相机位姿估计的加权正交迭代算法

在相机位姿估计的实际应用中,参考点的坐标数据不可避免地包含了测量误差,其量值大小通常不会完全一致,如果不区别测量误差直接进行相机位姿估计,将可能导致估计结果与真值相差甚远。为此,在广泛应用的正交迭代算法基础上,提出了相机位姿估计的加权正交迭代算法,该方法以加权共线误差为目标函数,根据像面重投影误差确定权重系数取值,优化相机位姿估计结果,具有精度高、稳健性好等优点,且满足全局收敛条件。数值仿真实验与风洞迎角实验的结果表明,本文算法更加有效,能够抑制不同程度测量误差对相机位姿估计结果的影响,所得结果明显优于正交迭代算法,具有较强的工程实用价值。     

相机位姿估计的加速正交迭代算法

面对需要实时计算的相机位姿估计问题,针对经典的广泛应用的正交迭代算法,提出了一种加速正交迭代算法。其关键思想是将每一次迭代过程规整化,从而提炼出每一次迭代的重复计算,若将此重复计算在迭代开始前提前计算,则可以大幅度的减少迭代过程中的计算量,使得每一次迭代的计算复杂度从O(n)降低为O(1)。因此,可以在更短的时间内迭代更多的次数,从而获得更高的精度。进行了对比实验,结果显示本加速算法计算精度更高,速度更快。并通过实验提出了选择稳健n点透视(RPn P)计算初值,再使用加速正交迭代算法进行迭代运算的方法,在控制点不多的情况下,是一种精度接近最大似然估计,计算速度最快的算法。     

基于自适应加权约束最小二乘法的麦克风阵列稳健频率不变波束形成算法

为了解决麦克风阵列通道失配时波束形成算法的稳健性问题, 提出一种基于自适应加权约束最小二乘法的麦克风阵列稳健频率不变波束形成算法. 该算法在分析无通道失配和通道失配时阵列模型特点基础上, 深入研究了通道失配时约束最小二乘频率不变波束形成算法存在的问题及其产生的原因; 将麦克风特性的概率密度函数作为稳健因子加入到约束最小二乘频率不变波束形成算法后, 其频率不变性的稳健性得到了一定的提高, 但稳健性仍较差. 为了进一步提高约束最小二乘法频率不变波束形成算法的稳键性, 通过定义代价函数中控制频率不变性的动态加权系数来调节旁瓣频谱能量, 大大提高了频率不变波束形成算法的稳键性, 将频率不变的频带范围内同一到达角度上不同频率所形成的阵列响应的最大值与最小值之比定义为波动误差, 并作为比较本文算法与约束最小二乘稳健波束形成算法和minmax稳健波束形成算法在通道失配时频率不变性稳键性的评价指标. 算法实例验证结果表明, 在麦克风阵列通道失配时, 本文算法的波动误差最小、频率不变波束形成稳健性最好, 而且适用于任意结构的阵列.     

不确定浅海环境中水平阵角度域子空间检测

在复杂浅海波导中,环境参数的不确定性影响检测的稳健性,故稳健检测是浅海检测中的重要问题.本文结合简正波模型,定义和估计了不确定环境中的水平阵角度域子空间,提出了水平阵角度域子空间检测器及其稳健形式.角度域子空间利用了不同环境参数条件下的水平阵远场观测模型,包含了不确定环境参数信息,估计过程中利用了硬海底条件下传播模态的水平波数与水体、沉积层声速之间的关系,具有较少的先验信息要求和较低的实现复杂度.在此基础上提出的水平阵角度域子空间检测器实现简单,在不确定环境中具有一定的稳健性,但其检测性能随目标方位角起伏.将角度域子空间变换到维数恒定的子空间中,得到角度域子空间检测器的稳健形式,即稳健水平阵角度域子空间检测器,该检测器在不确定环境中具有一定的稳健性,同时检测性能在各目标方位上一致.不确定浅海环境中的仿真结果表明,稳健水平阵角度域子空间检测器具有和能量检测器近似的稳健性,同时提高了检测能力.     

稳健估计下的声源定位最小二乘算法

采用声波技术测量落点坐标时,由于多种原因不可避免会产生粗差,严重影响定位结果。针对上述问题,提出了一种粗差探测方法和稳健估计下的声源定位最小二乘算法。该算法按照逐次迭代平差的方法,不断地改变观测值的权,使粗差观测值的权趋于零,从而降低粗差的影响。通过算例对文章算法进行了验证,结果表明:新算法的解算精度明显优于传统最小二乘算法。     

分布式压缩感知麦克风阵列多声源方位估计*

麦克风阵列已被广泛应用于音/视频会议等人机交互领域中时,多声源应用场景对声源方位估计性能提出了更高的要求。压缩感知(CS)声源定位算法将声源定位问题转化为信号的稀疏重构问题,相比传统的定位算法如相位变换加权（SRP-PHAT）和时延累加定位（DS）能够获得较高的定位性能,但多声源的存在一定程度上降低了稀疏程度,影响了CS重构性能。考虑到传统的CS定位算法并未利用多个连续语音帧之间声源空间向量的共同稀疏性,提出采用分布式压缩感知（DCS）理论以改善多声源的稀疏恢复估计的性能。仿真和实验结果表明,相比于传统定位算法和CS-OMP算法,DCS-SOMP算法在不同信噪比和不同声源强度的环境中,对多声源的方位估计都具有更好的定位性能和定位稳健性。     

IEPnP:一种基于EPnP的相机位姿迭代估计算法

近年来,EPnP算法作为一种相机位姿估计的解析算法,因其较低的计算复杂度而得到广泛的关注,但该算法对图像噪声的稳健性不强。提出了一种基于EPnP算法的迭代算法,即IEPnP算法。IEPnP算法保留了EPnP算法的主要思想,构造了4个虚拟控制点,利用弱透视投影模型获得相机的初始位姿,计算出虚拟控制点在相机坐标系下的坐标,然后通过高斯-牛顿法对虚拟控制点在相机坐标系下的坐标进行优化求解,最终通过解决绝对定向问题来获得对相机位姿的估计。IEPnP算法简化了EPnP算法的计算过程。在不同的图像噪声水平下进行仿真实验,结果表明,相比于EPnP算法,IEPnP算法不仅保持了较高的计算效率,而且对图像噪声具有更强的稳健性。     

多级恒模阵对目标方位估计性能的实验研究

实验分析了一种重要的盲波束形成算法——多级恒模阵对多个统计独立目标的方位估计性能,并与一些“盲”的和非“盲”的方位估计算法进行了比较。首先考虑了理想的阵列模型。然后在阵元响应中加入阵元幅相误差,通过改变误差的大小,进一步分析了算法对阵列模型误差的稳健性。最后针对不同尺寸接收阵和目标间不同角度间距分别进行了水池实验。计算机仿真实验和水池实验数据处理结果表明:当目标源间统计独立时,多级恒模阵对目标信号的捕获、分离不依赖于阵列流形,可以在盲分离信号的基础上估计出目标方位,角度分辨率不受瑞利限的限制,而且对阵列模型误差具有较好的稳健性。该结果验证了多级恒模阵可以对统计独立的多目标方位进行稳健盲估计。     

基于动态阈值匹配追踪的主动声呐直达波抑制方法

双基地声呐中的直达波干扰可以通过重构抵消的方式进行抑制。这种方法需要对直达波信道进行估计,传统的正交匹配追踪算法的收敛速度慢,分步正交匹配追踪等算法在提高收敛速度时牺牲了信道估计精度,导致回波检测能力下降。本文提出一种动态阈值匹配追踪算法估计直达波的信道响应,在提高收敛速度的同时兼顾了信道估计精度。在仿真环境中,达到同样的直达波抑制效果,所提算法与传统正交匹配追踪算法相比,收敛速度显著提升,检测输出的回波强度比分步正交匹配追踪算法高4dB;海试数据处理结果中,所提方法迭代收敛速度较正交匹配追踪算法提升4倍;输出的回波强度比分步正交匹配追踪算法高2dB。     

一种鲁棒性强的OFDM 水声通信系统*

为了在不同衰落水声信道下实现正交频分复用水声通信,该文提出了一种鲁棒性强的正交频分复用水声通信方案,方案包括编码调制、信道估计和多普勒估计等内容。为了使该系统更稳健,整个信道编码分为两个步骤。首先,循环冗余校验编码器和里德-所罗门编码器用于编码整个数据包,然后循环冗余校验编码器和Turbo 编码器用于编码每个数据帧,其中比特交织编码调制技术用来对抗信道的时变特性。为了得到水声信道估计,使用线性最小均方误差估计器来处理导频数据得到信道估计值。多普勒估计包括帧的多普勒估计和符号的多普勒估计。实验结果表明该系统在不同的衰落信道下都能实现正确的跟踪和译码,系统的鲁棒性能优越。此外,该系统算法计算简单,易于实现,具有良好的工程应用价值。     

基于正交试验的粒子群优化算法对火焰原子吸收光谱法分析金元素参数的优化

国内新一轮战略找矿行动全面启动,金矿产资源以其独特的稀有性和战略性具有特殊意义,其分析检测技术直接影响金元素的准确测试。以矿石中金元素为研究对象,采用正交试验设计方案对实验要素中的王水浓度、振荡时间和硫脲浓度进行方法测试,测定结果相对误差为量化指标;按照层次分析法(AHP)中确定要素指标、建立矩阵、一致性判断步骤计算要素权重为(0.252, 0.159, 0.589),通过客观赋权(CRITIC)法计算正交试验数据的对比强度和冲突性,计算要素权重为(0.452, 0.172, 0.377),提出基于AHP-CRITIC混合加权算法对要素权重综合分析,其结果为(0.314, 0.075, 0.611);利用粒子群算法构建粒子多维空间,通过粒子的速度和方向属性迭代位置设计算法流程图,在迭代过程中结合混合加权算法结果通过线性递减的方式校正惯性权重,优化粒子在迭代初期和末期的学习因子,结合正交试验结果利用粒子群算法建立目标适应度函数,改进算法流程,应用MATLAB软件仿真模拟粒子群迭代过程,从全局各位置和方向逐渐向最优组合收敛,得到优化后的粒子群算法寻找原子吸收光谱法分析金元素的最佳条件参数为...     

基于Lucas-Kanade算法的最大Gabor相似度大姿态人脸识别

在人脸识别科学研究和实际应用领域中,大角度姿态是影响人脸识别结果的主要因素之一,成为限制人脸识别技术进步的难点,而姿态的校正归一化是解决该问题的常用手段。首先通过加权的LK(Lucas-Kanade)算法得到侧脸块和对应正脸块的仿射变换参数,基于最大Gabor相似度寻找校正人脸姿态的最优参数。然后,以每一人脸块最优参数得到的平均Gabor相似度作为这一块人脸的识别权重,可以增加大姿态人脸识别的精度和稳健性。在FERET人脸数据库中进行了实验,当水平偏转角度为45°时,准确率达到97.3%,证明本文提出的以最大Gabor相似度作为加权LK算法参数提取的依据是有效的,得到的最优参数具有较好的光照无关性,而将平均Gabor相似度作为识别权重,有助于使算法的应用更加稳健和有效。     

基于轮廓模型的单应识别优化算法

提出了基于轮廓模型的复杂背景弱纹理目标单应优化方法。算法在随机抽样一致(RANSAC)框架下实现了初始变换的求解,通过优化法向距离实现了单应的优化求解。为了快速稳健地求解初始单应,算法随机选取三条满足一定几何约束的直线段进行假设变换关系的求解,通过选取使得投影误差最小的变换关系作为单应初值。为了解决复杂背景条件下模型-图像对应错误引起的优化失败问题,在模型-图像点匹配阶段,算法为每个采样点保留多个图像点对应,同时在对样本点进行加权过程中,该算法综合考虑了样本点自身的属性和样本点同周围点的关系,有效提高了稳健性。实验结果表明:该方法能够实现复杂场景目标单应的优化求解,相比传统的方法,该方法能够有效克服复杂背景的干扰,实现弱纹理目标单应的稳健估计。     

基于点和直线段对应的扩展正交迭代位姿估计算法

正交迭代算法是基于点特征,全局且快速收敛的位姿估计算法,是目前性能最优的实时位姿估计算法之一.对摄像机观测到的直线段提出了其不确定性描述的新方法:目标空间直线段误差,并把该误差融入到正交迭代算法的位姿计算过程中,形成扩展正交迭代算法.该算法可以同时利用点和直线段特征.算法先把点共面性方程表达为与正交迭代算法中点共线性方程一致的数学形式,再根据目标空间点共面性误差定义了目标空间直线段共面性误差.接着把目标空间点共线性误差和直线段共面性误差二者之和作为误差函数.最后推导出使该函数最小化的迭代求解过程.实验结果表明,本文算法是有效的,精确的.与正交迭代算法的计算结果对比,由于可以同时利用直线段特征,扩展正交迭代算法的位姿估计误差更低,抗噪声性能更强,算法更稳定.     

偏稳健M回归在人体血糖浓度近红外无创检测中的应用

采用偏稳健M回归方法有效地解决了人体血糖浓度近红外无创检测研究过程中由于样本奇异值影响模型稳健性的问题。该方法源于现有的迭代变权偏最小二乘法,计算快、易于实现,具有M估计的所有性质,且当权函数选择合适时,能降低奇异值的影响,建立具有稳健性的校正模型。采用该方法对近红外光谱实验数据进行了处理,并与传统的偏最小二乘(partialleast squares,PLS)建模方法进行了比较。结果表明,与PLS相比,该方法可建立稳健的校正模型提高预测精度,更适合复杂样品建模,对于人体血糖浓度近红外无创检测的进一步研究具有应用价值。     

基于混合粒子滤波的水下小目标跟踪

针对水下小目标粒子滤波估计过程中“粒子贫化”引起的估计性能下降,提出了混合粒子滤波算法。该算法在常规粒子滤波算法基础上,在每一步迭代估计过程中进行量测的再次随机采样,以丰富随机粒子多样性,缓解水下小目标状态估计过程中的“粒子贫化”的影响。对算法进行了仿真分析,并将该方法用于水下小目标探测实验的数据处理,结果表明,相比于常规的粒子滤波算法,所提出的混合粒子滤波得到了误差更小且稳定的状态估计结果,有效地改善水下小目标跟踪的精度和稳健性。     

最小均方误差解调算法在彩色超声血流成像中的研究

研究了最小均方误差正交解调算法在超声血流成像中的应用。首先由设计的期望信号与接收信号在最小均方误差原则下得到其迭代解调形式,获得回波信号同相分量和正交分量,然后由得到的正交解调信号通过自相关的方法对血流流速进行估计。解调算法的仿真结果表明,对高斯噪声信噪比为0.5—10dB的正弦波调制信号,解调输出平均信噪比与Hilbert变换法和I/Q解调法相比分别提高了15dB和4dB;血流成像的仿真结果表明,在流速估计性能相当的情况下,解调的乘法运算量仅分别为上述对比方法的18%和9%。因此在超声血流成像中应用最小均方误差正交解调算法,对于提高估计性能和降低运算量都有一定意义。      

自适应加权质心算法在高精度星点定位中的应用

为实现空间飞行器在高目标星等、像移和光学系统像差等因素影响下的高精度星点定位,提出了一种自适应加权质心细分定位算法。基于最大似然估计推导、建立数学模型并进行仿真实验。结果表明,与质心法、加权质心法及高斯拟合法等传统星点定位算法相比,提出的算法定位精度提高了50%以上,且具有良好的收敛速度,经过5次迭代后,质心定位误差相对较稳定,可以满足实际应用中对实时性的要求。     

基于广义正交迭代算法的立体视觉定位

提出了一种新的基于广义正交迭代算法的立体视觉定位.该算法通过提取CenSurE局部特征和相应的U-SURF描述符,采用SAD方法进行子像素立体匹配,并利用U-SURF描述符匹配进行前后帧图像特征跟踪.在RANSAC框架下对匹配点进行3D-3D运动估计获得了运动参量的初始值.由于3D-3D运动估计使3D点集间欧式距离误差最小,而3D特征点坐标受噪音影响很大,因此运动估计误差也较大.本文把广义正交迭代算法应用到立体视觉定位方法中,得到使立体相机目标空间共线性误差最小的运动估计参量,由于共线性误差比3D-3D运动估计算法中的共点误差受噪音影响更小,从而大大较少了运动估计误差.仿真实验和户外真实实验表明：本文算法获得了较高的计算准确度、鲁棒性和实时性,优于传统方法.     

最小均方误差解调算法在彩色超声血流成像中的研究

研究了最小均方误差正交解调算法在超声血流成像中的应用。首先由设计的期望信号与接收信号在最小均方误差原则下得到其迭代解调形式,获得回波信号同相分量和正交分量,然后由得到的正交解调信号通过自相关的方法对血流流速进行估计。解调算法的仿真结果表明,对高斯噪声信噪比为0.5¹0 dB的正弦波调制信号,解调输出平均信噪比与Hilbert变换法和I/Q解调法相比分别提高了15 dB和4 dB;血流成像的仿真结果表明,在流速估计性能相当的情况下,解调的乘法运算量仅分别为上述对比方法的18%和9%。因此在超声血流成像中应用最小均方误差正交解调算法,对于提高估计性能和降低运算量都有一定意义。