随机共振在方位估计中的应用

单独的方位估计,在低信噪比下,会出现偏差。为了准确估计,提出了基于随机共振的微弱信号方位估计方法。。首先经随机共振后得到信噪比提高的信号,然后再由方位估计算法来估计出目标方位。利用方位估计中的CBF、MVDR、MUSIC算法,结合常用的微弱正弦信号和BPSK信号进行了仿真研究。结果表明：把随机共振应用到微弱信号方位估计符合理论分析,提高了目标方位估计的准确性。     

新兴数字视频稳像中相机运动估计技术综述

为了解当前数字视频稳像中相机运动估计技术的发展现状、存在问题和发展前景,对其进行了研究。通过对相关文献的归纳和分析,将新兴数字视频稳像中相机运动估计技术分为3D运动估计、传感器辅助运动估计以及新兴2D运动估计,并分别讨论了各种运动估计技术的研究现状、研究成果、不足和挑战。最后,结合技术和市场因素对数字视频稳像中相机运动估计技术的发展前景进行了展望。研究表明,当前数字视频稳像中相机运动估计技术在实时应用和估计精度上都有待改善。     

一种嵌入式软件项目估计方法

软件项目估计是CMM2级软件项目策划KPA的基础,是软件开发中的一个重要环节。合理的估计是保证软件项目符合预算和进度要求的前提条件。描述了基于CMM的软件估计的过程,介绍了一种基于嵌入式软件项目的估计方法,并结合具体实例对规模估计、工作量／成本估计、关键计算机资源估计和进度估计的内容进行了细致的阐述。该研究为有效地规划和管理嵌入式软件项目,制定合理可行的软件开发计划提供了有力的支持。     

改进的OFDM系统半盲信道估计算法

信道估计算法从先验信息的角度,可分为3类：基于参考信号的估计、盲估计和半盲估计。半盲估计是结合盲估计与基于训练序列估计这2种方法优点的信道估计算法。本文首先通过基于导频辅助的半盲信道算法和基于直接判决的半盲信道算法得出信道的估计值,再定义一个置信度函数得出加权系数γ,使基于导频辅助的半盲信道算法和基于直接判决估计算法有效结合起来,有效提高信道估计的精度。     

电力系统谐波状态估计研究综述

谐波状态估计是谐波源定位的一种方法,它通过状态估计对所监测的电力系统谐波进行分析,从而确定系统中的谐波源的位置。系统地介绍了电力系统谐波状态估计技术的概念、功能和算法。从同步相量量测、静态估计算法、动态估计算法、量测点配置等方面出发,评述了现有的几种谐波状态估计算法;展望了谐波状态估计研究今后的主要工作。     

基于MIMO—OFDM系统的信道估计方法分析

MIMO-OFDM技术是未来无线通信系统的研究热点。信道估计是估计出信道的时域或频域响应,对接收到的数据进行校正与恢复,是实现MIMO-OFDM系统优良传输性能的重要环节。文章对MIMO-OFDM系统的多种信道估计方法进行了探讨,分析和比较了非盲信道估计、盲信道估计和半盲信道估计方法,并提出了未来信道估计算法的研究方向。     

MIMO—OFDM系统信道估计技术研究

信道估计是MIMO-OFDM系统中的关键技术之一,信道估计的准确与否直接关系到系统性能的好坏,因此寻求快速、准确、可靠的信道估计算法以提高信道估计精度是一个重要的研究课题。该文通过建立MIMO-OFDM系统信道模型,给出了基于训练序列的LS估计和MMSE估计的基本算法实现原理,并针对算法的不足提出改进算法。通过仿真可知,改进算法比基本算法拥有更好的系统性能。     

基于深度学习的二维人体姿态估计综述

人体姿态估计是计算机视觉领域的一个基础且具有挑战的任务,人体姿态估计对于描述人体姿态、描述人体行为等至关重要,是行为识别、行为检测等计算机视觉任务的基础.近年来,随着深度学习的发展,基于深度学习的人体姿态估计算法展现出了极其优异的效果.从单人人体姿态估计、自顶向下的多人人体姿态估计和自底向上的多人人体姿态估计这3种主流的人体姿态估计方式,介绍近年来基于深度学习的二维人体姿态估计算法的发展,并讨论目前二维人体姿态估计所面临的困难和挑战.最后,对人体姿态估计未来的发展做出展望.     

Weibull分布形状参数两种估计的比较

1引言 Weibull分布在实际中有广泛的应用,有关分布参数的估计也有较多的研究[1,2].文[6]研究了形状参数的收缩估计;文[5]采用随机模拟方法(Monte-Carlo方法)比较了Weibull分布形状参数的四种估计(包括极大似然估计、简单线性无偏估计、最好线性不变估计、最小二乘估计)的优劣.最近,文[3]又给出了Weibull分布形状参数的新估计,该文证明了这一估计是相合的和渐进正态的.对于通常矩估计,本文证明它也是相合的、渐近正态的.而文[3]对于提出的新估计与通常矩估计的优劣未作任何讨论.本文正是来研究该问题的,在相对渐进效率意义下比较了这两个估计.     

SIMO信道中信噪比估计算法分析与仿真

针对单输入多输出(SIMO)信道信噪比估计问题,在建立同一信号模型的基础上,研究期望最大化估计、二阶矩四阶矩估计、四阶联合估计和六阶矩估计等4种算法。从天线数、调制方式及噪声功率等方面进行仿真,将结果与Cramer-Rao下界进行对比。结合仿真结果分析各种算法的实现复杂度。     

深度学习单目深度估计研究进展

单目深度估计是从单幅图像中获取场景深度信息的重要技术,在智能汽车和机器人定位等领域应用广泛,具有重要的研究价值。随着深度学习技术的发展,涌现出许多基于深度学习的单目深度估计研究,单目深度估计性能也取得了很大进展。本文按照单目深度估计模型采用的训练数据的类型,从3个方面综述了近年来基于深度学习的单目深度估计方法：基于单图像训练的模型、基于多图像训练的模型和基于辅助信息优化训练的单目深度估计模型。同时,本文在综述了单目深度估计研究常用数据集和性能指标基础上,对经典的单目深度估计模型进行了性能比较分析。以单幅图像作为训练数据的模型具有网络结构简单的特点,但泛化性能较差。采用多图像训练的深度估计网络有更强的泛化性,但网络的参数量大、网络收敛速度慢、训练耗时长。引入辅助信息的深度估计网络的深度估计精度得到了进一步提升,但辅助信息的引入会造成网络结构复杂、收敛速度慢等问题。单目深度估计研究还存在许多的难题和挑战。利用多图像输入中包含的潜在信息和特定领域的约束信息,来提高单目深度估计的性能,逐渐成为了单目深度估计研究的趋势。     

基于深度学习的相机位姿估计方法综述

相机位姿估计是指在已知环境下精确地估计相机在世界坐标系中六自由度位姿的技术,该技术是机器人技术和自动驾驶中的关键技术。随着深度学习的飞速发展,使用深度学习来优化相机位姿估计算法已经成为了当前的研究热点之一。为了掌握目前相机位姿估计算法的研究现状与趋势,对基于深度学习的相机位姿估计的主流算法进行了综述。简单介绍了传统的基于特征点的相机位姿估计方法。重点介绍了基于深度学习的方法：根据核心算法的不同,从端到端的相机位姿估计、场景坐标回归、基于检索的相机位姿估计、层级结构、多信息融合和跨场景的相机位姿估计六个方面进行了详细的阐述和分析。对研究现状进行了总结,并基于深入的性能分析指出了相机位姿估计领域面临的挑战,展望了其发展动向。     

一种改进的基于压缩感知的稀疏信道估计算法

分析了突发信号的结构特征,提出了一种改进的基于压缩感知的稀疏信道估计方法。在信道初始估计中,利用前导伪随机序列的自相关特性,估计信道的路径时延,以此初始化稀疏重构算法,增加了信道估计的先验信息。在后续处理中,利用前一时刻已估计出的信道信息,跟踪估计当前时刻的信道信息。仿真证明,与最小二乘估计算法、正交匹配追踪算法和分离近似稀疏重构算法相比,本文提出的算法提高了信道估计的精度,降低了接收系统的误码率。     

定数截尾有缺失场合反延时电路可靠性分析

在定数截尾数据有缺失的情形下,对单个电子元器件寿命服从单参数指数分布的反延时电路系统进行了可靠性分析。应用Bayes方法并结合矩估计法,得到了单个电子元器件的失效率、系统可靠度及系统平均寿命3个可靠性指标的Bayes估计。数值模拟算例表明,所得可靠性指标的Bayes估计的精度高于可靠性指标的极大似然估计(MLE),Bayes估计和极大似然估计的估计效果均随着数据缺失个数的增加而变差,并且Bayes估计受数据缺失个数的影响小于极大似然估计。     

广义离散随机线性系统最优滤波·预报和平滑估计的统一格式

本文运用新息和射影的方法研究了广义离散线性系统最优状态估计，将状态估计转化为输出预报估计和白噪声估计，提出了广义离散随机线性系统最优滤波、预报、平滑估计的统一格式。     

深度学习二维人体姿态估计方法综述

人体姿态估计是计算机视觉中的一项重要任务。传统的姿态估计方法存在难以实现复杂场景下分离目标和背景、易受人为设定先验信息影响、效率过低等问题。随着人工智能技术的发展,深度学习技术日趋成熟,基于深度学习的人体姿态估计方法的精确率和速度等性能均优于传统的人体姿态估计方法。近年来,作为三维人体姿态估计的基础,二维人体姿态估计模型在解决拥挤和遮挡方面取得了长足进步,但大多数网络模型采用的是层数过多的卷积神经网络（convolutional neural network,CNN）模型,对网络速度产生了很大影响。基于部署在边缘侧的实际应用需求,二维人体姿态估计网络的轻量化成为研究热点,且具有潜在的创新应用价值。根据基于深度学习的二维人体姿态估计模型的发展历程和优化趋势,可将其分为单人姿态估计、多人姿态估计以及轻量级人体姿态估计3类。本文对各类人体姿态估计采用的不同卷积神经网络模型进行总结,对各类神经网络模型的特点进行分析,对各类估计方法的性能进行比较。虽然深度卷积神经网络（deep convolutional neural network, DCNN）模型的结构设计越来越多元化,但是各类深度学习网络模型在处理人体姿态估计任务时,仍具有一定的局限性。本文对二维人体姿态估计模型采用的技术方法及其存在的问题进行深入讨论,并给出了未来可能的研究方向。     

无线传感网载波频率偏移估计方法的改进*

无线传感网的低功耗、低成本等特性,要求设备能在低信噪比环境下快速完成突发通信的载波频偏估计,保证数据传输的正确性,因而需要对低信噪比和大频偏范围的频偏估计算法进行研究。Fitz算法是较为经典的载波频率偏移估计方法,具有算法精确度高和估计信噪比门限低等优点,但此算法的频偏估计范围与精度之间呈反比关系,频偏估计范围越大,估计精度越低。针对Fitz算法进行改进,利用迭代的方法展开信号自相关相位,代入Fitz算法估计载波频偏,在保持Fitz算法精确度高和估计信噪比门限低优点的同时,将其估计范围扩大了M倍,M为最大     

一种时频结合的中导码信道估计算法

为解决高速移动环境下时变信道的估计问题, 基于改进的COST207 RA信道模型, 提出了一种适用于高铁列车的时频结合的中导码信道估计算法。该算法将中导码和导频在Kalman滤波器中进行有机结合, 充分利用两者在时间和频率上进行信道估计的优势而进行联合估计, 最后得到信道的整合估计值。同时, 由于中导码的插入, 还解决了Kalman滤波信道估计中误差扩散问题。仿真结果表明, 基于中导码的信道估计算法在终端移动速度较高时能显著改善估计性能、提高信道估计的准确度。     

基于模糊逻辑的室内导航步长估计方法研究

目前,基于微机械系统(MEMS)的行人航迹推算(PDR)室内导航定位系统都会面临步长估计的问题,因此提出了一种基于模糊逻辑的非线性步长估计方法。首先采用非线性步长估计方法模型,然后以步频、身高、体重作为逻辑系统输入变量设计模糊逻辑控制器,得到可变的步长估计系数,从而实现对步长动态估算。通过对30 m以内多次室内行走的实验结果分析表明,基于模糊逻辑的步长估计方法平均步长准确率可达到92%,与传统的步长估计算法相比提高约9%,有效提高了步长估计精度。     

齐次等式约束线性回归模型条件根方估计的效率

对齐次等式约束线性回归模型回归系数的约束最小二乘估计提出改进,引入一种估计的相对效率,证明在一定条件下,狭义条件根方估计、广义条件根方估计的效率均高于约束最小二乘估计的效率．