基于混合注意力机制和相关性估计网络的点云配准算法

点云配准是对同一物体上采集到的点云数据进行精确匹配,然而传统方法计算成本高,配准精度差.基于神经网络的算法也存在噪声干扰,在类别未见的点云数据上应用时效果不佳.为解决这一问题,本文提出了一种基于混合注意力机制和相关性估计网络的点云配准算法.考虑到点云内部特征的复杂性和点云对变换的随机性,提出一种混合注意力机制来提取关键特征信息,利用残差的方式进行连接,可以得到更具鲁棒性的点云特征.通过相关性估计网络对点云特征进行非线性激励,可以提高表达能力,获取点云对之间更紧密的相关性.在人工合成数据集ModelNet40和真实数据集ICL-NUIM上的仿真实验结果表明,本文算法在大尺度仿射变换下,对掺杂噪声、类别未见点云数据的配准精度有显著的提升,证明了其有效性.

基于电磁时间反演传递函数相关性的传输线网络故障定位方法

针对传输线网络中故障行波群信号辨识、到达时刻确定及故障分支判定困难等因素导致的定位误差问题,将电磁时间反演技术与传递函数相关性原理相结合,提出了一种基于电磁时间反演传递函数相关性的故障定位新方法。经过仿真与实验验证,对比了传统范数判据与相关性判据在多分支传输线网络中的定位性能。研究表明:当故障位置与观测点之间存在2个及以上分支点时,传统范数判据定位结果会出现较大偏差,能量判据和峰值判据在十分支网络中遍历故障位置时的仿真正确率仅为8%和36%,而传递函数的相关性判据可有效改善定位偏差问题。根据测量信号的频谱特征,选取包含高阶谐振频率的窄带分量进行反演计算可显著提升定位的正确率。传递函数相关性的定位方法基于单个观测点覆盖整个传输线网络,相比现有能量及峰值判据,在复杂多分支网络中具有更好的适用性和可靠性。

基于四阶累积量的MIMO信道及其相关性的联合估计(英文)

MI MO技术一直受到人们的广泛关注,并被广泛采用于各种移动通信系统的标准化协议中.在此系统中用到的分集合并和空时解码技术都需要以准确估计的信道状态信息为前提条件,以往的信道估计都是在MI MO系统子信道间是非相关的假设下进行的.事实上,由于天线之间距离的限制和传播路径散射体的不充分,子信道之间常常存在一定的相关性,常称为空间相关.另外,在信道估计、天线选择和自适应调制等方面需要已知(估计)这一参数.但是,要精确估计信道的相关性非常困难,到目前为止,这一问题没有得到很好的解决,以至于在大部分关于信道估计的文献中都是预先假定已知信道的相关特性.本文运用四阶累积量理论对MI MO信道及其相关矩阵进行了估计.仿真结果表明,本文所提出的方法具有较高的估计精度.

方向观测值的相关性研究

测量数据处理往往认为方向观测值间是相互独立的,但相近的仪器设备、观测环境和观测人员决定了方向观测值间应该存在一定的相关性。假设同一测站只有相邻的方向观测值相关,构造初始方差-协方差矩阵,根据方差-协方差分量估计算法估计相邻方向观测值间的验后相关系数。通过大量实测数据计算表明,相邻方向观测值之间存在着相关系数约0.2的正相关。

机载相控阵雷达气象信号处理研究

机载气象雷达作为一种重要的气象监测手段,被广泛应用到国防和民用,它能够通过间歇的接收云层中粒子的散射回波来实时远方的气象状况,保证飞机的安全飞行。相控阵雷达作为目前功能最为强大的雷达,它不仅能通过多普勒效应检测到能检测到气象目标的位置、强度、运动方向和内部粒子活跃程度,而且其波束可以快速捷变,能够对气象目标区域进行全空域扫描,因此机载相控阵雷达在气象检测方面有着突出的优势。本文在相控阵雷达上,采用MTI杂波对消和脉冲对算法实现了气象目标检测,并对其在实测数据上的效果进行了详细分析。实验结果表明,本文的方法能够准确地检测到气象目标的位置和强度,并且计算量小,工程化容易,因此具有重要的研究意义和较大的应用价值。

一种考虑先验估计误差相关性的快速DUIF算法

针对稀疏无线传感器网络(WSN)中加权平均一致分布式无迹信息滤波(DUIF)算法估计次优和滤波效率较低的问题,提出一种考虑先验估计误差相关性的快速DUIF算法.采用加权统计线性回归(WSLR)方法线性化观测模型,以节点共享信息作为平均一致性算法输入,从而在极大后验估计中引入先验估计交互协方差信息;设计最优通信连接边权值并自适应修正状态加权矩阵,提高平均一致性算法收敛速率.仿真实验结果表明,所提出的算法能够有效应用于稀疏WSN目标跟踪.