123,123

多傳感器融合與鄰居協(xié)作的車輛精確定位方法[MEMS|傳感技術(shù)][汽車電子]

針對現(xiàn)有車輛定位裝置定位精度不高的問題，提出一種面向車輛自組織網(wǎng)絡的車輛精確定位方法。首先，獲取車輛上的多傳感器信息，融合這些信息構(gòu)建當前車輛的狀態(tài)模型；然后，采用貝葉斯濾波方法計算車輛當前狀態(tài)的可信度；接著，結(jié)合當前車輛的一跳鄰居車輛信息估算其相對位置；最后，綜合上述信息修正車輛的當前位置，提高車輛定位精度。實驗表明，與常用的全球定位系統(tǒng)（GPS）、擴展卡爾曼濾波方法相比，該方法的定位精度高，且受GPS定位誤差的影響小。

發(fā)表于：2017/7/21 14:55:00

無人機序列圖像快速三維重建系統(tǒng)設計與實現(xiàn)[嵌入式技術(shù)][航空航天]

設計并實現(xiàn)了一種適用于高分辨無人機序列圖像的快速三維重建系統(tǒng)(FDroneMap)。通過兩個方面的改進提高系統(tǒng)運行的效率：一方面對重建算法進行優(yōu)化，使用了一種新的基于哈希表的圖像匹配方法，并根據(jù)無人機圖像的時空序列特性對匹配策略進行調(diào)整，加快圖像匹配速度；另一方面對重建算法各個模塊進行并行化設計，提高系統(tǒng)對硬件的性能使用率。對比實驗表明，在處理高分辨率無人機序列圖像時，F(xiàn)DroneMap能顯著提升三維重建的效率，并且能保證重建精度。

發(fā)表于：2017/7/21 14:44:00

結(jié)合輪廓粗篩和HOG細分的快速行人檢測方法[嵌入式技術(shù)][智能交通]

為解決現(xiàn)有行人檢測方法虛警率高、運算效率低的問題，提出一種快速行人檢測方法。首先，依靠輪廓的幾何特征進行第一層粗篩選，依據(jù)輪廓的不變矩特征進行第二層粗篩選，剔除干擾目標，降低虛警率。在此基礎上，裁剪圖像上的可疑圖像塊，僅在可疑圖像塊上提取HOG特征，并結(jié)合線性支持向量機進行特征分類，進一步降低虛警率。同時由于大幅減少了提取HOG特征的數(shù)量，從而提高了運算效率。仿真實驗在INRIA數(shù)據(jù)集上進行訓練，在Caltech數(shù)據(jù)集上進行驗證。結(jié)果表明，該方法的行人檢測虛警率低，運算效率高。

發(fā)表于：2017/7/20 12:01:00

基于Spark的改進關(guān)聯(lián)規(guī)則算法研究[嵌入式技術(shù)][數(shù)據(jù)中心]

針對關(guān)聯(lián)規(guī)則Apriori算法在信息爆炸時代面對海量數(shù)據(jù)時，其計算周期大、算法效率低等問題，將數(shù)據(jù)以特定的數(shù)據(jù)結(jié)構(gòu)進行存儲，降低數(shù)據(jù)遍歷次數(shù)；在連接操作前進行剪枝操作，并且改變剪枝操作的判定條件；同時將改進算法IApriori與基于內(nèi)存的大數(shù)據(jù)并行計算處理框架Apache Spark相結(jié)合，提出了一種基于Spark的Apriori改進算法(Spark+IAprior)。實驗結(jié)果表明，Spark+IApriori算法在集群伸縮性和加速比方面都優(yōu)于Apriori算法。

發(fā)表于：2017/7/20 11:49:00

基于無人機的飛機機身快速檢測系統(tǒng)[嵌入式技術(shù)][航空航天]

為了解決飛機機身快速檢測問題，提高檢測的效率和準確度，設計了一種利用無人機搭載檢測設備對飛機機身進行檢測的飛機機身結(jié)構(gòu)快速檢測系統(tǒng)。利用多旋翼無人機的優(yōu)點，系統(tǒng)硬件采用了多層次、模塊化的開放式結(jié)構(gòu)設計，構(gòu)造了一套通用的軟件測試平臺。整個系統(tǒng)分為移動機載控制平臺和后端處理平臺兩個部分，能夠?qū)崿F(xiàn)圖像的回傳和檢測過程的實時監(jiān)控，并通過對采集的數(shù)據(jù)進行分析處理，得出最后的診斷結(jié)果和檢測報告。最后，通過完成的系統(tǒng)對真實飛機檢測，數(shù)據(jù)結(jié)果驗證了系統(tǒng)的有效性，可以用于飛機的快速檢測。

發(fā)表于：2017/7/19 13:36:00

面向網(wǎng)絡股評觀點的垂直搜索引擎設計與實現(xiàn)[通信與網(wǎng)絡][數(shù)據(jù)中心]

股票市場是國家宏觀經(jīng)濟環(huán)境的晴雨表。網(wǎng)民對股市評論觀點在很大程度上反映了股市行情，也影響著股市漲跌。因此，通過網(wǎng)絡文本情感極性分析技術(shù)和搜索引擎技術(shù)來挖掘網(wǎng)絡股評觀點是當前信息和金融學科的交叉研究課題熱點之一。設計了一種融合全文搜索和觀點挖掘的面向網(wǎng)絡股評的垂直搜索引擎系統(tǒng)結(jié)構(gòu)，提出了一種面向網(wǎng)絡股評主題數(shù)據(jù)采集的定點收割算法和爬蟲結(jié)構(gòu)，并建立了一種網(wǎng)絡股評的多粒度模糊計算的無監(jiān)督情感極性分類方法，能實現(xiàn)股評觀點的在線分析。通過對實現(xiàn)的垂直搜索引擎的測試表明，其在情感極性分類精度、爬蟲數(shù)據(jù)采集效率、搜索引擎響應時間等性能指標上都能滿足實際應用要求。

發(fā)表于：2017/7/19 13:25:00

基于基擴展模型的高移動性信道估計方法[通信與網(wǎng)絡][通信網(wǎng)絡]

針對鐵路長期演進（LTE-R）通信系統(tǒng)，開展高移動性信道估計研究。通過引入基擴展模型，將LTE-R系統(tǒng)的信道沖激響應擬合為若干基函數(shù)與系數(shù)乘積和的形式。通過對基函數(shù)系數(shù)的估計，實現(xiàn)對快速時變信道進行近似。通過仿真對多項式基擴展模型、復指數(shù)基擴展模型、泛化復指數(shù)基擴展模型和優(yōu)化泛化復指數(shù)基擴展模型進行性能對比。仿真結(jié)果表明，優(yōu)化泛化復指數(shù)基擴展模型具有最低的歸一化均方誤差。此外，對于優(yōu)化泛化復指數(shù)基擴展模型，分別探討了不同移動速度、不同基函數(shù)個數(shù)和不同調(diào)制方式下的估計性能。仿真結(jié)果顯示，在較高移動速度、較少基函數(shù)個數(shù)及較高階調(diào)制方式下，優(yōu)化泛化復指數(shù)基擴展模型仍然具有較低的歸一化均方誤差。

發(fā)表于：2017/7/18 10:42:00

基于GOP分幀協(xié)作的多媒體多流并行傳輸機制[通信與網(wǎng)絡][通信網(wǎng)絡]

針對移動多媒體通信的可靠性和并行多流的實時性保障問題，通過組建GOP分幀協(xié)作網(wǎng)絡，提出了多媒體多流并行動態(tài)傳輸機制。首先，基于多媒體流結(jié)構(gòu)和視頻幀優(yōu)先級與吞吐率、可解碼幀率和信道質(zhì)量的關(guān)系，提出了GOP分幀協(xié)作傳輸網(wǎng)絡的構(gòu)建和動態(tài)調(diào)整方案。其次，基于動態(tài)多媒體的狀態(tài)分析了多媒體流數(shù)、信道質(zhì)量、可解碼幀率和誤碼率的變化規(guī)律，結(jié)合用戶側(cè)需求和通信距離，提出了基于GOP分幀協(xié)作的動態(tài)多媒體多流并行傳輸機制。最后，仿真實驗證明了所提方案在實時性、并行效率和可靠性等方面具有良好表現(xiàn)，非常適合于并行大規(guī)模多媒體實時通信。

發(fā)表于：2017/7/18 10:32:00

瑞利衰落信道下基于平均速率安全性能分析[通信與網(wǎng)絡][通信網(wǎng)絡]

針對現(xiàn)有的物理層安全技術(shù)缺乏以瑞利衰落信道為研究背景的安全性能分析，建立瑞利衰落信道下的竊聽模型，首先分別用平均解碼速率和平均發(fā)送速率來衡量傳輸系統(tǒng)的有效性和安全性，并推導其解析表達式。然后，將傳輸系統(tǒng)有效性和安全性的折中問題建模為多目標優(yōu)化問題，通過線性加權(quán)和法進一步將其轉(zhuǎn)化為單目標優(yōu)化問題，并給出基于梯度下降法的最優(yōu)發(fā)送速率求解算法。最后，通過數(shù)值仿真分析信號發(fā)送速率、竊聽者位置、循環(huán)迭代次數(shù)等因素對系統(tǒng)安全性能的影響。

發(fā)表于：2017/7/17 13:17:00

移動通信車輛動態(tài)組網(wǎng)抗干擾效能評估仿真[通信與網(wǎng)絡][通信網(wǎng)絡]

針對傳統(tǒng)的評估方法非移動通信車輛動態(tài)組網(wǎng)抗干擾效能評估不準確的問題，提出基于最大離差法與支持向量機法相互結(jié)合的移動通信車輛動態(tài)組網(wǎng)抗干擾效能評估方法，在分析移動通信車輛動態(tài)組網(wǎng)結(jié)構(gòu)及評估指標的基礎上，對移動通信車輛動態(tài)組網(wǎng)信息進行預處理，增加信息的準確度；引入基于最大離差法與支持向量機法相互結(jié)合，建立移動通信車輛動態(tài)組網(wǎng)抗干擾效能評估模型，實現(xiàn)抗干擾效能的評估。實驗結(jié)果證明，采用改進的評估方法時，其評估相對誤差較小，抗干擾效能評估性能好，具有一定的優(yōu)勢。

發(fā)表于：2017/7/17 13:05:00