检索结果-南通市图书馆

作者：石嘉豪华南理工大学

学位级别：硕士

基于核方法的自适应滤波(Kernel Adaptive filtering,KAF)是非常有效的非线性学习算法,已被广泛应用于系统辨识、信道均衡、噪声消除等方面。在这些信号处理过程中,人们认为大部分的噪声呈现高斯分布,因而在实际应用中,核自适应滤波算... 详细信息

基于核方法的自适应滤波(Kernel Adaptive filtering,KAF)是非常有效的非线性学习算法,已被广泛应用于系统辨识、信道均衡、噪声消除等方面。在这些信号处理过程中,人们认为大部分的噪声呈现高斯分布,因而在实际应用中,核自适应滤波算法大多采用反映二阶统计矩的最小均方误差(Mean Square Error,MSE)准则对模型进行学习。然而在真实的环境中,人们观测出大量的自然噪声都表现出非高斯的行为,例如水声噪声、大气噪声等。在过去十几年中,信息论学习(Information Theoretic Learning,ITL)获得较大的发展,其相关理论在非高斯信号处理中得到了非常广泛的应用。其中,信息论学习中的互相关熵(Correntropy)是衡量随机变量之间的局部的相似度。与MSE准则相比,基于互相关熵的优化准则能够从数据中提取更加丰富的统计信息,因此基于该准则的算法会更加鲁棒。本论文以最小二乘算法(Recursive Least Squares,RLS)为基础,提出基于互相关熵优化准则的核自适应滤波算法,并通过仿真实验对算法性能进行分析和验证。本论文的研究工作主要分为两个部分。首先,本文引入互相关熵,提出基于最大互相关熵(Maximum Correntropy Criterion,MCC)的核最小二乘算法(Kernel Recursive Maximum Correntropy,KRMC)。KRMC算法将输入空间的数据映射到特征空间,在特征空间中运用线性的算法学习滤波器权值。算法定义期望响应和输出信号的互相关熵,在每一次递归学习中最大化该互相关熵,直至算法收敛。与普通的核化最小二乘算法(Kernel Recursive Least Squares,KRLS)相比,基于最大互相关熵的核最小二乘算法利用高斯核函数削弱非高斯噪声对算法迭代的影响,有效地保证在非高斯环境中良好的算法性能。本论文通过混沌时间序列预测仿真实验与其他算法对比,验证KRMC算法的MSE性能,并探讨不同的互相关熵核宽度对KRMC算法的影响。接着,针对核自适应滤波算法普遍存在的网络节点线性递增的问题,提出基于量化方法的核最小二乘算法(Quantized KRMC,QKRMC)。算法建立网络节点字典,在线地对输入数据序列进行筛选,将满足判断条件的数据量化至当前网络节点字典中与之最接近的节点值。量化方法通过量化阈值灵活地控制QKRMC算法的网络结构,在保证算法良好性能的同时,尽可能地精简QKRMC的网络节点。本论文通过混沌时间序列预测仿真实验验证QKRMC算法的MSE性能,并探讨不同的量化阈值对QKRMC算法网络结构的影响。

关键词：核自适应滤波最大互相关熵量化方法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于最大互相关熵容积卡尔曼滤波的AUV协同导航方法

一种基于最大互相关熵容积卡尔曼滤波的AUV协同导航方法

引用

2018年无人载体导航与控制技术发展及应用学术研讨峰会

作者：范颖张勇刚哈尔滨工程大学自动化学院

在自主水下航行器（Automatic Underwater Vehicles,AUVs）的协同定位中,受到洋流的影响,量测噪声会出现野值的情况,此时,基于传统的非线性滤波的AUV协同导航方法不再适用。对此,本文基于最大互相关熵准则,提出了一种最大互相关熵容积... 详细信息

在自主水下航行器（Automatic Underwater Vehicles,AUVs）的协同定位中,受到洋流的影响,量测噪声会出现野值的情况,此时,基于传统的非线性滤波的AUV协同导航方法不再适用。对此,本文基于最大互相关熵准则,提出了一种最大互相关熵容积卡尔曼滤波（Maximum Correntropy Cubature Kalman Filter,MCCKF）,然后设计出了基于MCCKF的AUV协同导航方法。为了选取合适的核宽度σ以获取更好的结果,本文选取了三种不同的核宽度进行湖上试验,得出在σ=20时滤波效果最佳。最后,选取了基于容积卡尔曼滤波（Cubature Kalman Filter,CKF）和Huber无迹卡尔曼滤波（Huber Unscented Kalman Filter,HRUKF）的AUV协同导航方法与本文提出的方法进行湖上试验。实验结果表明,本文设计的基于MCCKF的AUV协同导航方法精度最高。

关键词：自主水下航行器协同导航量测野值最大互相关熵容积卡尔曼滤波

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

非高斯噪声下的VSLAM后端优化算法研究

非高斯噪声下的VSLAM后端优化算法研究

引用

作者：王婷太原理工大学

学位级别：硕士

视觉同时定位与建图技术(Visual Simultaneous Localization and Mapping,VSLAM)是机器人实现自主定位和环境感知的有效手段,广泛应用于机器人、无人驾驶、虚拟现实、增强现实等领域。VSLAM利用视觉传感器采集的图像信息实现对载体的位... 详细信息

视觉同时定位与建图技术(Visual Simultaneous Localization and Mapping,VSLAM)是机器人实现自主定位和环境感知的有效手段,广泛应用于机器人、无人驾驶、虚拟现实、增强现实等领域。VSLAM利用视觉传感器采集的图像信息实现对载体的位姿估计和地图构建,包括视觉前端模块和后端优化模块。受累计误差影响前端模块对载体位姿和地图估计结果会逐渐偏离真值,而后端优化是消除累积误差的关键环节。现有后端优化算法以高斯噪声为假设,采用极大似然估计实现对前端估计结果的优化,没有充分考虑实际系统中的非高斯噪声和异常值的影响,导致VSLAM实际运行时性能下降。鉴于此,本文从鲁棒核函数的角度着手解决非高斯噪声下的VSLAM后端优化问题。主要研究内容和创新点如下:(1)针对现有后端优化算法通常以高斯噪声为前提,在非高斯噪声场景中性能下降的问题,借鉴信息论学习(Information Theoretical Learning,ITL)理论和鲁棒核函数的研究进展,提出基于最大互相关熵准则(Maximum correntropy criterion,MCC)的后端优化方法。首先,该方法在非线性后端优化框架下,利用MCC可以获取高阶统计信息描述非高斯噪声分布的特性,将其用于构造非线性后端优化问题的目标函数。然后,采用列文伯格—马夸尔特(LM)算法迭代求解该后端优化问题。最后,将所提出的后端优化方法应用于ORB-SLAM2框架。在公开数据集上的实验结果表明,无论是室内场景还是室外场景,基于MCC的后端优化算法在非高斯噪声下具有更好的鲁棒性和更高的估计精度,提升了VSLAM算法在非高斯场景中的性能。(2)针对基于单一MCC的后端优化方法环境适应性不强,需要根据不同的应用环境修改核参数以获得满意性能的问题,提出了基于多凸组合最大互相关熵(MCMCC)的后端优化算法。该方法用凸组合方式,将不同核参数的最大互相关熵函数进行组合,以覆盖不同分布的高斯噪声、提高后端优化算法的环境适应性。该方法首先根据非线性后端优化问题的特点,利用MCMCC构造目标函数并采用LM方法迭代求解。然后,将所提出的后端优化算法应用于ORB-SLAM3框架,并从重投影误差分布的角度分析了后端优化问题的非高斯特性。最后通过实验的方式给出了MCMCC在不同场景下的建议参数。在公开数据集上的实验结果表明,在各类场景中,基于MCMCC的后端优化算法在大部分序列上优于基于Huber、GM、Cauchy的后端优化算法的性能。(3)为了进一步验证所提出的后端优化算法在实际场景中的性能,本文在Racebot机器人实验平台上运行用基于MCMCC的后端优化算法改进的ORB-SLAM3,进而分析算法的实时性和环境适应性。在室内、室外场景测试的测试结果表明,与改进前的ORB-SLAM3框架相比,用本文所提出的基于MCMCC的后端优化方法改进的ORBSLAM3在实时场景中的建图结果更加接近真实值,在拐弯等细节上,更加准确。本文基于信息论标准,特别地,基于MCC对VSLAM中的后端优化问题展开研究,从鲁棒核函数的角度出发提出了基于MCC和MCMCC的后端优化方法,以解决非高斯噪声和异常值存在下的后端优化问题。公开数据集上的实验结果表明,两种算法都提高了VSLAM的建图精度,且采用基于MCMCC的后端优化方法可以提高VSLAM的位姿估计精度和建图精度,具有较好的环境适应性。而基于Racebot实验平台的在真实环境中实验结果也验证了本文研究成果在实际应用中的性能。

关键词：视觉SLAM 后端优化非高斯噪声最大互相关熵多凸组合

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种简化鲁棒的传感网络节点三维估计算法

引用

西安电子科技大学学报 2018年第5期45卷 108-114页

作者：赵季红谢志勇曲桦王明欣刘熙西安邮电大学通信与信息工程学院陕西西安710121 西安交通大学电子与信息工程学院陕西西安710049

针对无线传感网络中进行节点三维状态估计时受到重尾或突变性质噪声干扰的问题,提出了加权质心定位和简化最大互相关熵无迹卡尔曼滤波结合的传感网络节点三维估计算法.首先,通过信号强度的测距方式得到信标节点和传感节点的观测距离;然... 详细信息

针对无线传感网络中进行节点三维状态估计时受到重尾或突变性质噪声干扰的问题,提出了加权质心定位和简化最大互相关熵无迹卡尔曼滤波结合的传感网络节点三维估计算法.首先,通过信号强度的测距方式得到信标节点和传感节点的观测距离;然后,利用质心定位的方法得到节点的近似估计,并结合节点估计模型和最大互相关熵准则对非高斯、非线性问题的鲁棒性,推导出一种简化最大互相关熵无迹卡尔曼滤波算法;最后,得到精确估计.仿真结果表明,新算法在具有重尾非高斯观测噪声的传感网络中对节点三维估计的效果比典型的方法更好,不仅降低了一般最大互相关熵无迹卡尔曼滤波的时间复杂度,还提高了节点估计的精度.

关键词：传感网络无迹卡尔曼滤波最大互相关熵状态估计

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：