为了使得二级或无许可证用户在给定宽带上获取空闲的子带以供使用，针对认知无线电中的宽带频谱感知技术进行研究，提出一种有效的宽带频谱感知算法。算法采用隐马尔可夫模型(HMM)对初级用户的动态行为进行建模，以克服目前宽带感知技术的局限性；其次，利用现有窄带感知技术，将感知频带划分为较小的频道，将其建模为一棵平衡二叉树，并对频谱孔洞进行递归搜索。如果检测到有孔洞在频率上相邻，则将它们合并成一个单一的频谱孔洞，使得认知二级用户的容量在整个频带上最大化。仿真实验结果表明，与现有宽带频谱感知方法相比，提出的宽带频谱感知算法具有更好的感知性能增益和更强的鲁棒性。

基于视觉的火焰检测是一种灵活、低成本的火焰检测方式，但现阶段常用的火焰特征不能对火焰和干扰物进行有效的区分，有较大的误警率。本文基于目标轮廓的时序行为特征，将火焰的闪烁描述为一种有约束的非均匀形变过程，结合隐马尔可夫模型和传统几何特征对火焰和干扰物进行更准确地区分。实验表明，通过引入补充的火焰特征显著提高了火焰检测的准确率，有效减少了复杂环境下干扰物引起的虚警。

提出了一种综合考虑能力威胁、态势威胁和空战意图威胁的超视距空战目标威胁评估新方法。首先, 在能力威胁模型中加入了先敌发射能力威胁和超视距导弹攻击威胁模型; 其次, 针对态势威胁以态势有效性、制导有效性进行修正, 给出一种新的态势威胁计算方法; 然后, 基于隐马尔可夫模型(HMM)实现目标的机动辨识和态势预测, 在此基础上提出了意图威胁建模方法;最后,对综合威胁评估模型进行了仿真, 验证了所提方法在超视距目标威胁评估问题中的有效性。

针对大型室内场所用户移动定位复杂度较高、定位精度较低和定位不合理等问题,提出一种基于隐马尔可夫模型的可见光与惯导融合定位算法。首先在离线建库阶段建立室内停车场地图和定位指纹图,采集每个参考节点的可见光接收信号强度和节点间的距离与角度,建立隐马尔可夫模型。其次,在在线定位阶段,根据用户最大移动速度减小状态转移候选集,并获取可见光信号和运动信息。最后,利用改进的维特比算法进行用户轨迹匹配定位。仿真结果表明:所提算法在2500m 2室内停车场中能准确预测用户的运动轨迹,参考节点的预测准确率约为85%,平均定位误差约为3.35m;与其他4种定位算法相比,所提算法的定位轨迹连续、更平滑、精度更高。

针对当前动作识别技术中通常忽略上下文信息, 且其局部形状描述对噪声敏感, 难以有效处理运动模式的类内变化等不足, 提出一种3D运动轨迹解析耦合隐马尔可夫模型的动作识别算法。定义四种轨迹基元(直线、平面圆弧、左螺旋线与右螺旋线), 采用基于Kalman 的线性平滑器来降低干扰信息与异常值, 将3D轨迹分解和解析成不同的轨迹基元, 充分减少干扰信息对轨迹数据的影响, 同时保持形状和运动特性。为了避免丢失详细的局部形状信息, 设计一种形状描述符, 将轨迹基元进一步分割成子基元, 将每个运动轨迹表示为子基元的时间序列。引入隐马尔可夫模型, 根据运动数据的先验知识来模拟运动分类, 基于最大后验概率准则来进行运动识别。实验结果表明: 与当前流行的动作识别算法比较, 所提算法能有效识别各种动作类别, 对尺度变化, 以及局部噪声和局部遮挡具有更高的识别精度。

为解决运动目标跟踪过程中由于遮挡、光照变化、尺度变化等因素导致的目标易丢失以及传统Camshift跟踪算法中跟踪窗口易发散等问题, 提出一种融合优化的隐马尔可夫模型(HMM)和分块特征匹配的运动目标跟踪算法。首先, 利用主成分分析(PCA)结合特征位置对目标仿射尺度不变特征变换(ASIFT)特征进行降维生成PCA-ASIFT特征, 保留目标关键信息; 其次, 采用粒子滤波最优特征位置优化目标PCA-ASIFT特征的HMM参数; 最后, 通过HSV直方图模型建立目标分块, 赋予不同目标分块相应权重并结合分块特征匹配以改善Camshift算法实现运动目标跟踪。实验结果表明, 在自然场景下, 本文算法能够取得较好的运动目标跟踪效果, 对遮挡、尺度变化等具有较好的稳健性。

针对现有改进的Camshift手势跟踪算法没有考虑光照变化影响下的鲁棒性, 进而降低了动态手势的识别率, 提出一种基于深度预分割结合Camshift跟踪算法的动态手势识别法。通过在Camshift手势跟踪的基础上引入深度信息, 对手势搜索区域进行深度预分割, 改进手势目标匹配概率, 去除非手势肤色区域及光照变化的影响, 最后用隐马尔可夫模型(HMM)进行识别。实验结果表明, 提出的方法在光照变化及肤色干扰的环境下有很好的鲁棒性, 数字0~9的平均识别率可达97.7%。

通过对复合式攻击预测方法的研究,将关联规则、模糊评价法和隐马尔可夫模型相结合,提出了基于模糊—隐马尔可夫模型的复合式攻击预测方法。该方法首先将原始报警信息融合为超级报警信息,进而基于攻击行为的初始概率分布确定初始状态矩阵,根据关联规则确定状态转移矩阵,应用模糊判别法确定观察矩阵,最后应用隐马尔可夫模型中的Forward算法对报警信息隶属的攻击场景进行了识别,Viterbi算法对攻击意图序列进行了预测。仿真实验验证了该方法的有效性。

为了提高分类精度,提出一种基于奇异点和隐马尔可夫模型(HMM)融合的指纹分类方法。分别对基于奇异点的指纹分类方法和基于HMM的指纹分类方法的信任度函数进行分配,利用证据理论求得两种方法联合作用下的基本可信度分配值。最后,根据纹形模式判定规则,选择具有最大支持度的目标完成指纹纹型分类。利用提出的方法在国际指纹竞赛数据库上做了测试,总的纹型辨识平均正确率可达94.5%,识别结果优于奇异点分类方法和HMM分类方法,具有一定的实用价值。

现有蛋白质亚细胞定位方法针对水溶性蛋白质而设计,对跨膜蛋白并不适用.而专门的跨膜拓扑预测器,又不是为亚细胞定位而设计的.文章改进了跨膜拓扑预测器TMPHMMLoc的模型结构,设计了一个新的二阶隐马尔可夫模型;采用推广到二阶模型的Baum-Welch算法估计模型参数,并把将各个亚细胞位置建立的模型整合为一个预测器.数据集上测试结果表明,此方法性能显著优于针对可溶性蛋白设计的支持向量机方法和模糊k最邻近方法,也优于TMPHMMLoc中提出的隐马尔可夫模型方法,是一个有效的跨膜蛋白亚细胞定位预测方法.