中国科技论文在线

上传时间

2005年01月19日

韩崇昭， HAN Chon-Zhao， ZHU Hon-Yan

自动化学报，2002，28（1）：117～124，-0001，（）：

-1年11月30日

综述多传感信息融合技术的概念、发展的起因、主要研究内容、现有的理论和方法，同时还就其在工业机器人、汽车自动导航与驾驶、身份识别、多目标跟踪、人工智能等自动化领域的应用进行了讨论。作者对于这一新兴研究方向未来的发展趋势作了展望，并就信息融合的一般理论、主要方法论、存在的问题等进行了探讨。

信息融合,，检测融合,，估计融合,，图像融合

85浏览
0点赞
0收藏
0分享
886下载
0

引用

上传时间

2005年01月19日

【期刊论文】基于力场分析的主动轮廓模型

韩崇昭，侯志强

计算机学报，2004，27（6）：743～749，-0001，（）：

-1年11月30日

摘要

传统Snake模型存在的缺点是，其初始轮廓必须靠近图像中感兴趣目标的真实边缘，否则会得到错误结果，且由于Snake模型的非凸性，结果不能进入感兴趣目标的深凹部分，很容易陷入局部极小点。由此该文提出一种基于力场分析的主动轮廓模型，详细分析了基于欧氏距离变换的距离势能力场分布,归纳出感兴趣目标上真轮廓点与假轮廓点的判别标准。建立了由曲线能量到最终结果的有效方法，避免了Snake陷入局部极小点。实验结果表明，该模型具有较大的捕获区域，能够进入感兴趣目标的深凹部分，准确提取感兴趣目标的轮廓。与GVFSnake模型相比，该模型具有很小的计算量。

主动轮廓模型， Snakes，力场分析，梯度矢量流，边缘检测，图像分割

53浏览
0点赞
0收藏
0分享
388下载
0

引用

上传时间

2005年01月19日

【期刊论文】鲁棒总体均方最小自适应滤波：算法与分析

韩崇昭，魏瑞轩，，张宗麟，方洋旺

电子学报，2002，30（7）：1023～1026，-0001，（）：

-1年11月30日

摘要

本文研究了在输入输出观测数据均含有噪声的情况下如何有效地进行鲁棒自适应滤波的问题。以总体均方误差（TMSE）最小为准则，基于最速下降原理，通过对总体均方误差梯度进行修正，提出了一种鲁棒的总体均方最小自适应滤波算法。通过与已有算法的对比分析表明，该算法能够有效地降低权向量的每步调整量对噪声的敏感程度.。仿真实验的结果进一步表明，该算法的鲁棒抗噪性能和稳态收敛精度明显地高于其它同类方法，而且可以使用较大的学习因子，在高噪声环境下仍然保持良好的收敛性。

自适应滤波，总体均方误差，总体均方最小，修正梯度

88浏览
0点赞
0收藏
0分享
292下载
0

引用

上传时间

2005年01月19日

【期刊论文】MIMO双线性系统稳定性研究的新方法1)

韩崇昭，方洋旺，焦李成

自动化学报，2001，27（6）：845～849，-0001，（）：

-1年11月30日

摘要

基于Volterra级数理论，计算出M IMO双线性系统的n阶冲激响应函数矩阵（或n阶Volterra核矩阵）。通过研究它的n阶冲激响应函数矩阵的性质，给出了一些简单的开环稳定性判据；并深入研究了它们的闭环稳定性，给出了直接利用其子系统的开环稳定性来判别其闭环系统稳定性的判据；最后，用仿真实例来验证其有效性。

n阶冲激响应函数矩阵(， n阶Volterra核矩阵)， ,， MIMO双线性控制系统,，局部BIBO稳定性.，

73浏览
0点赞
0收藏
0分享
229下载
0

引用

上传时间

2005年01月19日

【期刊论文】Optimal Linear Estimation Fusion-Part I: Unified Fusion Rules

韩崇昭， X. Rong Li， Senior Member， IEEE， Yunmin Zhu， Jie Wang， and Chongzhao Han

IEEE TRANSACTIONS ON INFORMATION THEORY, VOL. 49, NO.9, SEPTEMBER 2003，-0001，（）：

-1年11月30日

摘要

This paper deals with data (or information) fusion for the purpose of estimation. Three estimation fusion architectures are considered: centralized, distributed, and hybrid. A unified linear model and a general framework for these three architectures are established. Optimal fusion rules based on the best linear unbiased estimation (BLUE), the weighted least squares (WLS), and their generalized versions are presented for cases with complete, incomplete, or no prior information. These rules are more general and flexible, and have wider applicability than previous results. For example, they are in a unified form that is optimal for all of the three fusion architectures with arbitrary correlation of local estimates or observation errors across sensors or across time. They are also in explicit forms convenient for implementation. The optimal fusion rules presented are not limited to linear data models. Illustrative numerical results are provided to verify the fusion rules and demonstrate how these fusion rules can be used in cases with complete, incomplete, or no prior information.

Best linear unbiased estimation (， BLUE)， ,， estimation fusion,， fusion rules,， least minimum mean-squared errors (， LMMSE)， ,， least squares,， track fusion.，

71浏览
0点赞
0收藏
0分享
190下载
0

引用