湖南大学电气与信息工程学院控制科学与工程系
- 作品数：3 被引量：9H指数：2
- 相关作者：何志唐宇更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于自适应特征融合的压缩感知跟踪算法被引量：4
- 2015年
- 针对运动目标外观或背景变化较大时,采用基于压缩感知的跟踪算法由于特征单一易导致漂移、跟踪不稳定甚至丢失目标等问题,提出了改进的基于自适应特征融合的压缩感知跟踪算法。该算法采用两种随机测量矩阵,分别投影V、H空间得到压缩后的纹理和颜色特征,利用在线计算的特征可靠性相对程度来自适应调整特征加权系数,充分利用两类特征的互补性来增强跟踪稳定性。对不同视频的测试结果表明,提出的方法在目标外观、背景环境变化时仍能准确跟踪目标,在目标大小为70像素×100像素时平均帧率为22帧/s,达到实时性。与提取单一特征的原压缩感知算法相比,改进后的方法在目标外观和背景变化时具有更强的鲁棒性。
- 唐宇凌志刚李建成白璐
- 关键词：目标跟踪压缩感知
- 学习人类控制策略的双足机器人步态控制研究
- 2014年
- 针对双足机器人面临的复杂环境下动态行走的适应性难题,提出了一种基于学习人类控制策略的双足机器人步态控制方法。利用三维线性倒立摆模型构造双足行走系统的状态方程,建立学习人类控制策略的参数化模型,设计了基于SVM的学习型控制器。该方法保证了躯干始终处于与地面近似垂直,增强了步态控制的鲁棒性,提高了双足机器人在复杂环境下行走的动态稳定性。实验验证了该方法的有效性。
- 何志谭建豪
- 关键词：双足机器人步态控制
- 基于WiFi指纹的层级学习室内定位模型被引量：5
- 2021年
- 随着物联网和信息技术的飞速发展,基于移动位置的服务近年来日益受到关注,同时也促进了室内定位技术的发展。基于WiFi指纹的室内定位技术以其部署广泛、成本低廉等优点受到了学术界的广泛研究。针对移动设备在室内环境中的定位问题,提出了一种层级学习室内定位系统(hierarchical deep learning indoor localization framework,HDLIL)。为获取和学习可靠的指纹特征,采用基于变分自编码(variational autoencoder,VAE)的特征提取模块来表征训练数据的潜在表示。通过构建多层神经网络来分析输入特征与位置输出之间的关系,并在输出层连接Softmax分类器,预测移动设备的位置。在定位阶段,移动设备接收测试数据并发送定位请求,然后通过加载HDLIL估计该测试指纹的位置。最后通过实验对HDLIL的定位性能进行了评估,讨论了不同定位因素对结果的影响,验证了该定位算法的精度及鲁棒性。
- 薛敏孙炜余洪山张星
- 关键词：位置管理
