM4算法在非信任硬件环境中的安全运行问题。研制了基于后台权限控制机制的视频数据安全共享软件系统，包括共享数据上传/下载、共享审核、数据白盒加密处理、访问控制、基于白盒密码算法的共享视频解密播放器，实现了视频数据共享全过程的安全管控。搭建了实验环境，对所提系统进行了功能性能实验。实验结果表明，所提系统功能性能满足设计要求。      

基于神经网络的OFDM信道补偿与信号检测

针对非线性失真和多径效应混合的复杂信道条件，提出一种基于神经网络的正交频分复用（OFDM）信道补偿与信号检测的方法。首先接收端信号利用最小二乘（LS）算法和迫零（ZF）算法做预处理，然后再输入到一层全链接层的神经网络进行进一步的信道补偿与信号检测，并恢复数据流。仿真结果表明，在没有进行输入信号功率回退（IBO）时，所提方法的误比特率（BER）性能比LS算法提升2个数量级，比线性最小均方误差（LMMSE）、最小均方误差（MMSE）提升一个数量级；在进行IBO后，所提方法能避免LS信道估计下至少4 dB的功率损失，能避免LMMSE、MMSE信道估计下至少2 dB的功率损失。所提方法在一定程度上验证了机器学习结合通信的先验知识的这种新的网络结构更能提升系统数据传输的准确率。      

三相DC/AC变换器死区效应分析与精确补偿

在现有无死区控制方法的基础上,提出一种新的死区补偿策略.分析了死区效应以及开关器件非理想特性使逆变器输出电压产生畸变的原因,通过修正原始驱动信号,抑制了开关器件非理想特性对逆变器的影响,实现了死区效应的精确补偿.同时,改进了电流方向检测电路,提高了电流方向在零点附近的检测精度.实验结果证实,所提补偿策略简单可行,与现有死区补偿方法相比,逆变器输出波形正弦度进一步提高,获得了更优的补偿效果.     

四旋翼无人机的自适应故障诊断与估计

针对四旋翼无人机执行器常见故障，提出一种基于自适应技术和观测器的鲁棒故障检测和估计（FDE）方法。在故障检测阶段，设计非线性诊断观测器，通过解析函数推导出阈值，确保所提检测方法的鲁棒性，并对所设计的观测器和残差评估函数进行证明。在故障估计阶段，提出基于切换ρ-修正的自适应律来准确估计检测到故障的方案。该方案不仅能够同时估计系统状态和残差信号，而且能估计未知故障的特征和大小。通过线性矩阵不等式进行设计参数的计算。利用2种故障场景分别进行仿真验证，同时在4种情况下讨论所提方法的有效性。基于四旋翼无人机硬件在环实验台验证了所提方法的可行性。     

基于AE-BN的发电机滚动轴承故障诊断

为解决风力发电机在复杂工况及耦合性、不确定性条件下故障识别的准确性问题，提出了一种基于自动编码器(AE)与贝叶斯网络(BN)的AE-BN故障诊断方法。采用AE对电流信号进行特征提取，得到能够高度表征信号的特征分量；基于故障与特征之间的因果关系，建立由故障位置、故障状态和故障特征搭建的三层BN；将AE的特征分量与BN的拓扑结构相结合建立风力发电机故障诊断模型，解决故障诊断中的不确定性问题，提高多故障诊断的准确性。实验结果表明：所提方法能够对故障特征信号进行分析及诊断，精确辨识不同故障类型，相比K近邻算法等具有明显优势。     

基于区域划分与标准时间的手部异常行为检测

通过监控视频自动检测操作任务中手部异常行为,能够预防人因差错,提高人因可靠性。针对手部操作任务运动特征不明显、常用异常检测和手势识别方法不适用的问题,提出基于区域划分与标准时间的手部异常行为检测技术。使用基于椭圆模型的肤色检测方法,检测视频中手部形心位置;提出工作区域划分方法,根据手部形心在操作过程中所处区域的不同,将连续操作分割为单元任务,获得各段单元任务的起止时间和持续时长;以正常工作时间为标准,对超出标准时间范围的单元任务提出异常警告。实验表明:所提方法的单元任务分割正确率高于93%,异常行为检测率高于86%,能够有效检测手部异常行为,为人为差错的监测与预警提供技术支持。      

Theoretical considerations of plant gravisensing.

The mechanisms proposed to explain gravity sensing can be divided into two groups, "statolith" and "non-statolith" mechanisms. The traditional estimates of the plausibility of these mechanisms are based on the analysis of the signal-to-noise ratio. The existing data indicate that the problem of plant gravisensing may be related to the general problem of the detection of weak signals in mechanoreceptors. This paper reviews the known mechanisms of plant gravisensing as well as the latest nonlinear stochastic models of mechanoreception in which noise promotes detection and amplification of weak signals. These models based on nonlinear stochastic phenomena may be used to explain plant gravisensing, if the cell is considered a dynamic, spatially distributed system of active intracellular cytoskeletal networks and mechanosensitive proteins.     

一种时空特征聚合的水下珊瑚礁鱼检测方法

水下监控视频中的珊瑚礁鱼检测面临着视频成像质量不高、水下环境复杂、珊瑚礁鱼视觉多样性高等困难,是一个极具挑战的视觉目标检测问题,如何提取高辨识度的特征成为制约检测精度提升的关键。提出了一种时空特征聚合的水下珊瑚礁鱼检测方法,通过设计视觉特征聚合和时序特征聚合2个模块,融合多个维度的特征以实现这一目标。前者设计了自顶向下的切分和自底向上的归并方案,可实现不同分辨率多层卷积特征图的有效聚合;后者给出了一种帧差引导的相邻帧特征图融合方案,可通过融合多帧特征图强化运动目标及其周边区域的特征表示。公开数据集上的实验表明:基于以上2个模块设计的时空特征聚合网络可以实现对水下珊瑚礁鱼的有效检测,相比于多个主流方法和模型取得了更高的检测精度。      

遮挡条件下的鲁棒表情识别方法

提出了一种对面部遮挡具有鲁棒性的表情识别方法.首先,基于鲁棒主成分分析(RPCA,Robust Principal Component Analysis)对待识别人脸进行重构,并对重构人脸和待识别人脸的差值图像进行显著性检测得到面部遮挡区域;其次,将待识别人脸的遮挡区域由RPCA重构人脸的相应区域进行替换,并由权值更新的AdaBoost分类器对遮挡区域重构后的人脸进行表情识别.在BHU(Beihang University)人脸表情数据库和日本女性表情数据库上进行了各种遮挡情况下的表情识别实验,获得了比AdaBoost方法更好的识别结果,说明基于RPCA和AdaBoost的表情识别方法对多种面部遮挡具有较强的鲁棒性.     

基于运动对象自动检测和查询的监控系统

针对现有的视频监控系统的缺陷,提出基于运动对象自动检测和查询的智能视频监控系统.利用帧间差的4次统计量的假设验证,自动检测运动对象.用形态学腐蚀和膨胀算子对检测的运动对象的二值图像进行处理,以提高检测运动对象的可靠性,降低误警率.为自动跟踪运动对象轨迹,提出检测块概念.依据检测的运动对象和事件,建立相应的监控信息标注数据库,进而由时间段、运动对象及场景中发生的事件来查询监控信息,实现"跳跃"式随机检索监控信息.实验结果证明提出的方法对实现智能的视频监控系统是有效且健壮的.      

一种高精度视频目标检测与分割新方法

根据动态视频场景与多目标检测的应用需求,提出了一种变分光流场与mean shift图像分割相结合的高精度运动目标检测与分割新方法.依据动态场景多运动目标检测的约束条件提出变分光流场优化计算模型,并给出其数值解法.在此基础上提出结合meanshift的高精度运动目标检测与分割算法,此方法对摄像机运动和静止情况都适合,能够进行同一场景中多个运动目标的高精度检测,并且不需要事先的学习和人工干预,具有通用性.     

基于多尺度残差卷积网络的HEVC视频隐写分析

图片、语音、视频等多媒体形式的信息交流在网络通信中占有重要地位,同时也有很多非法信息的传播隐匿于此。隐写分析是甄别隐秘信息是否存在的有效手段,提出了一种通用的基于多尺度残差卷积网络的HEVC视频隐写分析算法。网络主体由残差计算、特征提取和二分类3部分构成,其中在特征提取部分针对性地提出了残差卷积层、多尺度残差卷积模块及隐写分析残差块。实验结果表明:所提算法基于视频像素域分析网络的检测率高达99.75%,比传统的手工提取特征方法具有更大的优势。      

一种新的无人机航拍图像压缩方法

针对无人机机载视频图像由于受到天气或电磁波干扰产生的异常帧引起的压缩码率波动问题,提出了一种基于对图像进行预分析,剔除异常帧后进行压缩编码的方法.对于几种常见的异常帧进行建模,分析了其图像信号特点,结合信号统计特性和其信息熵量度,可靠地检测出视频序列中的异常帧, 最后对剔除了异常帧的序列应用H.264标准进行压缩编码.理论分析和试验结果都证明此方法在不丢失无人机机载视频图像序列信息量的情况下,可以保持压缩码率恒定并提高了其压缩效率.      

基于混沌振子阵列的扩频信号捕获方法

在低信噪比下提出了结合混沌振子阵列及相干相关实现对扩频信号的捕获方法．针对混沌振子的数学模型,用混沌系统的相轨迹特性来分析对扩频信号的捕获过程,以Lyapunov指数（LE）作为实现捕获及提取载波多普勒频率的判断依据,再由跟踪环路完成对扩频码相位的跟踪．对DSSS／BPSK仿真结果表明,本方法可以实现扩频信号快速捕获,同时提高了捕获概率及检测灵敏度。     

运动信息引导的目标检测算法

在室外监控视频的场景下，由于场景的复杂性及目标的多样性，监控视频中的目标存在难以检测的情况，如目标被遮挡、目标尺寸变化等，目标检测任务仍然存在挑战。基于此，提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进，使得到的运动前景图中能够保持静止目标前景的存在；利用运动前景图中的前景可以指示目标空间位置的特点，在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合，提高特征图可能存在目标区域的响应值；在目标检测算法的检测器中，引入一个定位分支，利用视频帧的运动前景图，学习候选目标的定位置信度，并与目标的分类置信度加权求和，作为目标最终的置信度，再通过非极大值抑制方法得到检测结果。实验证明，在固定摄像机下采集的数据集中，所提算法能够提升目标检测的准确率。