无人机自动着陆中的机器视觉辅助技术

设计了一套辅助无人机自动着陆的机器视觉系统。该系统由机载硬件设备和用户开发软件共同组成,用以完成数字图像处理任务和无人机运动参数估计任务。系统传感器包括一个单目摄像机和机载惯性陀螺;数字图像处理使用的主要算法有图像的轮廓提取、角点检测和模版匹配。基于角点处各个方向上灰度差变化较大的特征,依据最小核值相似(SUSAN)算法和角点几何结构分析,提出一种改进的角点特征提取算法;根据任务开发的位置参数估计算法依据摄像机透视投影理论,运用摄像机成像标定方法导出了一种高精度的位置测量模型。通过计算机仿真表明,所提出的计算机视觉位置参数估计算法可以达到无人机着陆过程的精度要求。     

最小二乘支持向量回归机在可靠性分析中的应用(英文)

经典的响应面方法作为回归方法来模拟可靠性设计中的状态变量和基本变量之间的函数关系,用以解决直接数值模拟方法计算量大的问题。这类算法已经成功解决了一些隐式功能函数的可靠性分析问题,但它依据的"经验风险最小"原则影响了它的使用范围。基于"结构风险最小化"的支持向量回归机方法具有良好的小样本学习性能和泛化能立,比传统的回归方法具有优越性。但支持向量回归机方法对大样本的可靠性问题在时间和空间上开销巨大。为了克服这一不足,本文将最小二乘支持向量回归机引入到可靠性分析中。算例结果表明:基于最小二乘支持向量回归机的可靠性方法计算得到结果精度较高,在计算耗时上远小于支持向量回归机的可靠性方法,因此在工程应用上具有一定价值。     

基于神经网络的INS/SAR组合导航航迹状态估计算法研究

实现对已选航迹上的状态估计对于航迹规划有重要的指导意义,在干扰大的外界环境中,常规的卡尔曼滤波方法对组合导航航迹状态估计的精度已经不能满足要求,为此本文提出了采用BP神经网络用于组合导航的航迹状态估计。重点描述了BP网络用于航迹状态估计的设计方法,对训练样本的获得以及网络结构的选择给予了详细的介绍。最后结合INS/SAR组合导航的特点,分别采用常规卡尔曼滤波和BP神经网络进行航迹状态估计,仿真结果表明了该方法的有效性和实用性。     

基于MAP估计和广义高斯分布的SAR图像边缘比率检测方法

 合成孔径雷达(SAR)图像的低信噪比和乘性相干斑噪声给SAR图像的边缘检测带来了极大的困难.通过引入广义高斯(GG)分布作为局部均值功率的先验分布模型,给出了局部均值功率在最大后验概率(MAP)意义下的最优估计,进而提出一种新的SAR图像边缘比率检测算子.利用以梅林变换为基础的对数累积量(MoLC)方法估计GG分布的参数,在此基础上给出一种局部均值功率MAP估计和GG分布参数估计的联合迭代求解方法.利用SAR实测数据对本文提出的边缘检测算子进行仿真验证,并将其与平均比率(RoA)算子和指数加权均值比(ROEWA)算子进行了对比,结果表明该算子可以有效克服相干斑噪声的影响,边缘定位准确且虚假边缘明显减少.     

一种低复杂度的极低信噪比高动态信号载波粗捕获算法

 针对传统的时域匹配平均周期图算法计算复杂度高的问题,对极低信噪比高动态信号的载波粗捕获算法进行了研究,提出了一种改进的带有补零的频域移位平均周期图算法。该算法采用多速率频域移位运算简化了多支路多普勒变化率匹配,与原算法相比,其计算复杂度降低倍数为匹配支路数与补零倍数之比,捕获性能几乎不损失。给出了算法中影响捕获性能与计算复杂度的关键参数设计方法。在信噪比(SNR)为－41 dB(载噪比C/N₀=18 dBHz)、载波多普勒频偏为－300～300 kHz、多普勒变化率为－800～800 Hz/s、码速率为20 bps条件下对两种算法进行了仿真,结果表明在基本满足后级载波跟踪需求条件下,即频偏精度均达±12 Hz时,多普勒变化率精度均达±25 Hz/s,捕获概率都在90%以上时,改进算法捕获时间比原算法增加了8%,计算复杂度降低了70%。     

H.264中多参考帧快速运动估计算法

针对H.264的运动估计计算量太大的问题,通过研究并验证视频多帧参考时的运动连续性,提出了一种基于有效区域的快速运动估计算法(VRF,Valid-Region-based Fast Motion Estimation). 该算法在第一个参考帧中用三步搜索(3SS,3-Step Search)快速估计整像素精度运动矢量, 并以此定义一个有效区域, 参考其它帧时, 在该有效区域内作改进的3SS估计; 然后选择最佳参考帧; 最后在所选择的最佳参考帧的有效区域内作全搜索和相应的分数像素精度估计. 实验证明, 和H.264全搜索相比, 本算法的运动估计搜索点数降低了82%以上, 而恢复质量(用峰值信噪比(PSNR,Peak Signal to Noise Ratio)表征)平均只下降0.24 dB,且码速率只增加8.81%; 和另一个经典的帧选择快速算法相比, 本算法的搜索点数降低了39%,且码速率平均下降了5.17%, 而恢复质量只下降0.08 dB.      

威布尔分布的极大似然估计的精度分析

威布尔分布参数估计的极大似然方法是一种常用的方法,在故障数不小于10的情况下推荐使用.但在工程中,由于产品的可靠性高,或者是样本量少,试验的故障数常常是小于10,在这种情况下需要明确所得的评估结果的精度是否满足要求.运用区间估计的思想,提出了一种解决上述问题的评价和判断的方法,并应用此方法对完全样本情况下,形状参数的极大似然估计量的精度进行了讨论.工程上,可以依据文中提供的结论定量分析威布尔分布形状参数极大似然估计量的精度.      

可修产品的步进应力加速寿命试验统计分析

为了通过可修产品在步进应力加速寿命试验中产生的故障数据,评估可修产品的寿命和可靠性指标,基于产品在两个不同应力水平下的累积故障强度函数相等的原则,提出了可修系统步进应力加速寿命试验的时间折合公式.通过反复迭代,可修系统在步进应力加速寿命试验过程中产生的故障数据可以折合到相同试验条件下.在产品进行最小修复的假设下,采用引入位置参数的三参数Weibull过程结合Peck加速模型对试验过程进行拟合.通过使用该模型对折合后的数据进行处理,外推得到了可修产品在正常应力条件下的寿命和可靠性指标.使用剩余分布抽样方法进行计算机仿真,验证本文方法的正确性.结果证明该模型和方法不仅在参数估计方面比传统的模型有更高的精度,而且还可以应用到可靠性增长试验的数据评估中.      

监测位移预报的非等间距相关系数平稳序列法

建立了监测位移时间序列分析、建模和预报的非等间距相关系数平稳序列法.采用随机过程理论导出了模型的整体极大似然估计,在保证参数估计量优良统计特性的同时,克服了现行组合模型方法难以处理非等间距监测位移序列的问题.通过数字模拟仿真技术解释了传统插值处理产生较大误差的原因.计算实例表明该方法具有较高的建模和预报精度.      

成败型系统可靠性增长的Bayes评估

针对成败型系统在研制阶段的动态增长的可靠性评估问题,依据前期可靠性增长试验中多阶段的试验信息和专家经验,提出了基于新Dirichlet先验分布的可靠性增长的Bayes评估方法。该方法根据已有的不同阶段试验信息,利用离散AMSAA（Army Material System Analysis Activity）可靠性增长模型描述可靠性增长试验中不同阶段可靠性的增长趋势,并对各个阶段的可靠性进行评估;针对下一阶段建立基于新Dirichlet分布的可靠性先验分布,并根据下一阶段可靠度的估计值采用最大熵模型给出先验分布参数估计;在获得现场试验数据的条件下,给出下一阶段的可靠度后验估计,并讨论不同区间范围对后验可靠性的影响。最后通过实例分析,表明相较于直接利用离散AMSAA模型和Beta先验分布,该方法在合适的专家经验的指导下能够给出更为准确的可靠性评估。