基于多尺度估计理论的晶圆减薄工艺方差变化检测方法

晶圆减薄工艺是伴随芯片堆叠技术的发展而出现的新制造过程,其制造质量直接关系最终产品成品率。文章以堆叠芯片晶圆减薄工艺质量参数为研究对象,拟建立监控晶圆减薄工艺质量的完整方法。首先,以该道生产工序质量参数序列建立自回归滑动平均模型,用于表达该道生产工序的质量特征变化。然后,在此模型的基础上,使用多尺度估计理论对该模型进行滤波分解处理,获得质量参数时间序列的高频信号,提取该道质量变异的方差变化。最终,使用统计学上的累积和控制图对质量变异信号进行诊断分析,根据工序方差变化的起始位置,提前发现系统可能存在的质量变坏趋势。经试验数据验证,相比传统的检验方法,该方法有95%的概率可以提前预测产品质量发生变化。

基于多阈值处理的信号多尺度估计算法

给出了一种基于多阈值处理的信号多尺度估计算法。首先对原始测量进行多尺度小波分解 ,得出各尺度上的平滑信号和细节信号。对各尺度上的细节信号再作进一步的小波分解 ,对分解出的次平滑信号和次细节信号进行不同的阈值处理 ,然后重构 ,作为相应尺度上的细节信号。最后对最粗尺度上的平滑信号作卡尔曼滤波 ,再依次与各尺度上的细节信号进行重构 ,最后得到原始尺度上的信号估计值。

基于快速多尺度估计的重新检测目标跟踪算法

为了解决跟踪过程中的漂移问题,本文提出了一种基于快速多尺度估计的重新检测目标跟踪算法。在跟踪过程中,跟踪器通过目标的最大响应值确定目标的位置,并且通过一个新的自适应检测指标检测当前位置的可靠性.不同于其他检测指标的是,新的检测指标减少了对最大响应值的依赖.若检测出当前帧的位置不可靠,我们的方法可以通过Edge boxes方法产生一系列的目标候选框,并通过非极大值抑制方法和欧几里德度量方法选出最优目标位置.此外,我们提出了自适应更新的方法来减少由于跟踪失败导致的误差.实验结果表明,本文提出的算法在精确度和成功率方面都有很好的效果.

动态系统的实时多尺度估计和融合算法

介绍了一种最优动态多尺度估计和融合算法 ;讨论了在数据残缺的情况下 ,如何得到等效的测量值和测量方程 ;给出了当测量数据的采样率为任意值时 。

多尺度估计在陆用惯性导航系统零速修正中的应用

结合零速修正(ZUPT)在陆用惯性导航系统中的应用,把多尺度估计理论应用于零速修正并建立了多尺度估计模型及算法,获得了比在单一尺度上进行卡尔曼滤波更好的估计结果,有效地提高了零速修正的精度.

一种多尺度估计和自适应响应融合目标跟踪算法

针对相关滤波跟踪框架中深度特征跟踪优势受限和计算存储存在冗余等问题,提出一种多尺度估计和自适应响应融合目标跟踪算法。该算法通过调整高斯标签参数,充分发挥手工特征准确性和深度特征鲁棒性优势,并学习连续域卷积算子融合多分辨率特征;为了减少计算和样本的冗余,通过分解卷积操作对特征进行有监督降维来减少模型参数,采用基于高斯混合模型的动态样本融合,并使用模糊稀疏的模型更新机制提高模型有效性;根据预测质量评估标准,进行自适应响应融合。实验结果表明:该算法在目标发生遮挡、形变和快速运动等多种情况下,具有较好的跟踪有效性。

单传感器单模型动态系统多尺度分解与估计新算法

本文将基于模型的动态系统分析方法与具有统计特性的多尺度信号变换方法相结合 ,基于某一尺度上给定的单传感器单模型动态系统 ,建立起一个新的多尺度动态模型 .基于建立的多尺度模型和标准Kalman滤波 ,提出一个能同时对随机信号进行多尺度分解与多尺度估计的新算法 .获得比仅在原始尺度上进行Kalman滤波好的处理效果 ,应用MonteCarlo仿真验证了算法的有效性 .

多传感器单模型动态系统多尺度分布式融合估计(英文)

近几年来 ,小波理论和信号的多尺度表示方法都得到了迅速发展 ,并在包括信号处理和图像处理在内的众多领域中得到了成功的应用 ,而在这些领域中 ,目前一个较为活跃的分支是基于小波变换的多尺度表示的统计信号处理 .运用多尺度分析的思想 ,将基于模型的动态系统分析方法与基于统计特性的多尺度信号变换方法相结合 ,建立起目标状态基于多源观测信息的多尺度分布式融合估计和单源观测信息的多尺度分布式估计两种新算法 ,用计算机仿真研究验证了算法效能 .

多尺度融合估计算法及其在导航系统中的应用

针对如何将多传感器的数据进行融合处理、提高数据处理的可靠性和处理精度的现实问题,提出一种多尺度融合估计算法,对多传感器的数据进行估计处理。该算法首先建立系统的动态方程和观测方程,然后利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤。最后通过在SINS/GPS组合导航系统中的实际应用,进一步证明了该算法能够有效地提高多传感器数据的处理精度。在实际应用时,结合应用环境设置适当的尺度,可以达到较好的应用效果。

基于快速判别式尺度估计的核相关滤波方法

针对核相关滤波(KCF)算法无法对视频序列中目标尺度变化作出响应的问题,提出一种基于快速判别式多尺度估计的核相关滤波跟踪算法。首先,使用核相关滤波器来估计目标位置;然后,通过使用一组不同尺度的目标样本来在线学习快速判别式尺度滤波器;最后,在目标位置应用学习的尺度滤波器来获得目标尺寸的准确估计。选取Visual Tracker Benchmark视频序列集进行实验,并与基于判别式尺度空间跟踪(DSST)的KCF算法和传统KCF算法进行对比,结果表明,在目标尺度发生变化时,所提算法在跟踪精度上提高了2. 2%至10. 8%;并且在平均帧率上,所提算法比DSST的KCF算法提高了19. 1%至68. 5%,表明该算法对目标尺度变化有很强的适应能力和较高的实时性。

多传感器单模型多尺度平滑融合估计

基于多尺度分析思想 ,在对单传感器单模型多尺度平滑估计方法详细研究的基础上 ,提出了多传感器单模型基于多尺度平滑融合估计算法 .得到了中心估计和分布式估计多尺度平滑融合估计算法 。

分形维数的多尺度形态估计与目标提取

本文研究了Minkowrki－Bouligand维数估计的数学形态学方法实现，给出了一种基于多尺度灰度形态运算的图像维数估计算法。将分形特征用于目标的检测，提出了一种具有较好稳健性的基于多分辨率分形特征的目标提取方法。

单模型多传感器多尺度交互式数据综合估计算法

将小波分析理论中的多尺度分析思想与传统Kalman滤波、多尺度数据融合算法相结合 ,提出了单模型多传感器多尺度交互式数据综合估计新算法 ,并通过计算机的仿真结果 ,对此算法进行了定性分析 ;用标准差对此进行了定量分析 ,从而说明了该算法的有效性 .

地理加权回归模型几种多尺度估计的经验比较

空间尺度是地理学中的一个基本概念,每个空间过程都有其固有的空间尺度.地理加权回归(GWR)模型的多尺度估计通过对每个回归系数函数选择最优带宽值,将其与各系数函数所对应的自变量的空间尺度相联系,不仅能有效地提高系数函数的估计精度,而且还能通过最优带宽值揭示各自变量的空间尺度信息.针对GWR模型,已发展了基于后向拟合技术的迭代多尺度估计方法和基于局部线性拟合的二步多尺度估计方法,并被应用于众多实际领域的空间数据分析.首先总结了已有GWR模型的多尺度估计方法的基本原理和实现算法,进一步提出了一种原理更为简单且更易于并行实现的多尺度估计方法;通过模拟实验,综合评估了各多尺度估计方法在系数估计精确性、自变量共线性影响、计算效率以及揭示各自变量空间尺度有效性等方面的表现;基于模拟实验结果,给出了在实际应用中选择各多尺度估计方法的参考建议.

基于多尺度随机动态模型的惯性器件数据融合估计

结合离散小波变换、动态系统理论及随机过程理论,建立了以尺度为变量的多尺度随机动态模型,并给出状态基于多尺度随机动态模型的多尺度递归数据融合算法,实现了在状态基于全局观测信息的优化估计值。该算法可以在无状态模型情况下进行数据融合,适用于难以获得或获得的状态模型不精确的情况。将此方法用于陀螺信号处理中,通过不同尺度下陀螺观测值的融合,陀螺信号的精度有明显的提高。仿真和实验均证明该算法是一种有效的数据融合算法。

多元随机时间序列参数估计的多尺度方法

在以往理论研究和工程实践中,对长记忆过程参数估计大多都是对一维情况操作。多维的情况鲜有考虑,此类的文章也较少。本文利用小波变换解相关的属性,并结合相应的矩阵变换,将多维长记忆参数估计(本文主要考虑二维)简化为一维的情况,并相应的修改了MMLE[1]推论,极大地降低了参数估计的计算量,并且精确度保持与一维情况接近,用计算机仿真论证新方法的有效性。

多尺度分布式平滑估计方法

利用多尺度分析的思想 ,将基于模型的动态系统分析与基于统计特性的多尺度信号变换方法相结合 ,建立起基于小波变换的多尺度分布式平滑估计新算法 ,并给出了算法的计算机仿真结果 .

基于多尺度分布式融合估计的GPS/INS组合导航系统的研究

针对如何融合多传感器的数据、提高数据处理的可靠性和精度的问题,将基于模型的动态系统分析方法与基于统计特性的多测度信号变换方法相结合,提出基于Kalman滤波的多尺度分解与估计联合的多尺度分布式融合估计算法。该算法首先建立系统的动态方程和观测方程,再利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤。最后通过组合导航系统的仿真验证算法的有效性,结果进一步证明了该算法能够有效地提高多传感器数据的处理精度。

多尺度MT-InSAR大气延迟估计及其应用

大气延迟一直是制约多时相合成孔径雷达干涉测量(MT-InSAR)精度的问题之一。为抑制区域性大气窗口和对流层垂直分层效应导致的精度损失,本文引入多尺度稳健估计模型优化MT-InSAR大气延迟分量的解算和校正。实验利用MT-InSAR技术从成都主城区的14景Sentinel-1A影像中选取出高相干点,根据多尺度下对流层垂直分层延迟与高程的线性关系精确估算和校正大气延迟,提取出地表形变信息,并用同时段连续运行参考站(CORS)数据进行验证。实验结果表明:模型评估的大气延迟在0~30.2 mm,大气校正后相位均方根误差总体上减少;两类监测结果差值的均方根误差为3.9 mm,证明了本文所提出模型与方法的有效性和可靠性。