基于K-OPLS的无线传感网络室内定位跟踪算法

针对基于指纹的无线传感网络室内定位,提出了一种基于核隐变量正交投影(Kernel-based orthogonal projection to latent structures,K-OPLS)的定位算法。在O-PLS的模型框架下,K-OPLS算法应用核技巧将描述变量映射至高维特征空间,给出了描述变量和响应变量之间的非线性关系,以实现对模型的预测成分及与响应-正交成分的计算。K-OPLS算法集核偏最小二乘建模和正交信号校正预处理方法于一体,在一定程度上有效地改进了模型性能,增强了模型解释性。基于RSSI指纹信息,构建锚节点与处于参考位置的非锚节点之间的非线性映射关系,K-OPLS算法可以实现WSN的室内定位跟踪。将所提出的算法应用于仿真与物理环境下的不同实例中,在同等条件下,还与核岭回归(KRR)、核极限学习机(KELM)、核信噪比(KSNR)、核偏最小二乘(KPLS)、核自适应滤波等其他核学习算法进行比较。仿真实验中,基于小波核的WK-OPLS算法在无噪声和有噪声环境下的跟踪估计误差分别为0. 232 6、1. 320 5 m。物理实验中,基于小波核的该算法跟踪估计误差为0. 249 3 m。实验结果表明,所提算法有效提高了定位精度,而且具有一定的除噪能力。     

利用候选区域的多模型跟踪算法

跟踪过程中发生的尺度变化、形变、遮挡是导致模型漂移的重要原因。为了克服模型漂移对鲁棒跟踪的影响,本文提出了一种利用多判别式模型和候选区域的跟踪算法。首先,该算法采用候选区域替代传统的滑动采样,适应跟踪过程中目标的位移和尺度变化。接下来,为了提高目标的表征能力,先用预训练网络提取整幅图片的深度特征,再通过感兴趣区域采样层(ROI pooling layer)快速提取每一个候选区域的深度特征,进一步提高跟踪算法的鲁棒性。最后,运用多模型选择机制进行回撤过去错误的模型更新,并通过调整搜索区域实现对目标的重检测,有效抑制了模型漂移对鲁棒跟踪的影响。实验中,本文算法与相关算法在OTB 2013数据库和UAV 20L数据库上进行了对比。结果表明,本文算法在精确度与成功率上均取得了最优性能,并能有效抑制模型漂移对鲁棒跟踪的影响。     

基于车辆跟踪的数据关联算法研究

对于道路车辆目标的跟踪,由于其高机动性、杂波密集等特点,交互式多模型联合概率数据关联无疑是一种好的跟踪算法。但其固有的缺点是计算量会随着目标个数的增多迅速增加,并且其较少的运动模型难以保证跟踪精度,而增加模型个数会引起模型之间的竞争。因此,提出了一种改进的变结构多模型联合数据关联算法(VSMM-JPDA)。理论分析与对比仿真表明:在非机动、机动转弯和直线机动情况下,该算法对目标的跟踪精度都优于固定结构多模型算法,并且运算量大大减少。     

温室幼苗图像的多算法融合区域生长分割算法研究

将区域生长算法应用于温室幼苗图像的分割,针对该算法种子点选取的复杂性及执行效率等问题,通过引入小波变换和最小二乘原理,提出一种多算法混合的区域生长算法。该算法能够提升图像分割的执行效率,并获得良好的分割效果。通过采集温室中三种植物幼苗图像进行验证,新算法在执行效率上比G通道区域生长算法有较大的提升,尤其是对于小叶片幼苗的图片,其分割时间缩短3倍;且本算法有效地减少背景对于分割结果的影响,在对不同植物幼苗图像的分割上,也表现出良好的鲁棒性。     

基于改进TLD跟踪算法的生猪视频跟踪

养猪场其本身容易受到大规模感染,大多设置在人烟稀少的地区,传统的人员监管体制存在工作量大、效率低等问题,为实现对生猪的无接触式监管,以猪舍监控视频作为数据来源,提出基于改进TLD跟踪算法的生猪视频跟踪方法。引入SSD网络训练模型对样本进行训练,改进跟踪算法的目标检测部分,将识别结果直接带入跟踪算法,使得检测模块的窗口数量大大降低,并且可以提高检测精度和运算速度。本文提出的改进模型在测试集上,对视频中的生猪进行躺卧、静止不动和正在活动三种行为进行识别,平均准确率分别达94.26%、95.67%、91.36%。相比于传统TLD算法识别成功率和精度分别提高10.7%和6.41%。改进TLD跟踪算法在提高识别精度的同时保证识别效率,可以应用于对全时间段的生猪活跃信息监测,将检测结果作为生猪健康养殖的参考之一。     

基于平行竞争PSO算法的土壤水分测量研究

为了提高测量土壤水分Van Genuchten方程求解的精度,提出平行竞争PSO算法。首先在PSO算法基础上,当粒子群最大半径值小于某个阈值时,竞争才被触发,同时最差粒子被重置,粒子被重置的比例随着迭代次数增加而非线性减少;接着粒子群分成若干子群,子群的群平均适应度与原始粒子群平均适应度相差不能小于设定的阈值,引入不同的共享因子对子群与子群、粒子与子群之间进行信息共享动态调节;最后粒子适应度函数由Van Genuchten方程参数构成,给出了算法流程。实验仿真显示本文算法对测试函数求解具有收敛速度较快、解精度较高的特点,测量粉壤土脱湿数据的相对误差最大为5%,吸湿数据的相对误差最大为4%,相比其他算法都较小。     

基于位置信息融合的自动引导车路径跟踪研究

提出一种对自动引导车传感器测得的位置信息进行融合的方法，该方法克服了相对位置估计方法长时间精度低的缺点和绝对位置估计方法误差值偏大的不足，仿真结果表明，应用融合技术后，自动引导车的跟踪误差可限制在较小的范围之内，与不使用融合技术的自动引导车相比，其跟踪效果较好。     

基于EKF的多传感器融合定位算法研究

针对室外移动机器人定位系统精度依靠传感器融合存在累计误差的问题,提出一种基于扩展卡尔曼滤波（EKF）的多传感器融合的室外移动机器人定位方法。通过实时差分定位（Real-Time Kinematic,RTK）和里程计信息、IMU信息对室外移动机器人进行扩展卡尔曼滤波融合定位,在真实室外环境中进行实验。实验结果表明：该算法能消除累计误差,提高机器人的定位精度,动态定位精度可达2.5 cm以内,相较于里程计-IMU融合定位,误差减少了92.4%左右,相较于传统的RTK算法,定位精度提高了55.4%。多次实验表明,该算法具有较好的鲁棒性。     

基于融合Shi-Tomasi算法的单目视觉里程计研究

为了进一步优化视觉里程计前端特征检测模块,提高对复杂环境适应性,均衡特征点分布的同时改善里程计轨迹精度,在ORB-SLAM算法的基础上,将Shi-Tomasi算子融入到其中的特征检测模块,根据二次筛选后特征点的描述子进行暴力匹配,采用随机采样一致性算法对所匹配点做过滤优化,进而完成后续的运动估计模块.通过仿真实验与原始...     

基于改进Bytetrack的群体机器人跟踪算法

针对群体机器人在实际跟踪场景中常常受到遮挡、目标密集、尺度变换等因素的影响导致漏检、轨迹中断和ID频繁跳变等问题,基于Bytetrack跟踪算法,改进了卡尔曼滤波的状态变量,提出了噪声尺度自适应卡尔曼算法（NASA-Kalman）,并在卡尔曼滤波中引入加速度参数（AMA）提高跟踪的准确性。实验表明,在MOTA、MOTP方面相较于原算法均有所提高。为了进一步验证跟踪算法的有效性,在MOT20数据集上对算法进行了评估,在MOTA、MOTP方面分别提高了0.65%和1.26%。     

基于多特征自适应融合的车辆跟踪方法

提出了一种新的自适应多特征融合跟踪算法.该算法采用多项式近似与中心差分方法实现建议分布函数的优化处理,通过扩展卡尔曼滤波器在采样粒子集中融入最新的量测信息,较好地克服了粒子权重退化问题;同时,为克服乘性与加性融合算法的缺陷,采用自适应多特征融合方法,将目标汽车静态和动态互补特征作为观测信息,在新算法的框架内进行自适应融合跟踪.实验结果表明,该方法有效提升了不同环境下车辆跟踪系统的精确性和鲁棒性.     

基于区域一体化视角的长三角农产品质量全程跟踪机制研究

上海是长三角农产品销售的重要市场。随着《上海市食品安全信息追溯管理办法》的实施,上海对食品安全监管的力度进一步加强。菜管家作为上海地区知名的生鲜电商平台,在打通地产优质农产品闭环追溯模式之后,基于企业管理模式与发展需求的角度出发,顺应市委市政府对食品安全严格管理的要求。文章以长三角地区畜禽农产品为例,探索打通入沪农产品质量安全管理的信息流,建立起基于区域一体化视角的长三角农产品质量全程跟踪机制。     

基于改进纯追踪模型的农机路径跟踪算法研究

为提高农机作业时直线行驶的精度,提出了一种基于改进纯追踪模型的农机路径跟踪算法。在建立了运动学模型和纯追踪模型的基础上,对农机直线跟踪方法进行研究;针对GPS导航精度易受噪声干扰的问题,通过卡尔曼滤波对航向误差以及横向误差进行了平滑处理,以获取更高精度的航向误差和横向误差;为提高纯追踪模型的自适应能力,以横向误差和航向误差的均方根误差为基础,构建适应度函数,并设计了权重函数,采用横向误差作为主要决策参数,通过粒子群优化(Particle swarm optimization,PSO)算法实时确定纯追踪模型中的前视距离;为使粒子群减少计算时间、尽快进行局部搜索,对PSO算法中惯性权重系数进行了改进。以东方红1104-C型拖拉机为试验平台,设计了农机自动导航控制系统,进行了农田播种试验。结果表明:当农机行驶速度为0.7 m/s时,采用基于改进纯追踪模型的农机路径跟踪算法,直线跟踪的最大横向误差为0.09 m;当行驶距离超过5 m后,最大横向误差为0.02 m,该算法能够有效地提高农机作业时的直线行驶精度。     

基于多传感器融合的水稻行识别与跟踪导航研究

水稻生产田间管理机械自动跟踪水稻行是提高水稻生产田间管理自动化程度的关键。为避免田间管理机械碾压水稻行,本文融合机器视觉和2D激光雷达信息识别水稻行,并进行水稻行跟踪导航控制。首先分别利用机器视觉和激光雷达提取水稻行中心点,并统一空间坐标和目标区域,再采用稳健回归算法拟合水稻行中心线,获取导航基准线并计算出导航参数。然后设计了预瞄追踪PID控制器,最后搭建了水稻行跟踪导航试验平台并进行试验研究。试验结果表明,跟踪模拟水稻行的曲线导航试验标准差为27.51 mm;跟踪机械移载的水稻行导航试验横向偏差标准差为43.03 mm,航向偏差标准差为3.38°。     

基于多传感器融合的服务器散热节能算法研究

【目的】数据中心在创造经济价值的同时也带来高能耗,加剧了碳排放与空气污染,服务器硬件能耗在短期内无法明显降低,因此如何降低风扇散热系统的能耗成为服务器节能降耗的首要任务。【方法】课题组将服务器散热系统的节能降耗作为研究重点,建立了含多个温度传感器的服务器散热仿真模型,并对服务器的多点实时温度数据分别进行了PID控制算法、加权平均法、最小二乘法、Kalman滤波的传感器融合算法分析以及不同算法之间的组合应用分析,探索最优的控制算法。【结果】Kalman滤波+最小二乘法组合算法是最优的,相比其他算法,其节能效果非常明显,具有较好的推广与应用价值。【结论】在进一步优化算法时,要考虑减少器件壳温的波动,以保证服务器运行的可靠性。     

基于改进自适应加权融合算法的土壤湿度监测研究

传统方式进行土壤湿度采集的过程中往往会遇到环境复杂、信号弱、信号干扰较大等问题。为提高土壤湿度采集的精准度,提出一种基于数据级融合思路的改进多传感器自适应加权算法。通过建立改进的自适应加权融合算法模型,经过一系列推算,得到系统的总均方误差表达式,然后通过获得的值选择每个传感器的最优方差值,通过计算获得每个传感器的方差的最优估计值。经过实地测试,通过使用5个相同的传感器对土壤湿度进行采集,各传感器回传信息有较为明显的差别,使用自适应加权融合算法得到融合结果的总体方差较大,对自适应加权融合算法进行改进后,得到的总体方差减小了400%左右。     

基于粒子群算法的区域水资源优化配置研究

随着经济的快速发展,人类对水的需求量的增加和供水量减少之间的矛盾越来越突出,合理配置有限的水资源显得非常重要。本文运用多目标规划理论建立了区域水资源可持续利用的多目标优化配置模型,该模型以社会、经济、环境的综合效益最大为目标,用粒子群算法求解,得到银川市规划年（2020年）3种不同保证率下的优化配置方案,为银川市水资源管理问题提供了科学依据。结果表明,所建模型合理、可行,算法有效。     

基于鲸鱼优化算法的区域水资源优化配置研究

为解决区域水资源短缺和利用不合理问题,近年来水资源优化配置成为研究重点之一.以河南省某县为研究区,利用鲸鱼算法收敛速度快和全局寻优能力强等特点,求解水资源优化配置模型,得到2025年和2030年的配置方案.结果表明:2025年和2030年该县的水资源量可充分满足生活需水和生态需水,只在生产用水部门存在少量缺水,缺水率在...