汉语语音识别的平滑声韵基元HMM算法

汉语语音识别的基本单元一般为音素、音节以及声韵母.以声韵母为基元的识别系统由于HMM模型较少,计算量小,适合于实时实现.但是由于模型比较孤立,对语音信号的声学特性描述得不够精确,因而识别率一般比音节基元的系统低.而以音节、音素(tri-phone、di-phone)为基元的系统则有HMM模型数量多、训练和识别过程中计算量大的缺点,影响到系统的实时性.本文提出了一种折衷的方案,系统基元仍选择声韵母,而在HMM训练阶段,对整个音节序列的参数进行运算,使声韵过渡段的状态得到平滑,同时计算并保存每个音节声韵之间的转移概率,识别时动态组装为完整的音节HMM.该方法在保持少量HMM个数的同时,能够降低误试率,适合于以DSP为核心的实时连接词语音识别系统.      

基于设计特征模型的加工特征映射技术

为了实现数控编程过程中能够自动确定加工区域,对基于特征设计系统构建产品模型的方法、产品信息模型、信息模型间的关联关系、飞机结构件加工特征定义分类、设计特征与加工特征间的内在关系进行了深入的研究,提出了基于设计特征模型映射加工特征的方法.该方法通过遍历特征设计树,判断特征间的关系,查询特征组成面信息,从而构建出特征属性邻接图,进而采用基于图匹配的特征识别方法得到加工特征,并提取加工特征信息.该方法压缩了图匹配空间,大大提高了特征识别的速度,应用此方法实现了飞机壁板类零件的特征识别.      

笔式草图的增量识别

针对笔式三维建模技术中手势交互的特点,提出了一种二维草图的增量识别方法:从原始笔划的在线识别与线元转换,到约束关系的自动捕捉与施加,到二维组合图元的识别与规整,到特征手势的识别,到最后的三维特征建模.整个识别过程依据了三维特征建模思想和基于上下文感知的智能推理技术,通过分层识别的方法从紊乱、非精确的二维草图中有效提取三维建模的特征信息,有效降低了草图识别过程的复杂度和积累误差.将特征手势遵循隐式映射机制映射到三维空间后,实时完成三维建模,实现了二维手绘草图与三维精确建模的有效集成.该方法已经在自主开发的原型系统PenSketch3D中得以验证,并取得良好效果.      

基于Transformer的深度条件视频压缩

近年来,基于深度学习的视频压缩技术主要基于卷积神经网络(CNN)且采用运动补偿-残差编码的架构,由于常见的CNN只能利用局部的相关性,以及预测残差本身的稀疏特性,难以取得最优压缩性能。因此,提出一种基于Transformer架构的条件视频压缩算法,以实现更优的压缩效果。所提算法基于前后帧之间的运动信息,利用可形变卷积得到对应的预测帧特征;将预测帧特征作为条件信息,对原始输入帧特征进行条件编码,避免了直接编码稀疏的残差信号;利用特征间的非局部相关性,提出一个基于Transformer的深度条件视频压缩编码算法,用来实现运动信息编码和条件编码,进一步提升压缩编码的性能。实验结果表明：所提算法在HEVC、UVG数据集上均超越了当前主流的基于深度学习的视频压缩算法。     

基于FFT的国标数字电视系统帧头模式捕获方法

在分析国标数字电视传输系统帧头信号特征的基础上,提出一种基于FFT(Fast Fourier Transforms)的帧头PN (Pseudorandom Noise)模式捕获方法.该方法基于每种帧头的特点及硬件实现的难易程度,选取3种特定的本地基础序列在各自通道中与接收到的信号帧进行基于FFT的相关运算,并通过比较每通道的相关峰值与相应的判决门限来判定本通道是否捕获成功,从而选择捕获成功的通道所对应的帧头模式作为最终识别出的帧头模式.与应用时域相关运算的捕获识别方法相比,提出的方法能够降低计算复杂度,提高捕获速度.仿真结果显示,该方法能够捕获识别出各种帧头PN模式,验证了方法的可行性.     

基于朝向约束和重识别特征的目标轨迹关联方法

基于检测关联和深度学习的目标轨迹关联方法是计算机视觉领域的研究热点之一，但现有方法设计中缺乏有效的时空约束，且目标表观特征泛化能力不足，在目标朝向差异明显的情况下会发生识别错误，在目标轨迹关联时会导致频繁的ID切换和错误关联。针对该问题，提出了一种基于朝向约束和重识别特征的目标轨迹关联方法。将行人朝向判别引入行人重识别中，提出了一种具有朝向约束力的行人重识别网络模型，提升了目标特征的表示能力。结合目标朝向、卡尔曼滤波得到的位置信息、重叠面积等时空特征，提出一种基于朝向约束的分层轨迹关联模型，得到单相机内的目标轨迹。在跨相机场景中，通过引入一种简单有效的双向竞争匹配机制，实现了目标轨迹的有效关联。实验结果表明: 所提方法在MOT数据集上度量指标优于多种方法，能够减少频繁的ID交换，有效解决了相似目标相向而行时的错误关联；帧率达到19.6帧/s，能够满足近实时场景下的使用要求。      

基于HMM的雷达状态转移估计方法

针对传统识别模型存在的参数规律描述不全面的问题,提出一种适用于多功能雷达(MFR)的层级模型,该模型通过任务、状态、参数3个层级反映了MFR系统的运行机制,并依据不同的参数变化规律,设定多种函数进行描述,能够反映信号的联合变化和统计信息,较统计和脉冲样本图模型具备更好的识别效果。在层级模型基础上,针对MFR状态转移估计方法存在的鲁棒性、估计准确率不佳的问题,引入目标运动状态信息,构建双链隐马尔可夫模型(HMM),进而利用D-S(Dempster-Shafer)证据理论优化估计结果,提出一种基于HMM的雷达状态转移估计方法,实验结果表明,提出的方法较改进前具备更优异的鲁棒性和估计准确率。     

空间液滴蒸发实验中液滴图像的无损压缩算法

为了提高空间液滴蒸发实验中图像无损压缩率, 根据连续采集到的液滴图像之间相关性很大的特点, 提出了一种基于JPEG-LS和帧间预测误差编码的图像序列无损压缩算法. 该算法对图像序列第一帧采用JPEG-LS算法编码, 对帧间预测误差帧进行Golomb编码, 从而实现对连续采集到的液滴图像序列进行无损压缩. 实验结果表明, 该算法比单纯采用JPEG-LS算法的压缩率有明显提高, 编解码过程更简单, 编码需要时间更少.      

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。     

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题，提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法，算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节，以充分利用模型中的低层特征，增加细节信息；改进模型的区域生成网络，加入多种滑动窗口，从而优化了模型锚点的长宽比设置，提高检测能力。实验表明，改进Faster RCNN模型取得最优的缺陷检测结果，对于小缺陷目标仍取得较好的检测精度，从而验证了算法的有效性。     

基于改进SIFT的图像配准算法

为解决存在较大程度旋转和缩放的图像配准问题,提出了一种基于尺度不变特征变换(SIFT,Scale Invariant Features Transform)的图像配准算法.采用对数极坐标变换(LPT,Log-Polar Transform)进行图像粗匹配,对图像旋转角度和缩放尺度变化量进行估计,并对图像加以校正;在粗匹配的基础上对图像进行分块,根据信息熵原理提取子块的SIFT特征和不变矩特征,构造新型的特征描述符;结合欧氏距离和Procrustes迭代算法获得图像的同名点对,并估计图像形变参数,完成图像配准.实验结果表明:该算法速度快、稳定性强,并能达到亚像素级的匹配精度.     

MEMS陀螺仪随机误差滤波

针对微机电系统(MEMS,Micro Electromechanical System)陀螺仪的随机漂移,基于小波多尺度分析,利用bior1.5小波对陀螺仪的随机漂移进行深度为4的分解,重建各尺度信号,采用时间序列方法对陀螺仪各尺度随机漂移进行建模,与传统时间序列方法建模相比,降低了模型的预测误差.并构建了模糊自适应Kalman滤波,利用模糊控制方法基于残差均值与方差差值对噪声方差阵进行实时调整,提高对重建后的各尺度信号随机噪声滤波效果.通过一系列对比实验证明,基于多尺度分析的模糊自适应Kalman滤波对于消除MEMS陀螺仪随机漂移误差作用明显.通过Allan方差分析,滤波后的数据各随机误差项均得到有效减小.     

复杂背景下单个运动物体的实时视觉追踪算法

介绍了一种完全基于图像信息的运动检测视觉追踪算法.该算法综合了已有的一些算法,并在他们的基础上进行改进,可以实现在摄像机运动不剧烈的情况下,对单个运动物体的追踪.由人工选取目标,计算机开始在第1帧和第2帧图像中提取特征点,并在两帧图像中对特征点进行匹配.利用匹配的特征点建立仿射运动模型,以估计背景的运动和预测目标位置.假设运动目标所占的像素面积很小,在预测点附近的一块小邻域内进行光流分割得到运动目标.该算法在640×480大小的两帧连续图片上验证,取得了较好的效果.在PC上的实验证明,设置适当的参数,本算法可以应用于12.5Hz或25Hz的图像采集频率.      

计算机生成兵力模型的实时调度技术

针对计算机生成兵力系统在采用步长法推进逻辑时间时其实时性易受影响的问题,提出了将时间同步和模型调度进行解耦的实时推进方法,其中同步过程使用独立的线程读取本地时钟并通过运行支撑环境(RTI)驱动逻辑时间推进.同时提出了一种适合兵力模型的新的静态调度算法.该算法根据模型运行周期和系统步长划分调度表,并基于负载均衡的原则为模型分配仿真步长,具体包括3个处理过程:为仿真实体分配节点、产生初始调度表、运行时调整调度表.实验结果表明所提出的方法在保证良好的实时性基础上具有较小的开销和较高的处理器利用率.      

复杂交通场景中多运动目标分割算法

针对室外复杂交通场景中多运动目标分割问题,提出了一种由变化检测和运动分割组成的算法,利用水平集算法对帧差图像进行变化检测得到运动窗口,在运动窗口范围内进行改进的k-均值聚类分割,利用运动相似性进行分割区域融合.算法避免了整个图像的分割,减少了运算量,完整的分割出运动目标.试验结果表明,算法不仅能从复杂交通场景图像序列中有效的检测和提取出运动目标并有很强的鲁棒性,而且能够解决运动目标的遮挡问题.      

基于自编码器和HMM的民机接地点远事件检测

已有的飞行品质监控（FOQA）标准仅由地速的积分距离判定接地点远事件（LTE）的发生,无法结合多个快速存取记录器（QAR）参数检测并解释发生该事件的原因。通过滑动窗口对包含多个参数的QAR样本进行分段,按照分段位置形成若干分段样本集。由长短时记忆网络（LSTM）自编码器得到QAR样本分段及分段内向量的特征表示,采用K-means分别对这些表示向量进行聚类处理,实现QAR样本及其分段的符号化。使用正常航班QAR样本集的符号序列建立隐马尔可夫模型（HMM）,以检测包含接地点远事件的航班。由发生及未发生接地点远事件的QAR样本各个分段的符号序列构建HMM后,采用Viterbi算法确定接地点远事件在QAR样本分段内的具体位置。在真实QAR数据集上的实验结果表明,与其他多维时间序列异常检测方法相比,所提方法不仅能有效检测接地点远事件,而且可以获得多个QAR参数的异常值,辅助领域专家分析发生该事件的原因。      

SpaceWire D的调度表生成方法

针对航天高速SpaceWire D提出了一种调度表生成方法。该方法基于贪婪算法和SMT求解器。贪婪算法是主体,在每次迭代中以调度表的分布均匀性为优化原则产生一个约束集作为SMT求解器的输入参数,然后调用SMT求解器。SMT求解器是重要工具,用于对输入参数的可满足性进行判定,如果可满足则将输出的模型作为生成的调度表。此外,还提出了设置分片长度、确定时间槽大小以及划分冲突域的策略。最后,通过试验对方法的效果进行了验证。结果表明,生成调度表的时间较短且调度表具有良好的分布均匀性。