实行分档自选定额改善劳动定额管理

劳动定额作为企业—项重要的基础工作,其所要解决的关键问题是工时定额水平及其平衡性问题。本文介绍了洪都集团公司分档定额的一些主要作法及其效果。     

复杂环境下一种基于改进核相关滤波的视觉鲁棒目标跟踪方法

目标跟踪在自动驾驶和智能监控系统等实时视觉应用中发挥着重要作用。在遮挡、相似干扰等情况下，传统的基于相关滤波的跟踪算法容易发生漂移，鲁棒性有待进一步提高。基于此，提出了一种扩展特征描述的检测辅助核相关滤波目标跟踪架构。首先，在传统的核相关滤波目标跟踪算法的基础上，通过目标检测辅助对跟踪结果进行质量判断，实现对遮挡以及目标丢失的判别；然后通过拓展特征模板的构建与匹配，实现抗干扰相似目标判断及目标重定位；最终，以行人跟踪为例进行了试验，分别通过OTB数据及验证试验和移动机器人平台视觉跟踪验证试验，验证了算法的可行性，并对算法的跟踪性能进行了测试。试验结果表明，所提方法能够稳定地跟踪移动目标，对遮挡、相似干扰具有较强的鲁棒性。     

基于神经网络的撞球机器人控制器设计

对撞球机器人的母球控制问题展开研究,设计了一种基于神经网络(NN)的控制器,使机器人能够控制母球在击打目标球后按照预定的模式运动至目标点——即完成走位。针对该问题非线性且非光滑的特点,对坐标系进行阐述并给出机器人击球的模型;在光滑的假设下使用理论分析的方法建立母球的运动学模型与边库反弹的理想镜像模型;进而使用神经网络方法对理想模型进行修正,并对不同的轨迹模式进行分析与分类。测试结果表明:经过训练的机器人能够掌握各种模式的走位,统计结果与模型分析结果相吻合;相比于单一使用神经网络方法,本文使用理论分析与神经网络相结合的方法能够有效地提升网络的品质,降低训练的误差。     

基于虚拟仪器的空靶通用测试系统的研究

针对空中靶标测试设备现状和问题,提出了一种基于虚拟仪器的新型空靶通用化测试系统,研究了其总体结构和功能特点, 讨论了系统软件体系结构和开发设计。     

基于星历和回波的分布式卫星SAR系统沿航迹基线计算方法

针对分布式卫星SAR系统中混合基线和雷达斜视导致沿航迹基线难以精确计算的问题,提出了一种基于星历和回波数据的沿航迹基线计算方法。在将分布式卫星航迹补偿为平行航迹的基础上,建立了存在混合基线及雷达斜视条件下的观测几何模型,推导了沿航迹基线的计算公式。根据雷达回波数据估计多普勒中心频率,并由此得到计算沿航迹基线所需的斜视角。在空间基线较长、斜视角较大条件下,该方法相比近似计算方式而言,能获得高精度的沿航迹基线估计。仿真结果表明,用该方法计算得到的沿航迹基线长度作为测速定位的基线参数,可以获得高精度的动目标测速定位结果。
     

基于交互式多模型的红外／雷达低小慢目标跟踪算法研究

研究了基于交互式多模型（IMM）的低小慢目标跟踪问题。基于低小慢目标运动特征的分析,以及目标匀速（CV）直线、匀加速（CA）直线、曲线飞行航迹模型,给出了目标跟踪的IMM算法及其流程。仿真结果表明：该算法能稳定精确跟踪低空目标。     

含无序量测的多传感器目标跟踪滤波算法

由于通信链路的随机时间延迟和星上传感器测量的预处理时间的不同等因素,导致在目标飞行器的测量中产生无序量测现象。为解决该问题,提出了一种基于扩展卡尔曼滤波的前向预测多步滞后无序量测处理算法。该算法首先采用扩展卡尔曼滤波算法估算出目标飞行器的状态方程和协方差方程,然后在滤波过程中利用前向滤波更新的方法,将协方差方程更新结果去相关后,累积到当前协方差方程滤波结果中,从而有效解决了目标飞行器测量中的无序量测问题。最后,将该算法与扩展卡尔曼滤波算法、丢弃算法进行了对比仿真。仿真结果表明,采用该算法处理目标飞行器的位置和飞行速度,得到的测量误差较小,在整个观测时间内,测量误差的收敛性较好,能够实现对目标飞行器的精确测量和跟踪。     

基于模拟器的单脉冲雷达幅相修正方法研究

以某型单脉冲测量雷达为研究对象,深入分析研究幅相一致性修正的必要性和修正原理,通过理论分析与公式推导,经过大量的试验验证,提出一种基于目标模拟的单脉冲测量雷达无塔幅相修正方法。该方法实现后,已成功应用于该型单脉冲测量雷达,解决了传统幅相修正方法受外界因素影响大的技术难题,同时降低了建造成本和维护难度,取得了良好的军事和经济效益。     

Selection of classification techniques for land use/land cover change investigation

The concerns over land use/land cover (LULC) change have emerged on the global stage due to the realisation that changes occurring on the land surface also influence climate, ecosystem and its services. As a result, the importance of accurate mapping of LULC and its changes over time is on the increase. Landsat satellite is a major data source for regional to global LULC analysis. The main objective of this study focuses on the comparison of three classification tools for Landsat images, which are maximum likelihood classification (MLC), support vector machine and artificial neural network (ANN), in order to select the best method among them. The classifiers algorithms are well optimized for the gamma, penalty, degree of polynomial in case of SVM, while for ANN minimum output activation threshold and RMSE are taken into account. The overall analysis shows that the ANN is superior to the kernel based SVM (linear, radial based, sigmoid and polynomial) and MLC. The best tool (ANN) is then applied on detecting the LULC change over part of Walnut Creek, Iowa. The change analysis of the multi temporal images indicates an increase in urban areas and a major shift in the agricultural practices.     

An approach to multi-temporal MODIS image analysis using image classification and segmentation

This paper discusses an approach for river mapping and flood evaluation based on multi-temporal time series analysis of satellite images utilizing pixel spectral information for image classification and region-based segmentation for extracting water-covered regions. Analysis of MODIS satellite images is applied in three stages: before flood, during flood and after flood. Water regions are extracted from the MODIS images using image classification (based on spectral information) and image segmentation (based on spatial information). Multi-temporal MODIS images from “normal” (non-flood) and flood time-periods are processed in two steps. In the first step, image classifiers such as Support Vector Machines (SVM) and Artificial Neural Networks (ANN) separate the image pixels into water and non-water groups based on their spectral features. The classified image is then segmented using spatial features of the water pixels to remove the misclassified water. From the results obtained, we evaluate the performance of the method and conclude that the use of image classification (SVM and ANN) and region-based image segmentation is an accurate and reliable approach for the extraction of water-covered regions.