基于FTM和CSI的单站目标跟踪研究

基于FTM和CSI的单站目标跟踪研究[通信与网络][通信网络]

WiFi技术在定位跟踪领域得到了迅速发展和应用，不仅可以通过精细时间测量(FTM)协议获得到达时间，还能利用信道状态信息(CSI)估计到达角，为单站目标跟踪提供了十分有利的条件。针对单站情况下到达时间和到达角的非线性跟踪问题，提出了一种简单有效的偏差补偿卡尔曼滤波算法(BCKF)。该算法对非线性观测方程进行伪线性化，然后补偿由伪线性化引起的估计偏差，实现更准确的状态估计。搭建WiFi测量平台，并在室内外两种典型环境下进行单站目标跟踪。实验结果表明，相较于其他非线性滤波算法，BCKF能以较低计算开销实现更准确的目标跟踪，在室内外的80%跟踪误差分别不超过3.7 m和1.5 m。

发表于：2020/12/16 下午4:21:39

飞机舵机电液伺服系统智能PID控制方法研究

飞机舵机电液伺服系统智能PID控制方法研究[人工智能][智能交通]

针对飞机舵机电液伺服系统中PID控制器参数难以整定的问题，引入一种智能PID控制方法。该方法结合了粒子群算法和PID控制器的优点，并利用蜂群算法的选择策略对粒子群算法进行优化，适应了飞机舵机电液伺服系统非线性动态控制环境的要求。实验结果表明，飞机舵机电液伺服系统智能PID控制方法能够达到系统控制性能指标要求，相较于传统PID控制器具有更良好的跟踪效果。

发表于：2020/12/16 下午4:15:00

基于卷积神经网络的织物瑕疵检测方法研究

基于卷积神经网络的织物瑕疵检测方法研究[人工智能][其他]

织物瑕疵检测是控制织物产品质量的重要步骤，传统的织物瑕疵检测方法检测效率低，劳动强度大。因此，针对传统检测方法存在的问题，提出一种基于卷积神经网络(CNN)的分类算法用于实现织物瑕疵检测。网络是在VGG16的基础上进行减枝，通过优化网络参数实现最优结果。首先，由于织物瑕疵大小差别较大，提出将瑕疵边缘作为检测的目标，这样就可以将大尺度图片分割为64×64的小尺度图片用于网络训练，既提高了网络的分类准确率，又解决了织物瑕疵图像搜集困难的问题。其次，在测试过程中，提出对大尺度图片进行有重叠的分割，然后对分割后的图片进行分类，根据每张图片的输出标签和位置来实现大尺度图片的瑕疵检测。实验结果表明，本文所提出的网络结构相比于传统的VGG16和LeNet网络结构, 具有检测速度快、检测精度高等优势。

发表于：2020/12/16 下午4:13:05

人工智能基础软硬件架构的关键技术研究

人工智能基础软硬件架构的关键技术研究[人工智能][通信网络]

针对当前人工智能技术在军用领域的应用问题和难点，研究基于深度学习技术的军用软硬件架构设计方法，并且结合业内主流的软硬件基础架构，分析在军事应用中涉及的关键技术和解决思路。通过对深度学习模型压缩转化、数据增强和分布式训练等软硬件架构的关键技术研究，设计构建了一站式人工智能开发平台、嵌入式边缘智能计算平台，对军用人工智能提供端到端的训练、部署和测试支撑。该研究可为未来智能无人作战系统提供软硬协同的智能计算解决方案。

发表于：2020/12/16 下午4:07:00

基于改进P-Unet模型的岩屑颗粒识别

基于改进P-Unet模型的岩屑颗粒识别[人工智能][其他]

提出了一种基于改进P-Unet模型的岩屑颗粒识别方法。该方法基于Unet模型结构，运用金字塔池化模块聚合不同区域的上下文特征信息，以充分利用全局信息。改进P-Unet模型采用了残差网络ResNeXt101，在提高岩屑颗粒识别准确率前提下，减少了超参数数量。该模型采用了焦点损失函数，在一定程度上解决岩屑颗粒类别不平衡的问题，同时运用深度可分离卷积代替传统卷积，较大程度减少了网络的参数以及预测的时间。实验结果表明，改进P-Unet模型得到的识别准确率对比同类先进算法有一定的提升，对岩屑颗粒识别的结果更加准确。

发表于：2020/12/16 下午4:05:58

基于GANs无监督回归三维参数化人脸模型

基于GANs无监督回归三维参数化人脸模型[人工智能][其他]

针对神经网络回归训练过程中三维人脸数据稀缺的问题，提出了基于生成对抗网络(GANs)回归三维参数化人脸模型(3DMM)的无监督学习方式。首先利用GANs的对抗生成训练使生成器回归的3DMM参数符合真实感人脸形状的参数分布。随后将生成的三维人脸网格渲染成二维图片，利用身份编码器对输入人脸及渲染人脸分别提取身份特征向量，通过不断缩小向量之间的距离使得生成的三维人脸网格靠近输入人脸的身份特征。实验结果表明，该方法在重建结果顶点位置准确性上相对于现有的方法有明显的提升，且拥有较好的RMSE值，能够较好应用于三维人脸重建任务。

发表于：2020/12/16 下午4:00:10

基于二倍体显性机制的透视变换矩阵参数优化

基于二倍体显性机制的透视变换矩阵参数优化[其他][其他]

图像拼接的基础是将所有待拼接的图像转换到同一平面上，而透视变换矩阵描述的就是一个平面到另一个平面的投影变换，反映了图像坐标点之间的一一对应关系。但当透视变换矩阵中参数精度较低时会导致图像拼接效果不佳，拼接过程中会出现公共区域无法对接、有鬼影等现象。提出了一种基于二倍体显性机制的DNA遗传算法(AO方法)的矩阵参数优化方案，AO方法在优化效率上能以较快的速度和较高的精度搜索到问题的全局最优解，从而提高透视变换矩阵参数的精度。实验结果显示，所提出的方法能够较好地优化矩阵参数，符合期望目标。

发表于：2020/12/16 下午3:58:00

智能化武器装备标准体系框架研究

智能化武器装备标准体系框架研究[人工智能][安防电子]

近年来，随着边缘计算、深度学习等人工智能技术的迅速发展，基于人工智能技术的智能化武器装备应用日趋广泛，这对智能化武器装备的标准化工作提出了更高的要求。针对智能化武器装备发展现状进行分析与研究，基于智能化武器装备标准现状及发展需求建立了智能化武器装备标准体系框架。同时，根据智能化武器装备特点和智能化战争需求对未来的标准研制工作提出了建议。

发表于：2020/12/16 下午3:54:57

基于机器学习的RTS游戏实时胜率预测

基于机器学习的RTS游戏实时胜率预测[其他][其他]

游戏胜负预测可用于自适应游戏AI的设计，策略层面强化学习的反馈参数等。使用SC2LE公开的数据集，首先通过游戏时间、MMR和AMP指标进行数据预处理，得到质量较高的数据集；然后使用pysc2解析，提取游戏数据；最后进行特征分析，得到基础特征和统计特征，完成游戏特征数据集的构建。最终采用机器学习方法XGB分类模型,利用10次十折交叉验证法进行模型评估与优选。结果表明使用基础特性与统计特性的组合，可以使得实时胜率预测准确率在不同匹配对局情况下均超过80%。

发表于：2020/12/16 下午3:53:13

基于机器学习的恶意软件检测研究进展及挑战

基于机器学习的恶意软件检测研究进展及挑战[人工智能][其他]

由于恶意软件的数量日渐庞大，攻击手段不断更新，结合机器学习技术是恶意软件检测发展的一个新方向。先简要介绍恶意软件检测中的静态检测方法以及动态检测方法，总结基于机器学习的恶意软件检测一般流程，回顾了研究进展。通过使用Ember 2017和Ember 2018数据集，分析验证了结构化特征相关方法，包括随机森林(Random Forest，RF)、LightGBM、支持向量机(Support Vector Machine，SVM)、K-means以及卷积神经网络(Convolutional Neural Network，CNN)等算法模型；使用收集的2019年样本集分析验证了序列化特征相关方法，包括几种常见的深度学习算法模型。计算模型以在不同测试集上的准确率、精确率、召回率以及F1-值作为评估指标。根据实验结果分析讨论了各类方法的优缺点，着重验证分析了树模型的泛化能力，表明随着样本的不断演变，模型普遍存在退化问题，并指出进一步研究方向。

发表于：2020/12/16 下午3:49:27