体素化广义迭代最近点的回环检测算法研究

同步定位与地图构建(SLAM)是大规模定位和地图构建的关键技术之一,针对室外大场景环境建图时存在累计误差较大导致定位精度不高、地图出现重影和漂移的问题,提出了一种基于体素化广义迭代最近点(VGICP)优化的回环检测算法。该方法扩展了广义迭代最近点(GICP)算法,计算体素内局部多个点,在保证准确性的同时避免了代价高昂的最邻近搜索。将所提方法加入扫描上下文(SC)-LeGO—激光雷达测距和实时测绘(LOAM)完整框架中,并利用KITTI数据集05序列测试。实验结果表明:优化算法估计的轨迹和真实轨迹有较高的重合度,绝对位姿误差(APE)和相对姿态误差(RPE)的最大值分别下降了46.4%,18.8%;均方值误差下降了17.7%,19.9%;优化算法可以进一步提高建图精度并降低姿态漂移误差。

用于MIMO SC-FDE系统逼近分集接收界的迭代检测算法

为了提高MIMO SC-FDE系统的检测可靠性、降低系统复杂度,提出一种新的迭代干扰消除检测算法,并推导出分集接收界作为评价算法性能优劣的依据.该检测算法采用基本的线性均衡算法提供初始值,在迭代中尽量消除层间干扰,利用空间分集增益逐步提高检测可靠性.结果表明,该算法在4QAM调制方式下,E b/N 0为9 dB时逼近分集接收界;在16QAM调制方式下,E b/N 0为16 dB时逼近分集接收界.该算法一轮迭代的计算复杂度与发射天线的数目成线性关系,天线规模为3×3以上时算法复杂度低于V-BLAST.因此,所提算法适用于天线规模数大于等于3、调制进制数大于等于4的系统中,在倾向于采用large MIMO系统的5G及后5G时代具有高效性和实用性.

基于FCM及快速迭代收缩阈值算法的平面ECT图像重建

为提高平面阵列电容成像系统的成像精度,提出一种基于模糊C均值聚类(FCM)进行数据优化的快速迭代收缩阈值算法(FISTA)。根据平面阵列电容数据的特点,首先利用FCM算法对测量电容值进行分类,保留有效电容值,实现电容向量降维;然后利用离散小波基(DWT)对灰度值进行稀疏表示,并建立L1正则化模型,采用FISTA进行求解,以实现图像重建;最后将FCM处理后的电容值分别用于Landweber算法、Tikhonov算法进行重建对比。仿真与实验结果表明,该算法重建图像的平均相对误差约为0.0527,平均相关系数约为0.9422,均优于其它算法,且重建图像伪影较少,更接近真实情况;因此,所提算法具有更好的重建效果。。

高速移动环境下OTSM迭代检测算法研究

正交时序复用(Orthogonal Time Sequency Multiplexing,OTSM)通过级联时分和沃尔什-哈达玛(WHT)复用将信息符号在时延和序列域进行复用。由于WHT在调制解调过程不需要进行复杂的乘法运算,相比于正交时频空(OTFS)调制有更低的调制复杂度。该文针对高速移动环境下的OTSM系统提出了一种二级均衡器:首先利用信道矩阵的稀疏性和带状结构在时域逐块进行低复杂度MMSE检测;随后采用高斯-赛德尔(GS)迭代检测进一步消除残余符号干扰。仿真结果表明,所提算法与基于单抽头频域均衡的GS迭代检测算法相比,采用16QAM调制且误码率为10–4时有1.8 dB性能增益。

Turbo编码V-BLAST MIMO-OFDM系统中的联合迭代判决反馈信道估计与检测

针对Turbo编码V-BLASTMIMO-OFDM系统,提出了一种联合迭代判决反馈信道估计与检测方案,该方案将Turbo迭代译码与最小二乘(LS,leastsquare)信道估计相结合,充分利用Turbo迭代译码后的信息位和校验位软值信息来改善信道估计性能。仿真结果表明,该方案不仅纠正了低信噪比时的差错传播问题,还使得整个系统的信道估计性能得到进一步提高,且适合于非常恶劣的信道环境。

Turbo编码STBC系统中削弱误差传播的迭代多用户检测技术

空时编码(STC)技术将天线阵列信号处理和信道编码技术联合起来实现无线信道容量的有效增加。为了抑制空时分组编码(STBC)系统的共道用户干扰,对低复杂度的多用户检测算法进行研究,该文提出了一种STBC系统的迭代(turbo)多用户接收机。该接收机由一个软入软出(SISO)基于均值的软判决多用户检测器(Soft Decision Multi-User Detector,SDMUD)和一组SISO Turbo信道解码器构成。两者之间通过迭代交换外信息,精确地估计用户信号。仿真结果表明这种接收技术经3次迭代后性能改善约2dB,并且系统性能会随着接收天线的增多而得到明显提高,从而大大增加系统容量。

基于软干扰抵消的Turbo-BLAST迭代检测算法

Turbo-BLAST检测技术可有效克服通常V-BLAST系统应用所带来的空间干扰,在分析其算法原理基础上,分别研究了串行和并行Turbo-BLAST算法在准静态瑞利衰落信道下的性能,并对这两种算法进行了性能分析和比较,给出了这两种算法的适用场合、存在的不足以及需要进一步改进的地方。仿真结果表明,在相同频谱利用率的条件下,串行Turbo-BLAST方案的性能要优于并行Turbo-BLAST方案的性能,而并行Turbo-BLAST方案则可以适用于自适应传输系统。

多用户CDMA系统中Turbo-BLAST迭代检测算法

将V-BLAST结构和CDMA技术相结合,构造了多用户CDMA系统模型,提出了一种联合多用户检测和Turbo迭代思想的多用户检测算法。该方案首先利用解相关算法对接收信号进行空时多用户检测,以去除用户间干扰,然后再对期望用户的接收信号进行软干扰抵消迭代检测,以去除天线间干扰。解相关后数据检测仅和单个用户的天线数目有关,算法复杂度较低。仿真结果表明,构造的空时多用户模型可使各用户检测相对独立,有利于已有单用户Turbo-BLAST方案的应用。

不完全信道状态信息条件下多用户Turbo-BLAST迭代检测算法

该文将空时多用户检测技术和Turbo-BLAST方案相结合,构造了基于CDMA技术的多用户Turbo-BLAST系统模型,提出了不完全信道状态信息条件下的解相关算法和迭代检测算法。在发送端将V-BLAST结构与CDMA技术相结合实现多路复用,在接收端利用空时多用户检测算法去除用户间干扰,得到期望用户的接收信号,然后采用考虑信道估计误差的软干扰抵消迭代检测算法,对期望用户的接收信号进行检测以去除天线间干扰。仿真结果说明,所提算法对于多用户Turbo-BLAST系统是有效的,可在不增加复杂度的条件下达到良好的迭代效果。

OFDM系统中基于Turbo迭代的WLMS联合信道估计和检测算法

利用Turbo迭代原理,该文提出了一种迭代的维纳LMS联合信道估计和检测算法,该算法利用软映射和软解映射算法提供的软值信息,实现检测译码模块和信道估计模块之间的信息交换,通过WLMS信道估计和跟踪算法实现信道响应的逐符号更新。仿真结果表明,通过2次迭代,系统误码率性能已经基本收敛,而且在系统误码率低于10?3时,与理想信道估计性能相比,联合估计和检测算法性能信噪比损失仅为0.5-0.8dB。

Turbo-CPM系统迭代检测收敛性的研究

根据连续相位调制(CPM)的分解模型,CPM调制可以分解为连续相位编码(CPE)和无记忆调制(MM),基于CPE的记忆和递归特性,结合外部的Turbo码及交织器,建立了Turbo-CPM系统模型。针对短帧系统在迭代检测过程中存在的正反馈现象,设计了一种基于加权外信息交换的迭代检测接收机。理论分析与仿真结果表明:在低信噪比条件下,所设计的接收机不仅能够有效地抑制系统中存在的正反馈现象,改善系统的收敛性,提高系统的误比特率性能,而且减少了平均迭代次数,提高了系统的实时性。

迭代框架优化的密集场景单棵树木检测

现有基于深度学习的单棵树木检测方法一般是对同个树木对象产生重复的候选框,然后通过非极大值抑制方法进行过滤,以确定每个对象最终的边框.这种方法对于孤立的树木对象能够起到很好的作用,但对密集重叠的树木场景中的单棵树木检测结果并不理想.本文提出一种基于迭代框架的密集场景单棵树木检测方法.该方法采用迭代框架统合两轮训练过程,首先在第1轮训练中提取边框,然后在第2轮训练中引入迭代边框,对候选边框进行筛除后再执行非极大值抑制过程,最后将非极大值抑制结果和迭代边框进行合并整合,这种方法将重叠边框分配到两轮训练中分别处理,减少了候选框之间的干扰;此外,该方法在两轮训练中可以采用不同的网络,本文通过实验得到最为适配的组合.为验证本文方法的有效性,本文采集和标注了密集重叠场景的树木数据集,并在该数据集上进行了实验和结果分析,实验结果表明本文提出的方法与现有方法相比,树木检测的准确率和召回率分别提升了2.4%和2.7%,能够有效提升密集场景树木检测的准确率.

基于非迭代K均值算法的障碍物检测方法

障碍物检测是移动机器人领域的一个重要研究难点.相较于传统的超声波、毫米波雷达以及激光检测等方法,双目视觉可以更好地获得障碍物的位置和形态信息.然而传统双目识别利用双目相机获取视野范围内各个物体的视差图来测算物体距离,在视差图测距中不区分障碍物,从而导致不能识别物体属性.因此,提出了一种基于非迭代K均值算法的移动机器人障碍物检测方法,可以用来识别双目图像中的物体属性,完成障碍物分类检测.该方法使用目标检测算法YOLOv3算法框架在代码编辑器VS2015环境下进行快速的目标检测,运用非迭代K均值算法,将检测目标分类为障碍物和非障碍物两类,从而实现了对障碍物的快速检测.

迭代Faster R-CNN的密集行人检测

行人检测是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。针对行人检测在密集场景下普遍存在的行人间遮挡问题,提出基于迭代Faster R-CNN的密集行人检测模型,利用一种IterDet迭代方案对Faster R-CNN进行改进,有效解决非极大值抑制(NMS)算法及其改进在选择精确度和召回率之间平衡点的难题。同时利用递归金字塔结构(RFP)进一步增强模型提取特征能力。在具有挑战性的WiderPerson和CrowdHuman数据集上进行训练和验证,实验结果表明,该模型相比Faster R-CNN在精度和召回率显著提升的同时,漏检率也明显降低。尤其在WiderPerson数据集上召回率、精度、漏检率等性能指标分别达到了97.65%、91.29%、40.43%的SOTA结果。

电力谐波滑窗迭代DFT检测算法的研究与仿真

有源电力滤波器的动态补偿要求能够准确、实时地检测出电网中瞬态变化的畸变电流。针对现阶段有源电力滤波器畸变电流检测方法存在工频周期时延、计算量大等不足,提出了一种基于离散傅立叶变换的滑窗迭代DFT(Discrete Fourier Transform,DFT)算法。该方法能有效地提高系统的实时性、目标跟随特性和抗干扰性,并且具有计算量小、容易工程实现的特点。利用MATLAB进行了滑窗迭代DFT仿真实验,实验结果表明该算法的有效性和正确性。

一种Turbo码随机交织器的迭代估计方法

信道编码参数分析是对编码参数的逆向分析和估计,是智能通信、信号截获等领域的关键技术之一。Turbo码在通信系统中应用广泛,其交织参数估计问题十分重要。针对Turbo码的随机交织器,提出一种基于Turbo译码器软输出之间相关性判决的迭代估计算法。该算法利用接收解调的软判决序列,克服了现有方法仅针对特定交织结构以及因使用硬判决而导致容错能力低的缺点。仿真结果表明,在低信噪比条件下,该算法具有更好的性能和相对低的复杂度。

基于改进迭代匹配滤波的织物疵点检测

为准确有效地检测织物的疵点,给出一种基于改进迭代匹配滤波的织物疵点检测算法.该算法首先采用多种滤波方法对样本疵点图像进行对比预处理,以去除样本图像的高斯噪声,减少织物背景纹理信息对织物疵点检测的影响,并根据去噪图像的客观峰值信噪比与主观视觉效果等确定均值采样为最优的预处理结果.然后利用改进的迭代匹配滤波器对去噪后的织物疵点进行滤波并分割出疵点.最后对分割后的图像进行形态学运算后处理、平滑图像轮廓和去除毛疵点和孤立点等.实验结果表明,该方法在织物疵点检测中能有效保留图像的边缘细节信息,可有效地检测较多种类织物的瑕疵,而且检测精度较高.

Turbo乘积码的两种迭代译码器的比较

提出了Turbo乘积码的并行迭代译码原理,对比分析了一种新的并行迭代译码器和传统的串行译码器,给出了以扩展汉明码(32,26,4)、(64,57,4)为子码的二维Turbo乘积码(32,26,4)2、(64,57,4)2在通过两种不同的译码器时的仿真结果。仿真结果表明,采取并行迭代译码器,在保持同样的译码性能的同时降低了译码延时。

基于滑窗迭代DFT的电力谐波检测

有源电力滤波器的动态补偿要求能够准确、实时地检测出电网中瞬态变化的畸变电流。针对现阶段有源电力滤波器畸变电流检测方法存在工频周期时延、计算量大等不足,提出了一种基于离散傅立叶变换的滑窗迭代算法,能实时有效地检测出谐波参考指令电流。若进行扩展,该算法还能应用于单次谐波的检测。仿真与实验结果都表明该算法能有效地提高系统的实时性、目标跟随特性和抗干扰性,并具有计算量小、灵活性高、易于工程实现等特点。

Turbo码的迭代译码方法的优化设计

迭代译码可以提高Turbo码的译码性能,但也是增加译码复杂性、延时及功率损耗的主要原因。在分析Turbo码的迭代译码原理和译码算法的基础上,提出了一种迭代译码的优化设计方法(Turbo-CRC),即利用循环冗余检测码CRC对Turbo译码器硬判决的输出结果进行检测,可以有效地减小平均迭代次数。计算机仿真结果表明在不降低译码性能和不增加系统复杂度的情况下,使用该方法可以有效地减小平均迭代次数和译码延时,尤其是在大信噪比时,效果更好。