基于分批估计的自适应加权数据融合算法

针对多传感器数据融合问题,文中提出了一种基于分批估计的自适应加权数据融合算法。该算法采用时间序列和空间序列对采集的数据分批求其方差,利用数据一致性检测对噪点进行剔除,进而得到自适应因子。随后采用自适应加权法对数据进行融合,得到预测值。文中模拟物联网数据进行仿真实验。结果表明,在处理数据时运用分批估计的自适应加权多传感器数据融合技术,能够提高传感器测量的精确度和系统的可靠性,基于分批估计的自适应加权平均法比传统自适应方法的均方根误差减少了10%,精度提高了2.3%。     

移动卫星通信自适应UKF组合导航姿态估计算法

为解决组合导航姿态估计航向角可观性弱,姿态估计精度低、易发散的问题,提出了一种单基线GPS辅助观测的组合导航姿态估计算法,通过四元数与修正的Rodrigues参数相互切换避免了四元数加权均值计算和协方差奇异问题,确保了四元数的规范化;通过有效利用单基线GPS航向角辅助观测,改善航向角的可观性,提高了三维姿态角的估计性能;通过使用开关自适应UKF算法,提高了算法的适用性和姿态估计的精度。实验结果证明,UKF姿态估计的精度优于EKF,最终三维姿态角的最小均方误差均在0.36°以内,估计误差均在0.5°以内,满足了宽带移动卫星通信的波束指向要求。     

基于数据拟合的OFDM时变信道估计方法

利用周期伪随机(PN)序列频域能量集中在某些点上的特点,提出一种基于数据拟合的时变信道估计算法.该方法利用周期性PN序列的自相关特性,降低噪声和未知数据对导频的干扰;同时利用其周期性,实现对信道变化趋势的多点拟合;并在此基础卜利用信道时间平均值对估讣参数进行修正,以进一步提高估计精确性.仿真结果表明:与传统方法相比,该方法具有较优的误码率(BER)和均方误差(MSE)性能,尤其在低信噪比环境下性能改善显著.     

基于抛物线插值的分数时延估计算法

时延估计技术在通信、雷达、声呐、定位、盲信号分离、超声波测距、生物医学工程等许多领域都有着广泛的应用,这些系统的精度与时延估计的精度息息相关。但时延精度受限于采样间隔,不可避免会引入分数倍时延。在众多分数时延估计算法中,三点插值法是一种非常简单高效的方法。针对基于三点插值的分数时延算法估计精度受限问题,提出基于五点平滑的三点插值法,提高分数时延估计精度;该方法利用相关峰及相关峰前后两点,对相关峰进行五点平滑后,再进行二次抛物线插值来估计分数时延。仿真结果表明,文章所提改进算法的分数时延估计误差优于传统三点抛物线插值法,验证了该方法的有效性。     

基于MRPs的改进SRUKF姿态估计算法

针对四元数在飞行器姿态描述时存在冗余的问题,设计了把修正罗德里格参数(MRPs)作为描述姿态的一种全姿态描述方法,将加速度计和磁强计作为观测量,提出了基于平方根无迹卡尔曼滤波器(SRUKF)的姿态估计算法,针对外界环境对加速度计和磁强计的干扰问题,将专家系统引入SRUKF算法中,根据加速度及磁场信息实时调整滤波器的量测噪声矩阵,有效地提高了算法的抗干扰性。实验结果表明,该算法成功使系统的静态精度姿态角小于0.05°,航向角小于0.1°;动态精度姿态角小于0.5°,航向角小于1°,优化效果得到了明显改善。     

基于HRNet的高效人体姿态估计算法

高分辨率网络(High-Resolution Network, HRNet)因并行连接高分辨率卷积且在并行卷积中重复进行多尺度融合来维持高分辨率表示,弥补了重复上采样和下采样过程造成的信息损耗等问题而受到广泛研究。但该网络只选取最高分辨率特征表示作为输出,忽略了其他分辨率分支的特征,且对遮挡等原因产生的困难点的检测精度较低。为了提升网络对关节点定位的精度,提出了一种改进HRNet的网络模型H-HRNet(High Precision-HRNet)。提出了一种结合注意力机制的特征融合方法,对各通道提取到的信息进行融合,提高了网络对关键点的提取精度;为了解决困难点检测精度不高等问题,在特征提取网络后添加调优模块并设计多级监督机制进行监督;为了减少坐标编解码过程中的误差损失,使用一种新的解码策略。实验结果表明,模型在COCO和MPII两个数据集上的精度分别达到了76.1%和90.6%,比基线网络HRNet分别提高了1.7%和0.4%,验证了H-HRNet模型的有效性。     

基于拟合的莱斯因子估计算法

针对现有的莱斯因子矩估计算法适用性低和复杂度大的问题,提出一种基于拟合的改进矩估计算法,以提高莱斯因子的估计效率。改进的算法首先将矩估计模型进行有理函数近似,然后对近似式求逆,得到两个关于莱斯因子的闭合式。仿真结果表明,改进后的算法在样本为50000和1000时,估计效率提高至少2.5倍;在保证估计精度的情况下,拥有更小的时间复杂度,可用在终端资源有限的无线通信场景中。     

基于分层的自适应运动估计算法

提出了一种基于分层的自适应运动估计算法,选取菱形作为搜索模型,提取相邻宏块间的运动矢量关系检验运动状况,对大运动块采用分层结构搜索,其他运动使用小菱形搜索,结合多种提前截止准则,在保证匹配精度的前提下提高了搜索速度.     

基于自适应插值扩展卡尔曼滤波的永磁同步电机状态估计

PMSM无传感控制的转速与转子位置估计对系统至关重要,扩展EKF算法作为无传感控制技术被广泛应用在工业领域。但是EKF算法在系统线性化过程中产生截断误差,对于高度非线性模型无法得到精确估计值。为减小EKF算法因非线性问题而造成的误差,文中提出了一种基于AIEKF状态估计法。该方法以量化状态方程的非线性程度为依据,通过添加伪状态值减小EKF算法线性化中产生的误差对估值精度的影响,从而降低系统在线性化过程引起的误差。仿真计算结果表明,AIEKF较EKF的截断误差平均降低了55.6%。     

基于三角函数自适应曲面拟合的红外图像背景估计

提出了一种新的基于自适应曲面拟合的红外图像背景估计方法。采用三角函数作为基函数，对天空背景下局部窗口内的红外图像进行拟合。为提高拟合精度，引入了权值矩阵对拟合误差进行约束，并采用分步策略对拟合结果进行优化。在初步拟合结果的基础上，为抑制奇异点（强边缘点，噪声和小目标）对拟合的“干扰”，采用迭代寻优的方法，自适应地对拟合权值和拟合系数进行调整。此外，针对迭代处理的阈值选取，采用概率统计的方法对噪声方差进行估计，提高了拟合的准确性。实验表明：利用该方法估计背景进行背景抑制，可有效提高残差图像目标/背景的信噪比，显著减少虚警点干扰，提高单帧内目标检测概率。     

基于拟合平面插值的时域错误隐藏算法研究

针对H.264/AVC压缩视频码流在无线信道传输过程中由于运动矢量失配导致图像重构质量下降的问题,本文提出了一种基于拟合平面插值的时域错误隐藏算法。该算法主要利用平面拟合算法对受损宏块运动矢量进行重建,同时采用外边界匹配算法选取最优运动矢量对受损图像进行恢复重建。实验表明,该算法不仅避免了原始算法产生的方块效应,而且在不同的RTP丢包概率下,该算法提升了峰值信噪比,恢复重建的图像质量在主观方面和客观方面都有很大的改善。     

基于Hough拟合算法的对称目标姿态测量新方法

针对空中对称刚体目标,提出了一种基于Hough变换拟合算法的姿态测量新方法.它对于中轴线提取过程进行了改进,通过详实的仿真实验和精度分析,证明该算法在一定程度上提高了中轴线测量法的抗噪性和测量精度,且易于实现,对于实际的工程应用具有一定的借鉴价值.     

基于细化频谱的频率迭代插值估计算法

在加性高斯白噪声环境的单频复指数信号频率估计中,针对现有频率估计算法估计误差分布不均且估计精度较低的问题,该文提出一种细化频谱迭代插值估计算法。该算法首先根据半长信号的快速傅里叶变换峰值位置计算细化频谱,再利用细化频谱幅值进行频率的无偏插值估计,最后利用估计结果和全长信号更新细化频谱并进行迭代插值重估。仿真结果表明,与现有算法相比,所提算法估计误差分布均匀,且在高信噪比的所有频率范围和低信噪比的大部分频率范围内估计精度更高。同时仿真表明,所提算法在加性均匀噪声环境中也有较好的估计性能。     

基于MobileViT改进的红外人体姿态估计算法

人体姿态估计主要依赖于视觉图像信息捕获关节点从而获得肢体和躯干的全局姿态信息。目前,基于可见光的深度学习方法具备较高的检测精确度,但隐私泄露的风险限制了其实际应用。同成本的红外探测器虽更能突出人体目标,但因成像分辨力较低,图像质量差,导致检测精确度下降。受视觉Transformer的启发,本文引入MobileViT-FPN提取人体关键点,利用MobileViT捕捉局部关节点特征和全局关节点特征关系,然后使用固定模式噪声(FPN)在多尺度上聚合这些表征信息,结合改进的OpenPose对关键点进行聚类,输出估计结果。在关键点级联阶段,注意力机制使模型自适应关注感兴趣区域,增强对遮挡部位的恢复。实验表明,该方法可以实时检测变化尺度和部分遮挡的红外人体目标,准确描绘人体姿态。     

基于高斯相似度分析的插值自适应算法

快速说话人自适应算法在非特定人连续语音识别的应用中有重要意义.现在流行的自适应算法多数只考虑均值的自适应.本文提出的自适应算法可以快速的对协方差矩阵进行自适应.该算法是用高斯相似度度量协方差矩阵间的距离,并由此测度建立了反映协方差矩阵结构关系的二叉决策树.树的每个中间节点包含一个类质心.在决策树基础上,训练多个与特定人模型相关的类质心.自适应时,通过对这些类质心进行线性插值得到自适应的协方差矩阵.实验结果表明,该方法能够在仅有一句自适应数据的情况下,使系统误识率由29.49%下降到27.55%.     

基于高斯拟合的相干激光雷达风速估计算法

分别利用高斯拟合估计算法（Gaussian fitting estimation algorithm,以下简称Gauss估计算法）和最大似然（Maximum Likelihood,ML）离散谱峰值（Discrete Spectral Peak,DSP）估计算法（ML DSP）处理实测回波信号,计算得到风速扰动的功率谱密度（Power Spectral Density,PSD）。根据Kolmogorov湍流理论中PSD与频率的-5/3关系,比较不同距离门下的PSD,采用高频区域的风速误差作为风速估计性能参数,分析比较不同距离情况下风速误差,并利用自相关系数分析风速时间变化的相关性。结果表明:在距离较低的探测区域Gauss估计算法的风速误差微弱小于对应的ML DSP估计算法,二者之间的风速误差差值最多不超过0.05 m/s。而在距离较高的区域,两种算法的风速误差差值从820 m处的0.06 m/s增加至1 200 m的0.16 m/s。在风速的时间相关性分析上,Gauss估计算法的风速时间自相关系数明显大于对应的ML DSP估计算法,说明Gauss估计算法处理的风速数据更具有稳定性。     

基于自适应压缩感知的信道估计算法

传统方法压缩感知算法截取训练序列最后未被数据干扰固定部分作为观测矩阵,该方法为了抵抗最差的信道而浪费了大量的可用观测数据。在此基础上提出了一种自适应压缩感知的信道估计算法,首先对训练序列进行自适应检测,得到整个未受干扰的观测矩阵,再用压缩感知算法计算信道估计。仿真结果表明,这种基于自适应压缩感知的信道估计算法大幅提高了信道估计的准确性。     

基于MPTCP耦合的自适应带宽估计算法

多路径TCP(MultiPath TCP,MPTCP)协议既能满足用户对数据高速传输的需求又具有较高的稳定性,故提出一种基于MPTCP耦合的自适应带宽估计算法(Adaptive Bandwidth Estimation Algorithm Based on Coupling of MPTCP,ABEC?MPTCP).为...     

一种基于RLS算法的自适应时延估计算法

针对基于LMS算法的自适应时延估计算法收敛速度慢的缺点,推导出一种基于RLS算法的自适应时延估计算法,并分析了基于RLS算法的自适应滤波器的均值性能。经仿真证明该算法的收敛速度有了一定提高,并且其时延估计的跟踪性能得到了改善。