基于稀疏分解的微弱多分量LFM信号参数估计

Wigner-Ville分布是线性调频(LFM)信号参数估计方法中的常用方法,但其缺点是对多分量LFM信号有严重的交叉项.文中以稀疏分解方法为基础,利用匹配追踪(MP)算法将微弱多分量LFM信号在过完备原子库上进行分解,由分解得到的原子参数可以估计出各个LFM信号的起始频率和调频斜率,从而实现了微弱多分量LFM信号的参数估计.仿真验证了该方法的有效性.     

基于跳数分类的改进DV-Hop节点定位算法

在传统DV-Hop节点定位算法中,不同的网络节点密度使得节点之间不同跳数的平均每跳距离差异较大,跳数越多误差越大.为了减小平均每跳距离差异对节点定位精度的影响,提出一种DV-Hop改进算法.改进算法首先提出跳数分类的策略对网络中不同的跳数进行分类,以减小不同跳数之间平均每跳距离差异的影响,提高节点的定位精度;然后对加权最小二乘估计进行改进,采用改进的权系数取值策略来适应累积误差的非线性变化,从而更好地控制不同跳数在最小二乘估计中的权重,以减小因跳数增加而产生的累积误差,进一步提高节点的定位精度.实验结果表明,改进算法可以有效地减小平均每跳距离差异以及高跳数对节点定位的影响,节点定位性能显著优于传统DV-Hop节点定位算法,相较于对比文献也有一定的提升,并且对不同的网络节点密度具有更好的适应性.     

高压线路除冰机器人越障识别定位算法研究

针对高压线除冰机器人越障时机械臂对中问题,提出了一种基于电缆线纹理特征的定位算法。根据复杂背景下沿电缆线方向纹理具有周期性的特征,通过对原始图像做同态滤波,减少高光反射和阴影的影响。用方向场估计纹理的方向,利用Gabor变换进行纹理信息提取,以纹理图像作为感兴趣区域,在感兴趣区域内使用线性最小二乘拟合方法获取电缆线最终位置。通过在不同光线背景下对电缆线定位的对中实验,证明了算法的有效性。     

位移场估计法在交通管理中的应用研究

智能交通系统中，车辆的行驶速度是重要的参数之一，为了快速获得车辆的行驶速度，提出了一种基于位移场的运动场估计计算法，该方法首先构造一个基于图象灰度的指标函数，再通过变分法中的欧拉方程分析和偏微分方程的数值解法，即可得到序列图象间的位移场；然后利用帧间位移场、帧间时间差、摄像机与车辆间的距离等参数相结合可计算出车辆的行驶速度，实验结果表明，与块匹配法相比，该方法不仅可得到更好的位移场，而且可快速获得车辆的行驶速度。     

DOA估计算法的一种修正MUSIC算法的研究

传统改进 MUSIC 算法通过对接收信号协方差矩阵作预处理,使信号协方差矩阵分解得到信号子空间与噪声子空间正交,从而降低噪声的影响。但当信号间隔很小时,随着信噪比的降低,传统改进MUSIC算法已无法分辨出信号。基于此问题提出的修正MUSIC算法在使信号子空间与噪声子空间正交的基础上,充分利用了噪声子空间及其特征值对噪声子空间的修正,进而构造谱峰搜索函数估计出信号。通过仿真实验,证实了在信噪比很低的情况下,信号间隔很小且存在相关信号时,修正MUSIC算法能准确地估计出传统改进MUSIC算法不能估计的信号。     

基于Bayes估计理论的数据融合方法

本文研究了多传感器数据融合技术的一种方法。融合方法以Bayes估计理论为基础,并对数据进行了一致性检验,得到了多传感器最优融合数据,提高了数据的精确度。实际应用结果验证了算法的准确性,并进行了Matlab仿真。这种数据融合方法计算简便,可以获得比有限个传感器的算术平均值更准确的测量结果。具有较高的可靠性,可用于测量结果具有正态分布特性的多传感器测量系统。     

在不准确方差下带随机系数矩阵的卡尔曼滤波稳定性

针对离散时间线性随机系统,研究了卡尔曼滤波的L2-稳定性问题. 考虑具有这两个特点的系统: 1)系数矩阵是随机的; 2)过程噪声、量测噪声、初始估计误差的方差矩阵不准确. 在系数矩阵有界、条件能观测、初始估计误差有界的假设下, 得到了卡尔曼滤波的L2-稳定性. 同时, 建立了卡尔曼滤波和状态空间最小二乘的等价性, 并在该等价性基础上得到状态空间最小二乘的状态估计误差L2-稳定性. 最后, 数值仿真说明了卡尔曼滤波的有效性.     

基于AAM和T型结构的人脸3D姿态估计

在分析已有的人脸姿态估计方法基础上,提出了一种基于主动表观模型(AAM)和T型结构的人脸3D姿态估计方法。对多姿态的人脸样本进行训练,得到多姿态的AAM模板集;利用训练得到的多姿态的AAM模板集进行最佳模板匹配,并对人脸的特征点进行精确定位;用人脸的双眼和嘴部构建T型模型,进行人脸3D姿态的参数估计。实验结果表明,该方法能适应较大的姿态旋转角度,并具有良好的姿态估计精度。     

衰减激励条件下最小均方算法的收敛性

给出了衰减激励信号的定义,并在衰减激励条件下,利用随机过程理论,研究了随机系统最小均方算法的收敛速率,阐述了参数估计误差收敛时,衰减指数和算法中设计参变量 (收敛因子或步长 )的选择方法.分析表明:在衰减激励条件下,最小均方算法也具有良好的性能:当衰减指数和设计参变量满足一定条件时,则参数估计误差一致收敛于零.     

基于分层压缩激励的ASPP网络单目深度估计

场景深度估计是场景理解的一项基本任务,其准确率反映了计算机对场景的理解程度.传统的深度估计利用金字塔池化(ASPP)模块可以在不改变图像分辨率的情况下处理不同像素特征,但该模块未考虑不同像素特征之间的关系,导致场景特征提取不准确.针对ASPP模块在深度估计中出现的弊端,提出了一种改进型的ASPP模块,解决了该模块在图像...