基于加权加速正交迭代算法的相机位姿估计

单目视觉中的位姿估计是三维测量中的一个关键问题,在机器视觉、精密测量等方面运用广泛。该问题可通过n点透视（PnP）算法求解,正交迭代算法（OI）作为PnP算法的代表,因其高精度的优点在实际中得到了广泛运用。为了进一步提高OI算法的稳健性和计算效率,提出了一种加权加速正交迭代算法（WAOI）。该方法首先根据经典正交迭代算法推导出加权正交迭代算法,通过构建加权共线性误差函数,利用物点重投影误差更新权值,达到迭代优化位姿估算结果的目的;在此基础上,通过自适应权值,整合每次迭代过程中平移向量以及目标函数的计算,减少迭代过程中的计算量,从而实现算法的加速。实验表明,在12个参考点中存在两个粗差点的情况下,WAOI的参考点重投影精度为0.64 pixel,运算时间为8.02 ms,精度高且运行速度快,具有较强的工程实用价值。     

基于扩展正交迭代的快速加权的相机位姿估计

相机位姿估计算法多基于参考点而较少利用图像中的直线信息,本文对于相机位姿估计算法的抗干扰性和实时性,在扩展正交迭代的基础上,提出了一种基于点和直线段结合的快速加权的相机位姿估计算法,该算法以加权共线性误差和加权共面性误差之和为误差函数,根据计算初值的深度信息和重投影误差确定权重系数,并对整体进行加速优化,将每次迭代计算的时间复杂度从O(n)降到了O(1)。仿真实验结果表明算法可以抑制异常点的干扰,减少计算时间,旋转矩阵计算误差比传统正交迭代算法减少48.31%,平移向量计算误差减少48.79%,加速优化后的计算时间为加速前的47.11%。实物实验表明该算法可以充分利用检测到的参考点和参考直线信息,提高计算精度,有较高的实际应用价值。     

基于测量误差不确定性加权的快速相机位姿估计算法

在相机位姿估计任务中,参考点位置的测量容易受测量仪器或者所处环境影响,出现一定程度的测量误差,其中误差较大的点对最终求解精度的影响很大,被称为野值点。文章针对现有算法抗野值点能力较弱的问题,提出一种基于测量误差不确定性加权的快速相机位姿估计算法。该算法以经典的正交迭代算法为基础,引入M估计方法,对目标函数根据参考点的测量误差赋予相应大小的权值,最大程度地将野值点的影响排除,并引入Kronecker积对计算过程进行优化,减少了迭代过程中的冗余计算,提高运算速度。仿真实验结果表明,改进后的算法提升了原算法的抗野值点能力,且计算速度更快。     

自适应步长加权正交约束自然梯度ICA算法

针对传统自然梯度ICA算法的不稳定和分离结果不准确,提出一种自适应步长加权正交约束自然梯度ICA算法。首先,基于分离矩阵所满足的正交性约束,引入一种单步正交性修正方法。然后,根据相邻迭代结果之差可用于平滑构造每步迭代结果与最优值的距离,设计出一种单步误差估计函数。最后,据此误差估计函数引入一种自适应调整的步长。仿真实验表明,自适应步长加权正交约束自然梯度ICA算法,相比于传统的自然梯度ICA算法具有更快的收敛速度,且算法的稳定性和分离结果的准确性都得到了较大提高。     

圆柱度误差快速最优化评定方法

使用迭代重加权最小二乘算法(IRLS)进行圆柱度误差评定。经过实际计算将所得到的误差评定值与其他方法相比较,在测量数据点集满足"小误差、小偏差"两点假设的条件下,迭代重加权最小二乘法可以得到精确的最小区域解,但是在运算时间上由于受迭代次数的影响,对不同的误差限运算时间会相差很大。总体来说,迭代重加权最小二乘法实现简便,有较高的使用价值。     

基于泰勒加权最小二乘算法的水下TDOA/FDOA联合定位方法

针对水下复杂的定位场景中,两阶段加权最小二乘算法因为忽视噪声平方项而造成的定位不精确问题,本文提出了一种基于泰勒加权最小二乘算法的水下到达时间差和到达频率差(Time difference of arrival and frequency difference of arrival, TDOA/FDOA)联合定位方法。该方法首先通过加权最小二乘算法求解目标粗估计位置和速度;然后通过求解TDOA/FDOA测量值的泰勒展开式构造定位误差方程,用迭代的方法不断更新目标估计位置和速度;最后,当定位误差足够小或达到最大迭代次数的时候,算法停止运行并输出目标估计位置和速度。仿真表明,在噪声方差小于10分贝时,本文算法的位置和速度估计的均方根误差能够接近或约等于克拉美罗下界。      

NOMA系统基于改进的近似消息传递算法的联合信道估计与多用户检测

针对免调度非正交多址接入(Non-Orthogonal Multiple Access,NOMA)系统,多用户传输场景的上行信道估计(Channel Estimation,CE)与活动用户检测(Active User Detection,AUD)问题可被建模为压缩感知重建问题。本文提出了一种改进的近似消息传递(Approximate Message Passing,AMP)算法——阈值自适应-加约束重加权-近似消息传递(Threshold Adaptive Constrained Reweighted Approximate Message Passing,TA-CR-AMP)算法来联合解决CE和AUD问题。该算法在合适的迭代终止准则下,对AMP算法加入更新稀疏信号稀疏结构的操作,在此基础上对算法引入加约束的重加权,并令阈值自适应变化。仿真结果表明,与AMP算法相比,本文提出的算法以较低的复杂度获得了更加优越的信道估计和活跃用户检测性能。另外,本算法获得了与更加复杂的期望最大-贝叶斯AMP(Expectation Maximization Bayesian Approximate Message Passing, EM-B-AMP)算法相近的性能。      

非高斯噪声下基于Wilcoxon范数的变步长符号扩散式仿射投影算法

扩散式仿射投影算法(DAPA)是实现分布式网络参数自适应估计的一种重要方法,该算法在输入信号存在相关性时仍快速收敛,但抑制具有脉冲特性的非高斯噪声能力弱,且固定步长对收敛性有所限制.为此,该文提出了基于Wilcoxon范数的变步长符号扩散式仿射投影算法(VSS-DWAPA).首先,引入稳健估计理论中抗异常值能力强的Wilcoxon范数作为代价函数并根据其取值特点进行了符号量化,推导出了新的迭代方程;其次,针对固定步长的局限性,采用迭代方式实现了误差信号对步长的控制,在初始阶段和接近收敛阶段选择不同的步长,使算法具有更好的适应性.仿真结果表明,在非高斯噪声下本文的VSS-DWAPA算法在收敛性、跟踪性等方面均优于现有一些扩散式自适应滤波算法,同时在高斯噪声环境下也具有较好的性能.     

非高斯噪声下基于Wilcoxon范数的变步长符号扩散式仿射投影算法

扩散式仿射投影算法(DAPA)是实现分布式网络参数自适应估计的一种重要方法,该算法在输入信号存在相关性时仍快速收敛,但抑制具有脉冲特性的非高斯噪声能力弱,且固定步长对收敛性有所限制.为此,该文提出了基于Wilcoxon范数的变步长符号扩散式仿射投影算法(VSS-DWAPA).首先,引入稳健估计理论中抗异常值能力强的Wi...     

哈默斯坦非线性时变系统的加权学习辨识方法

针对有限区间哈默斯坦(Hammerstein)非线性时变系统,该文提出一种加权迭代学习算法用以估计系统时变参数。首先将Hammerstein系统输入非线性部分进行多项式展开,采用迭代学习最小二乘算法辨识系统的时变参数。为了防止数据饱和,采用带遗忘因子的迭代学习最小二乘算法,进而引入权矩阵,采用加权迭代学习最小二乘算法改进系统跟踪误差,以提高辨识精度。该文分别给出3种算法的推导过程并进行仿真验证。结果表明,与迭代学习最小二乘算法和带遗忘因子迭代学习最小二乘算法相比,加权迭代学习最小二乘算法具有辨识精度高、跟踪误差小以及迭代次数少等优点。     

最小化重投影误差的手眼标定优化算法

为了减小图像噪声对手眼标定精度的影响,在传统的手眼标定算法的基础上,利用基于最小化重投影误差优化算法求解手眼标定方程.以基于矩阵直积参数化方法计算出的手眼关系矩阵为初值,以摄影测量光束平差为优化模型,最小化重投影误差为代价函数,获得最优的手眼关系标定值.实验结果证明了该方法的具有较好的稳定性和精确性,算法求解了 10次...     

基于预测的OFDM系统迭代联合信道估计与符号检测算法

该文在现有的OFDM系统联合迭代信道估计与符号检测算法的基础上,根据信道响应的时域相关性,将预测方法引入迭代信道估计,对其进行改进.提出一类基于对初始信道估计值进行预测的迭代信道估计算法.进而分别用两种预测方法进行仿真并与传统迭代算法进行比较.仿真结果表明:该方法与传统算法相比,加快了迭代收敛速度,降低了系统误码率.在复杂度增加不大的前提下,提高了系统性能.     

基于虚拟控制点的像机姿态测量算法

像机姿态测量,包括确定像机的旋转矩阵与平移向量,在机器视觉领域中有着非常广泛的应用。针对控制点异面分布的情况,提出了一种基于虚拟控制点的像机姿态测量算法。算法的主要思想是利用少量虚拟控制点实现像机姿态的短时间迅速求解,然后通过目前非常成熟的正交迭代算法,对求解结果进行精细调节,从而在整体上提高测量算法的精确度与稳定性。实验结果表明,算法在性能上优于目前比较流行的几种像机姿态迭代求解算法,而且具有较强的抗噪声干扰和抗控制点误匹配的能力,可以应用在实际的测量环境当中,是一种有效的像机姿态测量算法。     

Exact and approximate Fourier rebinning algorithms for the solution of the data truncation problem in 3-D PET

This paper presents an extended 3-D exact rebinning formula in the Fourier space that leads to an iterative reprojection algorithm (iterative FOREPROJ), which enables the estimation of unmeasured oblique projection data on the basis of the whole set of measured data. In first approximation, this analytical formula also leads to an extended Fourier rebinning equation that is the basis for an approximate reprojection algorithm (extended FORE). These algorithms were evaluated on numerically simulated 3-D positron emission tomography (PET) data for the solution of the truncation problem, i.e., the estimation of the missing portions in the oblique projection data, before the application of algorithms that require complete projection data such as some rebinning methods (FOREX) or 3-D reconstruction algorithms (3DRP or direct Fourier methods). By taking advantage of all the 3-D data statistics, the iterative FOREPROJ reprojection provides a reliable alternative to the classical FOREPROJ method, which only exploits the low-statistics nonoblique data. It significantly improves the quality of the external reconstructed slices without loss of spatial resolution. As for the approximate extended FORE algorithm, it clearly exhibits limitations due to axial interpolations, but will require clinical studies with more realistic measured data in order to decide on its pertinence.     

无线传感器网络分布式迭代定位误差控制算法

针对无线传感器网络分布式迭代定位中误差的传播和累积问题,该文首先分析了锚节点几何形状对定位误差的影响,提出了基于几何精度因子的误差控制算法,巧妙设计了加权策略,将锚节点几何形状对定位精度的影响以权值的形式定量体现在迭代定位过程中,在每一轮迭代中有效控制了误差的传递,进而提高了整个网络的分布式定位精度。与传统的最小二乘定位算法和基于轮数的误差控制算法进行了仿真比较,结果表明,基于几何精度因子的误差控制算法定位性能最优,网络定位精度分别提高了25%和15%。