CDMA系统时间切换空一时多用户检测

提出用于CDMA系统上行信道的利用时间转换技术的空一时多用户检测算法，并给出了具有阵列天线的CDMA系统的设计和分析．基于DCMA编码和它们的空间信息，提供了结合阵列形式的WLS多用户检测算法，推导出干扰加噪声率(SINR)和误码率(BER)的计算公式．仿真结果表明，WLS多用户检测器是有效的．有阵列天线的CDMA系统比目前CDMA系统有更高的系统容量和更好的性能．     

一种联合式自适应多用户检测算法

自适应多用户检测器没有充分利用多用户信号特点，为此，提出联合式自适应算法，以接收信号作为参考信号，而自适应滤波器的输入信号变为各用户扩频序列的采样值，分析和仿真结果表明。该类自适应多用户检测器具有更高的收敛速度和抗远近效应的能力。     

一种增强的运动自适应算法

基于传统算法,提出了一种增强的运动自适应去隔行算法．在第一步运动检测得出运动状态之后用中值检测来纠正运动误判,提高了运动检测的抑制噪声能力．其次,由检测结果进行运动自适应插值：对图像静止部分使用场间插值,对运动部分使用边缘自适应插值．实验结果表明,该算法提高了运动检测的准确性,对静止图像和动态图像均能达到较好的效果．在一定程度上克服了传统算法带来的运动模糊、边缘锯齿等问题,同时与运动补偿算法相比,具有易于硬件实现的优点．     

基于激光雷达的无人驾驶障碍物检测和跟踪

针对激光雷达动态障碍物检测与跟踪过程中聚类适应性差、实时性低和跟踪准确度不高等问题，提出一种自适应的密度聚类算法和多特征数据关联方法，分别用于检测和跟踪. 首先，对激光雷达采集的点云进行路沿检测、感兴趣区域提取和地面分割等预处理，去除无关点云；然后，基于自适应的密度聚类算法对非地面的点云进行聚类，完成障碍物点云检测；最后，利用加权多特征数据关联算法结合卡尔曼滤波器实现对动态障碍物跟踪. 通过实验表明:本算法能够根据10 Hz的激光雷达数据实现对障碍物准确、稳定的检测和跟踪，且聚类时间缩短32%.      

基于自适应四叉树的实时动态地形生成

提出了一种基于自适应四叉树多分辨率实时动态地形成生成模型，算法包括对原始数据自适应输入和表态裁剪、更新了误差判断准则、开发了帧间连贯性。实验表明，该算法简单、有效，支持对地模型的交互式实时动态绘制。     

基于m序列调制的自适应音频数字水印算法研究

提出了一种基于m序列调制的自适应音频数字水印算法．该算法首先将视觉上可辨的二值水印图像降维为一维序列，再将水印序列伪随机排序并与m序列作扩频调制，最后对数字音频信号进行分段离散小波变换，把经过调制的水印信息自适应地嵌入到原音频信号小波分解中等尺度绝对值较大的分量上．仿真实验证明了算法的稳健性和不可觉察性．     

求解Job-Shop车间作业调度的混合算法

提出了一种解决车间作业调度最短完成时间的有效的混合算法．基于考虑到遗传算法的早熟收敛问题和禁忌搜索算法的自适应优点，该算法结合了遗传算法和禁忌搜索算法对Job—Shop车间作业调度问题的解进行编码，通过实例表明该算法是可行和有效的．     

基于前缀匹配混合查询树的RFID防碰撞算法

针对射频识别系统中多标签碰撞问题,在分析查询树算法和多叉树算法的基础上,提出了一种前缀匹配混合查询树(Prefix Matching Hybrid Query Tree,PMHQT)算法。该算法利用曼彻斯特编码来检测标签碰撞位信息,并利用碰撞位信息依次识别标签。在识别标签过程中进行碰撞位前缀匹配,选择适当的多叉树算法进行识别。通过仿真对比QT算法、自适应多叉树(AMS)算法、自调整混合树(AHT)算法,结果表明,前缀匹配混合查询树算法在总时隙数、吞吐率和通信复杂度都优于QT算法、AMS算法和AHT算法。     

视频传输差错掩盖技术研究现状与发展趋势

讨论了视频差错掩盖研究的发展过程和现状.介绍了常见的空域和时域差错掩盖算法,特别是基于边缘检测的空域自适应差错掩盖算法、基于运动向量外插的时域差错掩盖算法、多步多权值块变形差错掩盖算法以及基于失真度估计的SVC质量分级自适应差错掩盖算法.分析了这些算法在不同有损传输环境下的差错掩盖性能和适用环境.预测了差错掩盖技术可能的发展趋势.     

基于遗传算法的供应链联盟伙伴选择

在建立供应链联盟伙伴选择多目标决策模型的基础上，提出了一种求解供应链联盟伙伴选择优化问题的自适应遗传算法，并给出了算例．该算法设计了自适应交叉概率和变异概率，使每个个体在遗传过程中对环境变化具有自适应调节能力．算例结果表明，用该方法能以较快的速度收敛于全局最优解．     

采用相位推算法测量低频FSK信号频率

随着铁路的迅速发展，需要更多的信息量和更加有效的铁路信号检测方法，以满足铁路运输安全和高效率．提出一种基于时域分析测量低频频移键控(FSK)信号频率的相位推算法，并分析了测量误差产生的原因．通过计算机仿真效果较好，此法可在铁路信号检测中应用．     

自适应铁路场景前景目标检测

现代铁路系统中，智能视频分析技术已被广泛应用于异物入侵监测，前景目标检测是入侵判断的必要过程. 背景差分常用于检测前景目标，但铁路场景复杂，存在动态变化的背景区域和未知类型的目标，现有基于阈值分割或深度学习的背景差分算法都不能满足需求，故提出一种基于阈值自适应调节的前景目标检测算法. 利用像素值在时间上的动态信息，分割结果的反馈信息和由超像素提供的空间信息确定阈值调节因子，动态调节阈值以适应环境变化；提出一种灵活可靠的背景模型初始化方法，消除鬼影问题，实现一帧到多帧初始化的灵活切换. 实验结果表明，所提算法在铁路场景上取得了较好的准确率和误分类率，且平衡了精度和速度.     

基于自适应背景更新的运动车辆检测技术

在基于视频的交通检测系统中，运动车辆的正确检测是关键，目前采用的典型方法是背景差分法。为了得到较理想的背景图像，利用基于动态信息窗口的自适应背景更新算法，解决了背景的复杂性问题，提高了对多车道上运动车辆检测的正确率。     

高铁扣件的自适应视觉检测算法

为了实现高铁缺陷扣件的准确、快速和自动化检测，提出一种基于图像处理技术的高铁扣件自适应视觉检测算法. 针对高铁扣件图像的特性，使用改进的LBP (local binary pattern)算子提取扣件的显著特征；在扣件特征图的基础上，采用模板匹配算法得到扣件区域在原始图中的精确位置，进而得到扣件子图并用扣件的位置信息校验定位结果；以相邻两个扣件子图的差值作为判断依据，如果差值大于预设的阈值，相应的扣件则被判断为缺陷扣件. 将该检测算法应用于高铁工务部门提供的真实扣件图. 研究结果表明:本文提出的自适应扣件检测算法在雨天的表现最差，检出率为96%，误检率为0.50%；在晴天的表现最好，检出率为100%，误检率为0.22%；在不同天气、光照、环境下的综合检出率为99%，综合误检率为0.33%.      

一种基于DCT域滤波的新型盲均衡器

在常数模算法(CMA)基础上，提出一种适合于多电平调幅、调相数字通信系统的基于离散余弦变换(DCT)域滤波的新型CMA盲均衡器．计算机仿真结果表明：该盲均衡器较纯粹的CMA均衡器具有更好的均衡性能．     

基于自动删除算法的最小选择恒虚警检测器

将自动删除算法和最小选择方法相结合，提出了一种在强干扰目标背景下基于自动删除算法的最小选择恒虚警检测方法,分析了自动删除算法的性能，推导了该方法的平均虚警概率，平均检测概率的解析表达式．该检测方法的排序时间只有自动删除均值检测器的一半，而通过计算机仿真显示在多目标环境中．当强干扰目标较多时，该检测方法优于自动删除均值检测器。     

自适应多项式预测滤波器的新结构与算法研究

(1)提出了一种DCT域二次滤波实现结构及其NLMS自适应算法，并将其用于连续混沌信号的实时预测研究，结果表明：所提出的滤波器结构实现简单、不存在算法收敛性问题；对连续混沌信号的实时多步预测性能明显优于局域法的多步预测性能，这一结果对我们重新认识     

基于自适应复杂场景的背景建模方法

因复杂场景下的背景动态变化大,大多数背景建模算法易引起误匹配而导致检测精度降低.为此,提出一种基于自适应复杂场景的背景建模方法,背景模型采集视频前5帧图像初始化模型,通过后续帧获取像素的分布特征并更新背景模型.算法提出自适应离散系数结合像素值检测像素动态变化幅度,获取复杂背景中的目标.实验通过对多组数据测试,验证了算法检测精度优于其他算法,有效改善复杂场景下动态背景对前景目标提取的影响,减少了由背景像素值大幅度变化产生的假前景,在复杂场景下检测目标有较强的适应性和鲁棒性.     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.