投影子空间下基于骨骼边信息的人体动作识别

近年来,基于骨骼数据的人体动作识别在计算机视觉、人机交互等领域受到了广泛的关注。现有的方法大多关注于在原始的3D坐标空间下对骨骼点进行建模。然而,骨骼点忽略了人体自身的物理链状结构,很难刻画人体运动的局部相关性;此外,由于相机视角的多样性,在原始的基于点的3D空间下难以探索动作在不同视角下的综合表征。鉴于此,提出了一种投影子空间下基于骨骼边信息的动作识别方法。定义了结合人体自身连接的骨骼边信息,用于捕获动作的空间特性;在骨骼边信息的基础上引入了骨骼边运动的方向与大小信息,用于获取动作的时间特性;采用2D投影子空间的方式在不同的子空间视角下进行动作表征;探索了合适的特征融合策略,通过改进的CNN框架对上述特征进行综合提取。在2个具有挑战性的大型数据集NTU-RGB+D60(评价指标为cross-subject与cross-view)和NTU-RGB+D120(评价指标为cross-subject与cross-set)上的实验结果表明,相比基准方法,所提方法在4个指标下精度分别提升了3.2%、2.4%、3.1%和5.8%。

单视角下基于投影子空间视图的动作识别方法

针对单视角下深度相机跟踪关节点运动存在的自遮挡问题,提出一种基于投影子空间视图的人体动作识别方法。在不增加数据采集设备的情况下,通过子空间投影,将单视角下获得的三维动作序列投影到多个二维子空间中,在二维投影空间寻求最大类间距离,以尽可能增加基于多个子空间视图融合后的3D动作类间距离。在自建AQNU数据集的识别率为99.69%,较基准方法提升1.22%。在公共NTU-RGB+D数据集子集的识别率为80.23%,较基准方法提升1.98%。实验结果表明:本文方法可在一定程度上减少单视角数据集的自遮挡问题,提高识别率和计算效率,可达到与多视角数据集相当的识别效果。

相似目标识别的投影子空间构造方法

基于值空间投影的合成孔径雷达目标识别技术要求不同目标的值空间的交集应尽可能小。然而,对具有相似形态及结构的目标进行识别时,相应目标的值空间存在较大的交集部分,影响识别性能。通过约束投影空间与值空间的关系,提出一种有效构造投影空间的方法。该方法可以增大相似目标在投影空间投影的差异,提高目标识别性能。实验结果表明,本文方法构造的投影空间增大了不同目标间的可分性,识别性能及识别效率明显优于其他经典识别方法。

用于MIMO-OFDM系统盲信道估计的斜投影子空间法

为实现多输入多输出-正交频分复用(MIMO-OFDM)的盲信道估计,文中提出了斜投影子空间法,在满足算法识别系统的条件下,将接收信号空间划分为"过去"、"现在"、"将来"3个子空间,然后将"现在"子空间分别向"过去"、"将来"子空间进行斜投影,可以有效降低多径效应给接收系统带来的影响.文中给出了信道模糊矩阵的估计方法,采用了奇异值分解方法来提高算法的抗噪性能.通过与噪声子空间算法的比较,发现文中算法在牺牲少量估计精度的情况下可以大大降低计算复杂度.仿真结果表明该算法能有效地完成信道估计.

基于空间向量分解的边界剥离密度聚类

作为聚类的重要组成部分,边界点在引导聚类收敛和提升模式识别能力方面起着重要作用,以BP(Border-peeling clustering)为最新代表的边界剥离聚类借助潜在边界信息来确保簇核心区域的空间隔离,提高了簇骨架代表性并解决了边界隶属问题.然而,现有边界剥离聚类仍存在判别特征不完备、判别模式单一、嵌套迭代等约束.为此,提出了基于空间向量分解的边界剥离密度聚类(Density clustering based on the border-peeling using space vector decomposition,CBPVD),以投影子空间和原始数据空间为基准,从分布稀疏性(紧密性)和方向偏斜性(对称性)两个视角强化边界的细粒度特征,进而通过主动边界剥离反向建立簇骨架并指导边界隶属.与同类算法相比,40个数据集(人工、UCI、视频图像)上的实验结果以及4个视角的理论分析表明了CBPVD在高维聚类和边界模式识别方面具有良好的综合表现.

基于云平台的铁路无线电信号DOA跟踪算法

在高速铁路场景下,准确估计和跟踪无线电信号的波达方向(Direction of Arrival, DOA)能够有效提升无线通信服务质量.然而,高速移动的无线信道具有快速时变特性,对信号处理的速度和准确性提出了更高的挑战.针对传统的基于信号子空间的DOA估计算法,由于巨大的计算量而无法应用于高速铁路快速时变系统中进行DOA跟踪的问题,提出了基于卡尔曼滤波和正交压缩近似投影子空间跟踪(Kalman Filter-Orthonormal Projection Approximation and Subspace Tracking of deflation, K-OPASTd)的DOA算法.首先,搭建基于云平台的铁路信号动态测向系统;然后,建立列车接收信号模型,提出K-OPASTd算法对DOA进行动态跟踪;最后,将本文提出的算法与OPASTd算法所得到的估计角度的均方根误差进行仿真对比实验.研究结果表明:信噪比均为10dB时,本文所提算法的均方根误差比OPASTd算法低约60%;阵元均为20时,K-OPASTd算法的均方根误差比OPASTd算法低约80%.

基于波束域的子空间正交性测试宽带DOA估计方法研究

投影子空间正交性测试(Test of Orthogonality 0f Projected Subspace:TOPS)算法通过测试宽带信号各频率点上噪声子空间和信号子空间之间的正交性对目标方位进行到达角估计(DOA:direction-of-arrival)。此算法对参考频点上的信号子空间的估计依赖性较大,因此存在较多伪峰,低信噪比条件下性能差等缺点。针对该问题,提出一种基于波束域的宽带DOA估计方法。该方法通过将阵列接收信号转换到波束域,在波束域中利用信号带宽内各频率分量的波束域方向向量与噪声子空间之间的正交关系构造判决向量,根据判决向量搜索空间谱的极大值对应的角度进行DOA估计。该方法不需要进行角度预估,避免了TOPS算法中常出现的伪峰,降低了信噪比分辨门限,减少了计算量,具有较好的估计效果。将该方法分别运用到均匀圆阵和线阵上,通过仿真对比和海试实验数据的处理,证明了本文所提方法的有效性。

基于子空间跟踪和卡尔曼滤波的半盲多用户检测

本文研究多载波CDMA(MC-CDMA)上行链路半盲多用户检测技术,提出了一种基于子空间跟踪和卡尔曼滤波的半盲多用户检测算法。利用小区内所有用户的扩频码修改约束条件并采用修正的紧缩近似投影子空间跟踪(PASTd)算法和卡尔曼滤波算法求解优化问题,该算法利用已知的信息消除多址干扰,提高了系统的性能,同时避免了常规卡尔曼滤波算法的特征值分解问题,显著降低了计算复杂度。仿真实验验证了本文算法具有很好的检测性能和较强的抗多址干扰能力。

自适应熵的投影聚类算法

受"维度效应"的影响,许多传统聚类方法运用于高维数据时往往聚类效果不佳。近年来投影聚类方法获得广泛关注,其中软子空间聚类法更是得到了广泛的研究和应用。然而,现有的投影子空间聚类算法大多数均要求用户预先设置一些重要参数,且未能考虑簇类投影子空间的优化问题,从而降低了算法的聚类性能。为此,定义了一种新的优化目标函数,在最小化簇内紧凑度的同时,优化每个簇所在的子空间。通过数学推导得到了新的特征权重计算方法,并提出了一种自适应的k-均值型投影聚类算法。该算法在聚类过程中,依靠数据集自身的相关信息及推导获得的公式动态地计算各优化参数。实验结果表明,新算法通过对投影子空间的优化改善了聚类质量,其性能较已有投影聚类算法有了明显提升。

基于子空间跟踪的空时多用户检测

采用改进的PASTd子空间跟踪算法实现信号子空间的自适应跟踪。提出一种基于改进的PASTd子空间跟踪的空时多用户检测算法,实现了在不增加任何结构和复杂度的情况下将方向向量随子空间跟踪算法一起求解。使用阵列天线充分利用了不同空间位置带来的空域特征,有效地提高了用户的抗多址干扰能力,成为扩展系统容量的有效途径。仿真实验验证了该算法的优越性。

基于子空间方法的自适应半盲多用户检测

提出MC-CDMA系统下一种基于子空间方法的自适应半盲多用户检测算法。该算法通过利用小区内所有用户的扩频码设计了一种基于MOE准则的半盲检测器。针对Chebyshev逼近算法受到来自噪声子空间分量的影响导致性能下降的问题,提出一种子空间约束Chebyshev逼近算法,并使用该算法自适应得到权向量。为了减少计算复杂度,采用修正的PASTd算法自适应跟踪信号子空间。仿真实验验证了该算法的有效性和可行性。

子空间分解在FPGA上的高效实现

传统的信号子空间分解算法有着算法复杂、运算量大的缺点,紧缩近似投影子空间跟踪算法克服了上述缺点,但在硬件实现时其顺序串行的结构却严重地制约了数据处理速度,文章介绍了并行流水线结构的紧缩近似投影子空间跟踪算法在FPGA上的实现方法,同时也讨论了延时对算法收敛速度造成的负面影响,最后在Quartus Ⅱ环境下验证了算法改进后的性能;结果表明所实现的算法误差较小,达到了很高的数据处理速度,适合在实时性要求较高的场合应用。

子空间跟踪PASTd算法的改进及其应用

分析了PASTd(紧缩近似投影子空间跟踪)算法,通过仿真分析发现PASTd算法在信噪比较高的情况下,特征值收敛速度达不到MDL(最短描述长度)算法的要求,导致维数估算的结果偏大。针对这一问题,文中把OPAST(正交近似投影子空间跟踪)算法引申到PASTd算法中,弥补它的缺陷。仿真结果表明,提出的改进算法收敛性能较原PASTd要好,可得到更好的维数估计与波达方向估计。另外文中提出的算法对天线阵列的干扰零点形成有很强的实用价值。

聚焦的子空间正交性测试宽带DOA估计方法

投影子空间正交性测试法(Test of Orthogonality of Projected Subspaces,TOPS)是利用宽带信号多个频点的子空间的正交性完成波达方向(Direction of Arrival,DOA)估计。该方法依赖参考频率点的选择,易产生伪峰,且在低信噪比时性能差。针对该问题,提出一种聚焦的FTOPS算法。首先利用RCM(Reduced Covariance Matrix)法消除了噪声,然后将各个频点的信号子空间(Signal Subspace)聚焦到任意参考频点的Signal Subspace,利用该参考频点的Signal Subspace与阵列方向矢量的正交投影矩阵之间的正交性完成DOA估计。仿真结果表明,该方法不依赖于参考频点的选择,能有效消除伪峰,在低信噪比条件下性能优于传统TOPS算法。

基于波束空间的改进TOPS宽带DOA估计

提出了一种基于波束空间的改进投影子空间正交性测试算法,以克服投影子空间正交测试(Test of Orthogonality of Projected Subspace,TOPS)算法在低信噪比时容易出现伪峰的缺点。通过对TOPS算法中的正交性测试矩阵添加对角修正矩阵,并利用波束空间方法对阵元接收数据进行预处理,从而实现对宽带信号的波达方向估计。仿真结果表明,文中所提出算法与TOPS算法相比,能够抑制波束指向范围内的伪峰,并能提高分辨概率和减少运算量,是一种具有应用前景的新算法。

空间非平稳噪声下的宽带DOA估计算法

投影子空间正交性测试（TOPS）法是利用子空间的正交性实现宽带信号DOA估计，而在空间非平稳噪声环境下子空间的正交性条件不再满足，尤其是在低信噪比或低快拍条件下子空间估计将出现较大误差，TOPS算法性能将急剧下降。针对该问题，提出了一种空间非平稳噪声下宽带DOA估计算法。该算法首先通过构造特殊对角矩阵将噪声从数据协方差矩阵中剔除，从而克服非平稳噪声对DOA估计的影响；然后利用平方TOPS法实现宽带信号DOA估计，消除了传统TOPS算法中的伪峰。该算法适用于空间非平稳噪声背景及低信噪比环境，提高了对角度相近目标的分辨性能；仿真实验表明了该算法的有效性。

基于修正的子空间正交测试宽带DOA估计方法

投影子空间正交性测试法(TOPS)是利用宽带信号多个频点的噪声子空间与信号子空间的正交性实现到达角(DOA)估计。在中等信噪比时该方法估计性能较好,而在其他信噪比条件下空间谱易存在多个"伪峰",算法性能依赖于参考频点的选择。针对该问题,提出了一种新的TOPS算法,该方法通过最大化各频率点信号子空间与噪声子空间特征值区分度选择参考频点,同时利用信号子空间投影代替其零空间投影,避免信号子空间估计误差导致空间谱中产生伪峰,最后利用子空间的正交性实现宽带DOA估计。仿真结果表明,相比于传统的TOPS算法,该方法在一定信噪比条件下,避免了伪峰的出现,提高了TOPS算法的估计精度和分辨率。

一种新的宽带DOA估计方法

提出了一种新的宽带DOA估计方法:频域子空间正交性测试方法(TOFS:Test of orthogonality of frequency sub- space)。该方法通过同时测试频域信号共同带宽内各频段噪声子空间与阵列流形之间的正交性来进行DOA估计。与宽带相干信号子空间方法不同,TOFS方法不需要任何初始值的预估及聚焦操作。与宽带非相干信号子空间方法也不同,TOFS方法同时测试各频段噪声子空间与阵列流形之间的正交性。本文仿真了TOFS与IMUSIC、CSSM、TOPS的性能比较。仿真结果表明TOFS方法在中等信噪比以上时有较好的性能,且避免了TOPS方法中常出现的伪峰。

基于PAST处理的机载双基雷达自适应角度-多普勒补偿算法

自适应角度-多普勒补偿算法根据样本数据本身来自适应地估计补偿参数,从而避免惯导系统误差造成的补偿性能下降问题,但该算法必须对杂波协方差矩阵进行估计和特征分解,运算量巨大。针对这一问题,该文研究了基于近似投影子空间跟踪(PAST)处理的自适应角度-多普勒补偿算法,该方法先采用循环迭代处理快速估计出各距离单元主特征向量谱中心的位置参数,避免了矩阵特征分解带来的运算负担,然后通过补偿使得各单元的谱中心重合。仿真结果表明,该方法能有效解决机载双基雷达杂波非均匀问题,其性能与基于特征分解算法相当,但运算量显著降低,便于工程实现。

稳健的双基地MIMO雷达目标角度跟踪算法

针对双基地多输入多输出(MIMO)雷达变速目标角度跟踪问题,提出了基于变遗忘因子的跟踪算法。首先研究了遗忘因子对算法的收敛速率和跟踪性能的影响;其次借鉴变步长最小均方(LMS)算法的思路,提出遗忘因子的递推公式;最后将遗忘因子递推公式引入PASTd算法中,实现变速目标的收发角度跟踪。实验表明:算法的收敛速度和性能都有较大的提高,稳定性得到了增强。