自适应信号处理（沈福民）.pdf
研究生自适应信号处理课程用书 信号与信息处理专业研究生系列教材自适应信号处理沈福民编著西安电子科技大学出版社2001内容简介木书主要介绍自适应信号处理的基本理论、基本电路与系统的性能和应用以及近年来的新进展。全书共分10章,在第三、四、五、六章中,着重分析和讨论自适应基本准则和自适应主要算法;为了便于理解和掌握自适应的基本理论,在本书的第一、二章中介绍了有关自适应及自适应信号处理的基本概念,发展概况和有关的基础知识;自第七章后,特别增加了关于自适应信号处理基本电路与系统的性能和应用方面的内容。本书可作为通信、电子信息工程专业及其他相关专业大学高年级学生和研究生的教科书,也可以作为从事自适应信号处理研究领域工程技术人员的自学用书。图书在版编目CIP)数据自适应信号处理/沈福民编著.一西安:西安电子科技大学出版社,2001.3研究生系列教材ISBN7-5606-0979-11.自…Ⅱ.沈…Ⅱ.自适应通信系统一信号处理一研究生一教材Ⅳ,TN914中国版本图书馆CIP数据核字(2000第82675号责任编辑夏大平出版发行西安电子科技大学出版社(西安市太白南路2号)电话(029)8227828邮编710071http://www.xduph.comE-mail: xdupfxb@ pub. xaonline com经销新华书店印刷西安市第三印刷厂版次2001年3月第1版2001年3月第1次印刷开本787毫米×1092毫米1/16印张14.625字数341千字印数1~4000册定价16.00元ISBN7-5606-0979-1/TN·0170*如有印装问题可调换**本书封面贴有西安电子科技大学出版社的激光防你标志,无标志者不得锵售。前言随着信号处理学科领域理论与技术的迅速发展,自适应信号处理作为一门新的学科分支应运而生,并在诸如通信、雷达、工业控制、地震勘探及生物医学电子学等领戎获得愈来愈广泛的应用。近儿十年来,在自适应信号处理的理论、方法与应用技术方面的研究己取得了丰硕成果,与之相关的研究文献及论著也不断问世。然而,作为适合该学科领域研究生教学与培养专业技术人才的教科书数量甚少,特别在我国还未见到。这就很难满足实际教学及科研工作的迫切需要。本书的编写旨在弥补在自适应信号处理理论、方法与应用技术的学习及研究之中教材的不足。全书以“自适应性能测度”、“自适应算法”等基本現论的介绍分析及应用方面的讨论贯穿前后各章内容。全书共分10章,其主要内容可概括如下:1.随机信号与信号矩阵理论(第一、二章):为便于初学者入门,在本书前面增加了有关自适应信号处理理论学习必备知识方面的内容。2.性能测度与性能表面搜索(第三、四章):这是自适应信号处理全部理论的核心思想与基本出发点,由此可推导出冬种形式的自适应基本算法和相应的改进算法。3.基本自适应算法与适于不同应用情况下的自适应改进算法(第五、六章):这是本书最重要的内容,它体现了自适应信号处理理论与技术发展的方向与水平。本书除介绍较早期的研究成果和基本理论外,同玗关注近年来取得的新成果。4.自适应模拟与逆模拟,自适应于扰对消与自逅应预测滤波电路〔第七、八章):主要分析了它们的基本原理和有针对性地介绍了它们的实际应用。5.自适应阵列与自适应波束形成(第九章):较详细地介绍了阵列波束形成的一般原理、旁瓣对消器和各种自适应波束形成器及它们的应用。6.自适应控制(第十章):这涉及到一个专门的学科领域,但本书主要想使读者了解和掌握自适应信号处理理论与技术在该领域的应用情况,并不想全面深入地研究整个领域。读者应当从以下几个方面把握本书的主要特色:1.较全面地集中介绍了自适应信号处理的基本理论与方法。2.为了不使学生的学习仅仅停留在比绞抽象的理论之上,在本书中特别用较多的篇幅介绍了各种自适应算法在多个学科领域内的应用(其中包括对各种不同自适应电路与系统的分析),但主要侧重于通信、雷达及阵列信号处理等方面的实际应用。3.基于对复随机信号(或复确知信号)的自适应信号处理理论,从而使研究更具普遍性,本书的研究内容不仅针对复信号,而且也同样包含了(适合)实信号。本书是在作者参加科研工作及承担本课程的多年研究生教学工作基础上编写完成的,因而较多地考虑到了教学工作中的实际要求和一般有关专业人员的自学需要。但是,由于本学科的发展十分迅速,本书对有些近年来才获得的新成果还不能满意地介绍给大家,加之作者水平所限,书肀难免有错误与不当之处,敬请广大读者谅解并不吝赐教。淸华大学张贤达教授在百忙之中对书稿进行了认真审阅,并对书稿提出了十分宝贵的修改意见,在此深表感谢。本书的编写与出版工作得到了西安电子科技大学教材建设基金和研究生教材建设基金的专项资助,在此也特表感谢。沈福民2000年9月于西安电子科技大学目录第一章概论1.1主要研究领域1.2发展和应用………自。·鲁音◆◆◆··鲁···4●音●·●鲁命鲁鲁·鲁非●●命21.3章节内容安排第二章信号矩阵理论2.1信号、信号向量与权向量…2.2输入信号的相关矩阵……2.3信号子空间和噪声子空间…457◆··●●鲁鲁●●●。●●鲁鲁·啁●·晋●··番·。鲁自·鲁●。。·●·●●曹春鲁鲁●·鲁布·自。。●垂●·●b曹2.4梯度运算··鲁音自·普p·自自●非●·看自鲁。鲁自●●●鲁·非奇自·晋带●··●鲁自4音●●·q●非ψ●●鲁●●·音●·●●山◆。鲁鲁●鲁●·第三章性能测量方法3.1均方误差(MSE)性能测度……………………………………………………113.2最大信噪比(MSN)性能测度……………●·●●·●●···普●命●垂●●命·自曹鲁●·鲁●音备3.3最大似然(ML)性能测度…183.4最小噪声方差(MV)性能测度19习题…………………………………………………………………21第四章性能表面的搜索4.1最速下降法梯度搜索……………………………………224.2牛顿法梯度搜索·音音鲁●。◆.鲁●···●●···命命……264,3梯度估值及其对自适应过程的影响●带●P。鲁●30习题……………ss46第五章基本自适应算法5.1LMS算法485.2序贯回归(SER)算法……………………………………563RLS算法………………625.4随机搜索算法…665.5直接矩阵求逆(DMI法…………………………………………7习题···鲁鲁鲁看··非●··甲垂●电●75第六章自适应算法的改进形式6.1约束LMS算法………………………………776.2自适应递归滤波器…………………………………816.3自适应格型滤波器…866.4用正交信号的自适应滤波…986.5解相关LMS算法…鲁●·●·自曹D曹看垂备春●咖↓◆事●4l046.6一种新的拟牛顿自适应滤波算法……………………………………106习题…………………………108第七章自适应模拟与逆模拟7.1概述………………………………………………………………………1117.2多径通信信道的自适应模拟……ss…ss1147.3FIR滤波器综合的自适应模拟……………………………………118电话信道的自适应均衡…………………………………………………1217.5雪达信道的自适应均衡………1247.6IR滤波器自适应综合125习题………130第八章自适应干扰对消8.1概述………13682单信道噪声对消器…………………………………1378.3用作陷波滤波器的自适应干扰对消器1448.4自适应预测器的几种应用…147具有多参考输入的噪声对消……………………153习题…………………………辛鲁垂●垂鲁·。·●154第九章自适应阵列与自适应波束形成9.1阵列波束形成的基本原理……………………1579.2自适应天线旁瓣对消……………………………1619.3采用引导信号的波束形成…………1689.4格里菲思LMS波束形成器………………………………………1769.5弗罗斯特自适应波束形成器…………:1789.6具有零点和极点的自适应波束形成器………1829.7杜瓦尔自适应波束形成器……………………………………1849.8跳频扩谱技术…●香●鲁鲁●鲁命p●鲁垂…ss1879.9超分辨波束形成…89习题195第十章自适应控制系统10.1白适应控制的基本概念…………………………………19910.2自适应模型控制(AMC)……………………………………,20210.3自适应逆控制…………………20410.4被控系统噪声及过滤后ⅹ-LMS算法………●●·◆····哥··。··音非自··。·。●;·●·●20710.5模型参考自适应控制●●◆鲁·◆··昏··自曹●辛●香●非●音··●●。自。鲁音非·●D●◆自····昏·番209习题…●鲁。鲁211附录附录A信号复包络表示◆…·214附录B有用的矩阵关系和施瓦茨不等式……………216附录C多变量的高斯分析………………………………….217C.1实高斯随机向量…………218C.2复高斯随机向量···●···P··。●·········:·;s··s;s·s.saa219参考文献鲁·●···章……………………………222第一章概论自适应信号处理( Adaptive Signal Processing)是近40年来发展起来的信号处理领域一个新的分支。随着人们在该领域研究的不断深入,自适应信号处理的理论和技术日趋完善,其应用的范围也愈来愈广泛通过信号和信号的传送,人们可以获取(有用)信息,而经对信号进行处理使蕴含于信号中的(有用)信息提取出来。由于信号形式及信号传送方式和传送环境的复杂性(例如信号在传送过程中受到噪声和干扰的污染等),促使信号处理理论和技术不断发展,从而使人们更有效地、最大可能地获取信息。1.1主要研究领域自适应信号处理是研究一类结构可变或可以调整的系统,它可以通过自身与外界环境的接触来改善自身对信号处理的性能。通常这类系统是时变的非线性系统,可以自动适应(即“自适应”)信号传送变化的环境和要求,无须详细知道信号的结构和信号的实际知识无须精确设计信号处理系统本身。自适应系统( Adaptive System)的非线性特性主要是由系统对不同信号环境实现自身调整确定的。假如一个自适应滤波器( Adaptive Filter)的输入仅为有用信号,那么,它可以是个全通滤波器,但若输入为有用信号加噪声(或干扰),则可成为一个带通或带阻滤波器。自适应系统的时变特性主要是由其自适应响应(自适应“学习”)过程确定的。当自适应过程结束,系统调整不再进行时,有一类自适应系统可成为线性系统,并称为“线性自适应系统”( Linear Adaptive system)。因便于设计并易于作数学处理,这类自适应系统特别有用。自适应系统和一般系统类似,可以分为开环自适应和闭环自适应两种类型。开环自适应系统的工作主要为:对输入信号或信号环境进行测量,并用测量得到的信息形成公式或算法( Algorithm),用以调整自适应系统自身;而闭环自适应系统还利用系统调整所得纬果的有关知识去优化系统某种性能,即该类系统是一种带“性能反馈”的自适应系统。图1.1(a)表示一个开环自适应系统,控制该系统的自适应算法仅由输入确定。图1.1(b)则表示一个闭环自适应系统,控制该系统相应的自适应算法除取决于输入外,同时还依赖于系统输出的结果自适应信号处理所研究的信号既可以是随机平稳信号,也可以是局部平稳的随机信号。在大量的工程应用和研究中,又将信号在频率域分成窄带和宽带两种,在两种情况下研究或处理的方法及自适应系统的结构也不同。信号的统计量极其重要。人们最常用的统
- 2020-12-11下载
- 积分：1
基于视频的三维重建研究
这是一篇华中科技大学的硕士毕业论文，里面对三维重建技术的讲解很详细，适合作为综述来看独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或集休已经发表或撰写过的研究成果。对木文的研究做出贡献的个人和集休,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关侏留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权华屮科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以釆用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密口,在年解密后适用本授权书本论文属于不保密口。(请在以上方框内打“√”)学位论文作者签名指导教师签名:日期:年月日日期:年月日万方数据华中科技大学硕士学位论文摘要基于视频的重建技术在计算杋视觉领域中扮演着非常重要的角色,而如何恢复场景的三维模型是目前研究的热点与难点问题。本文围绕基于视频的场景重建技术展开讨论,包括棊于单目视频的三维场景重建和于双目视频的视差图和场景流获取。由于单目包含的深度信息比较少,如何基于单目视频恢复相机的运动参数以及目标的深度信息是研究的重与难点。双目视频虽然包含了非常显著的深度信息,但是考虑到视频中场景的迕续性问题,如何使得恢复岀的深度图保持前后帧的连续性以及场景中运动日标的一致性,也是比较困难的问题。因此,针对上述所提到的问题进行了深入的研究,具体的研究工作如下第一,对三维重建研究进行了详细的介绍,介绍了对于特征点匹配的理解以及我们提出的基于特征引导偏向性高斯混合模型( Feature Guided Biased GaussianMixture model,FGBG);详细介绍立体视觉中立体匹配算法的原理、分类及评测标准,并在4个典型的数据集上对有代表性的局部、全局、半全局算法进行对比实验。此外,详细介绍运动恢复结构(SFM)的基本原理,并进行了实验分析。第二,提岀一种基于双目视频的视差图和场景流获取技术。基于双目视频,首先获得初始的视差图和2D特征点轨迹;在此基础上获得初始的3D稀疏运动轨迹,利用本文提出的 Object Motion Hypothesis(OMH)算法获得运动物体的致性假设采用 slanted-plane model以及参考图像与前后时间点图像对的约束关系,构建超像素和运动物体之间的能量模型,通过优化获得视差和场景流的估计结果。第三,提出一种棊于单目视频的动态场景重建系统。在获取特征点轨迹的基础上,基于运动信息获得特征点轨迹的聚类结果;提出一种基于超像素的多标记Graph-cut算法,得到每一个日标的精确边界;为每一个运动日标分配一个虚拟相机通过标准的SFM方法分别单独估计每个运动目标对应的虚拟相机的参数和稀疏三维点云,通过PMVS和泊松表面重建获得目标的稠密重建结果。关键词:三维重建、单∏视频、双目视频、视差、场景流万方数据华中科技大学硕士学位论文Abstract3D reconstruction based on video has play an important role in computer vision, andhow to recover 3D scene model has been paid much attention and is a difficult problemBased on the importance of 3D reconstruction, in this paper, the 3D reconstruction basedon video has been studied, including 3D scene reconstruction based on monocular videoand depth map and scene flow estimating based on binocular video. Since the monocularcontains much less depth information, how to recover the camera motion and depth maphas been a difficult problem. Besides, although binocular view contains significant depthinformation, it is difficult to keep the consistency of depth map and moving objectsTherefore, in view of the problems mentioned above the specific research works are asFirst. we introduce two directions of 3D reconstruction in computer vision: based onstereo vision method and based on structure from motion. The stereo matching method hasbcen introduced in detail, including algorithm principle, classification, and evaluationmethod. And, we compare the global, local and semi-global algorithm on four typicaldataset. In addition, we have made a detail introduction of structure from motion(SFM)and the experiment has been carried out to get 3D point cloudSecond, a method for depth map and scene flow estimation is proposed. First, inputbinocular video, initial disparity map is got by SGM, 2 point trajectories are got byoptical flow. Then the 3D tracks are got by disparity map and 2D point trajectories, get theobject motion hypothesis. Considering constraint between the reference image and theforward-backward images, the energy model based on super-pixel and object isconstructed using slanted plane model. Finally, the depth map and scene flow will be gotThird, a method for reconstructing monocular dynamic scene with multiple movingrigid objects captured by a single moving camera is proposed. First of all, feature pointsare matched through the video sequence via the optical flow method and the tracks "aregot based on these matches. Then the tracks are divided into several groups according totheir motion differences. An improved graph cuts based multi-label auto imagesegmentation method is used to acquire the accurate boundary of each moving object and万方数据华中科技大学硕士学位论文the static background. Then we assume a virtual camera for each moving object and thestatic background. The pose of these virtual cameras are estimated via the standardStructure from Motion(SFM) pipeline. Finally a dense point set and textured model isreturned for each virtual camera. We evaluate our approach on real-world video sequenceand demonstrate its robustness and effectivenessKey words: 3D reconstruction, monocular video, binocular video, disparity, scenefleOw万方数据华中科技大学硕士学位论文目录摘要Abstract绪论1研究的背景及意义2国内外研究现状1.3论文的主要工作及结构···································:··········.················4·2三维重建基本方法研究2.1引言.………8)2.,2线性摄像机模型(8)23基于特征点的图像匹配24运动恢复结构方法(12)2.5立体匹配与三维重建···.·.·······.·················:····.····················(15)26本章小结(22)基于双目视频的视差图与场景流估计3.1引言(23)3.2运动目标的提取(25)3.3双向约束场景流模型..31)34实验分析.333.5本章小结(444基于单目视频的三维重建研究(45)4.2目标分割(464.3三维场景估计(51)万方数据华中科技大学硕士学位论文4.4实验分析(52)4.5本章小结(55)5全文总结与展望5.1木文的主要页献与创新点(56)5.2工作展望…7)致谢S8)参考文献非D·非非··非。非(59)附录万方数据华中科技大学硕士学位论文绪论11研究的背景及意义视觉是人类的基本功能。通过视觉,人们能够感知外部世界中物体的大小,以及辨别物体之间的相对位置,并且了解它们之间的相互关系。人类把这种功能称为视觉功能。随着科学技术的不断创新,新兴的电子产品不断涌现,数码设备的成熟和计算机理论的涌现让人们越来越关注计算机视觉。人们开始利用摄像机采集视频或者图像,并将其转化为人类可理解的信号。即利用计算机实现模仿人类视觉的功能,计算机视觉也就随之六生。计算机视觉是个涵盖多种学科知识的新兴学科。其理论研究的最终目的是通过对采集到的视频或者图像进行处理,将二维图像或视频转化为三维信息,从而感知场景或物体的形状及运动。因此,计算机视觉吸引了越来越多的研究人员参与其中,包括图像处理与模式识别,应用数学,计算札科学与技术等等。三维场景重建作为计算札视觉中一个重要的研究方向,受到许多研究者的青睐。最近,获取三维场景信息的方式主要有以下三种:第一种,利川常见的建模软件3DMax、CAD等进行重建;第二种,利用深度扫描仪、红外或者激光测距仪器等设备进行三维重建;第三种,利用计算机视觉原理,基于视频或者图像获取场景的三位模型。在上述方法中,第一种是最为成熟的,但是第一种方法的操作步骤十分复杂,并且建模周期长。第二种方式能够获得物伓的髙精度几何模型,但是这些仪器价格昂贵,费时费力,并且对于重建大型场景非常局限。因此,第三种方式受到了普遍的关注,它可以重建复杂的室外大型场景,真实感强,价格低廉且方便携带。利用图像或者视频对场景进行重建,即从图像或视频中恢复场景或者物体的三维几何信息,构建三维模型,给人以视觉亨受。三维重建的用途十分广泛,它可以用于机器人导航,无人驾驶,医学图像分析,游戏等众多方向在众多的三维场景重建方法中,于视频的重建方法一直是一个研究热点。其中,从单目视觉的角度出发,基于单目视频的三维重建技术就是利用单个摄像札对万方数据华中科技大学硕士学位论文场景进行拍摄,研宄如何利用图像序列光流估计运动物体或场景的三维运动来重建三维模型。从双日视觉的角度出发,基于双∏视频的三维重建技术就是利用两个摄像机,从两个不同的角度对同一个场景进行拍摄,研究如何利用左右两个图像序列各自的运动信息,以及左右视图之间的视差信息,完成场景的三维重建。本文的基于视频的三维重建技术具有十分重要的研究价值。针对双目视频,提出了一种基于双目视频的视差图和场景流获取技术,目的是同时获得视差图和场景流信息、。针对单目视频,提出个完整的基于包含多个刚体运动目标的单目动态场景视频的重建系统。12国内外研究现状121基于单目视觉的三维重建研究现状近年来,3D静态场景的重建己经取得了显著性的突破。其中,大多数的研究都是遵循一个特定的步骤:首先从一组多视角的图像中提取特征点,然后对多视图中的特征点进行匹配,构建基础矩阵,恢复相机参数,从而得到玚景的三维结构凹。其中, Snavely N主要通过SFM( (structure from motion)从无序图像序列中恢复相机的位置以及获得场景的三维稀疏点云倒。除∫稀疏点云的重建之外,很多学者也集中研究场景的三维稠密重建四。其中, Seitz s m对多种立体匹配算法进行比较,并且是第一个提供已标定的多视图数据集。 Kolev K在前者的基础之上提出了一个全局能量模型,融合了轮廪信息和立体信息。值得一提的是,深度信息也是一种非常有前景的3D重建方法,主要思想是通过恢复图像的深度信息,融合多幅深度图逃行稠密重建η。此外,很多研究集屮于基于单个视频的稠密表面重建,主要包括基于场景流( scene flow)s, mesh- based稠密表面重建例, patch-base稠密表面重。但是,大多数捕获的视频中,动态场景视频比铰常见。而上述的研究只能用于处理静态场景,它们在应对多目标运动场景方面是十分有限的。最近, Tron r提出了一个包含动态运动目标的场景分割标准山,它是·个重要的3D运动估计和重建的预处埋过程视频重建主要有于两个视图12和基于多个视图314其中,HanM和万方数据
- 2020-12-11下载
- 积分：1
|
联系客服（QQ：3324461878）
