因子图

摘要： 针对无人机群协同导航问题,提出了因子图框架下基于高斯粒子滤波和消息传递算法的无人机群协同导航方法。所提方法利用因子图描述无人机群导航状态与自身量测以及相对导航信息之间的关系,并通过高斯粒子滤波实现因子图中节点之间的消息传递,完成无人机群导航状态的最大后验概率估计。仿真结果表明所提出的方法实现了机载多源传感信息与相对导航信息的有效融合,定位精度相比于基于因子图和粒子化消息传递的混合和积算法(H-SPAWN)提高50%以上。

摘要： 针对旅行商问题求解精度较差、容易陷入局部最优等缺点,提出一种新的求解旅行商问题的信息传播算法。根据旅行商问题的特征,将线性方程嵌入信息传播算法方程中得到旅行商问题的势函数,进而将其转换为因子图,在因子图上利用信息传播算法的迭代方程进行迭代计算。在迭代过程中选择边际信念的最小值,从而得到旅行商问题的初始解,在算法达到设定的迭代次数后,引入局部搜索算法进行求解。在若干数据集上的实验结果表明,新算法能够有效求解旅行商问题。

摘要： 为降低传统稀疏码分多址接入(sparse code multiple access, SCMA)系统的译码复杂度,同时保证系统误比特率(bit error ratio, BER)性能,考虑信道质量因素提出SCMA系统收发端改进方案。在接收端,提出基于信道质量动态选择节点改进消息传递算法(message passing algorithm, MPA),在串行策略基础上对节点更新顺序进行合理排序,减少算法迭代次数,以降低译码复杂度;同时为补偿付出的BER性能代价,在发送端基于信道质量设计动态自适应更新因子图方案,为用户节点匹配高信道增益的资源节点组合,并且考虑到用户的公平性,令上轮更新因子图时信道增益最低的用户节点优先匹配。仿真实验证明,所提改进方案在保证BER性能和各用户公平性前提下有效降低系统译码复杂度。

摘要： 多智能体的协同定位是本科生创新研修课“惯性自主测量技术与实践课程”的重要内容。在自主水下航行器(AUV)协同定位系统中,对于从艇的自主定位阶段而言,影响位置估计精度的主要原因就是速度、航向信息中存在的误差。针对该问题,设计了一种基于最大相关熵的多AUV协同定位方法。该方法以状态量的相关熵为代价函数,依据最大相关熵准测,结合测距信息估计出从艇惯导设备输出的速度、航向误差,并通过反馈来减小定位误差的波动,提高协同定位性能。同时,利用相关熵作为度量信息,还可以有效减小水下量测噪声呈非高斯分布特性所带来的协同定位误差增大的影响。为验证所设计方法的可行性,进行了仿真试验和湖试数据离线验证,结果表明该方法的定位性能相较于传统的因子图方法具有明显的提升。

摘要： 字段划分是协议格式推断的基础,协议格式推断的后续步骤,如报文结构识别、字段语义推断和字段取值约束判定,高度依赖于字段划分质量。二进制协议缺少字符编码和定界符,字段长度取值灵活,值域变化丰富,因此字段划分难度较大。针对相关研究存在的特征构造维度单一和判决规则简单等问题,提出了一种基于概率模型的二进制协议字段划分方法。以二进制协议报文为研究对象,从报文内在结构、报文间取值变化等维度构造字段边界约束关系,然后用概率的方式将各种约束组合在一起,利用因子图模型计算各个位置成为边界的概率,从中得出最有可能的字段边界。实验结果表明,相比传统方法,所提方法在二进制协议字段边界识别中精准度更高、鲁棒性更强。

摘要： 为了解决全球导航卫星系统(GNSS)拒止条件下车辆定位困难问题,提出了一种基于交互多模型距离平滑的超宽带/惯性测量单元(UWB/IMU)因子图组合导航方法。首先,针对超宽带信号由于反射或折射导致的非视距问题,分别建立视距与非视距情况下超宽带基站与标签间距离的因子图模型,并利用交互式多模型算法进行原始距离的平滑;然后,对惯性导航系统、交互式多模型处理的超宽带距离信息等测量量进行建模,构建基于因子图的信息融合框架,并根据非线性优化理论与增量平滑算法实现变量节点的递推与更新。最后,采用因子图方法对融合数据进行处理,实现车辆多传感器高精度组合导航。实际测试结果表明,相比基于卡尔曼滤波的多传感器融合方法,所提出的基于交互多模型距离平滑的惯性/超宽带的因子图定位方法在非视距情况下位置估计精度(RMS)提高40%以上。

摘要： 对因子图算法及其理论基础进行研究,使用消元算法分析了一元观测因子图模型的稀疏结构,得到了一种适用于该模型的增量推断算法;并对固定滞后平滑算法进行了研究,实现了滑窗在该增量推断算法中的应用;最后通过仿真验证了基于因子图的状态估计方法的估计能力、该增量推断算法在求解一元观测因子图模型的状态估计问题时运算速度的提升能力,以及滑窗维持该增量推断算法运算速度稳定的能力。

摘要： 针对启发式算法在求解0-1背包问题时易陷入局部最优以及寻优精度低等不足,提出一种求解0-1背包问题的置信传播算法.根据0-1背包问题的线性规划,构造该问题的因子图模型,并基于该模型的特点设计对应的标识函数,进而设计一种求解0-1背包问题的置信传播算法.当算法收敛时,计算每个物体节点的置信度,以确定该物体的装包概率,从而高概率地给出0-1背包问题的解.与其他启发式算法进行了比较,结果表明,该算法具有较好的全局搜索能力.

摘要： 针对多自主水下航行器协同定位系统中从艇的数据融合问题,首先建立了协同定位系统的数学模型,然后分析了速度误差及航向误差对从艇定位误差的影响,同时设计了协同定位及误差估计的因子图模型.接着,提出了基于高斯噪声的协同定位及误差估计算法,利用均值和方差在因子图各节点间传递完成对从艇位置、速度误差和航向误差的估计.为了验证算法的有效性,通过仿真实验和实船试验的离线数据对协同定位及误差估计算法进行验证.结果表明,所提算法可以有效降低从艇的定位误差,在从艇自主定位时尤其明显,大幅提高了从艇的导航定位能力.

摘要： 人工智能和图书馆的结合,促进了智慧图书馆的快速发展.图书馆智能盘点机器人的出现解决了图书错架和盘点的需求.盘点机器人在室内工作,自身的定位和导航以及对环境的适应是机器人要解决的重要问题.目前图书馆智能盘点机器人在这方面有不足的地方,文章结合国内外SLAM的研究进展,参考其他行业机器人SLAM实践,用因子图推断方法改进机器人同步定位与地图构建,取得了一些初步的成果.

摘要： 随着北斗导航系统的逐步完善以及导航定位服务对定位精度需求的不断提高,而北斗卫星导航由于卫星轨道误差等固有误差的影响,定位精度已经达到瓶颈.本文根据北斗导航系统的特点,提出基于因子图辅助的协同定位方法.利用多个协同节点之间的测量距离值,结合因子图理论,建立置信度信息,并构建全局因子图模型及各个节点的内部因子图框架.通过和积算法实现全局函数的局部因子分解,通过迭代求解可以有效提高节点的定位目标.将本文方法与现有的定位方法进行比较,仿真结果表明本文所提出的方法在测距误差和协同节点定位误差下可以有效提高定位目标精度.

摘要： 随着一带一路国家战略实施,我国与越南的交流与合作日益密切,及时掌握两国新闻事件动态意义重大.该文针对汉越双语新闻事件关联分析所面临的跨语言关联问题,研究汉越双语新闻事件关联分析方法.汉越双语新闻事件分析其实质是多语言多文本的理解问题.其主要难点是要解决多语言多文本下的新闻事件理解问题.该文提出了基于因子图模型的局部密切度传播算法.首先使用双语主题概率模型,从双语文档中获得双语主题以及主题概率分布.然后基于新闻事件的文本相似度构建事件因子图模型,在因子图上对相互关联的事件使用局部密切度传播算法计算某一主题下所有相互关联的事件间的影响力.最后得到不同主题下事件间的影响力拓扑图.实验结果表明该文提出的方法相比相似度计算和词语共现的方法取得了不错效果.

摘要： 信息融合算法中,因子图算法具有快速高效的优势,但是融合过程中固定权值分配方式会导致融合误差在某些时刻急剧增加.本文基于因子图技术,提出了一种改进的加权融合定位算法:通过统计分析不同因子的性能特点,根据可信度函数合理地动态调整权重,从而得到改进的加权融合定位结果.本文采集了卫星定位、WLAN定位这两种传感器的数据,对该算法进行仿真验证,试验结果表明,与传统的因子图算法相比,改进后的加权融合算法有效地提高了定位精度.

摘要： 本文基于LMMSE准则利用因子图实现了无约束线性均衡算法和约束线性均衡算法,并与自适应LMS算法进行比较,从仿真结果可以看出在高信噪比下基于因子图的算法比传统基于滤波器的均衡算法的MSE至少降低了10dB,而低信噪比情况下降低幅度较小,基于这样的结果,本文提出一种在低信噪比条件下通过降低噪声影响使MSE进一步降低的算法,通过仿真结果可以看出提出的算法达到了进一步降低MSE的目的.

摘要： 自主水下潜航器AUV(Autonomous Underwater Vehicle,AUV)是主要海洋探测与作战装备,其搭载的多传感器感知与通信情况复杂,如何获取其精确、可靠的位置是水下作业的重要问题.本文基于图优化(Factor Graph Optimization,FGO)算法,构建了AUV多源融合定位框架,仿真AUV搭载的异步多传感器数据与有效性改变的状况,进行因子建模后利用非线性优化理论进行状态递推与更新.仿真结果表明,该方法能够以自然的方式合并不同频率与有效性的传感器测量信息,定位精度保持在-0.1～+0.1m以内.与扩展卡尔曼滤波(Extend Kalman Filter,EKF)算法实验结果相比精度更高,证明该算法能够实现AUV的高精度定位,有利于提高可靠性及扩展性.

摘要： 本文提出了一种基于光线的多视图三维重建的方法.该方法利用离散的体素来表示几何空间,首先利用图像的轮廓求出物体的包围盒,然后对图像上每个像素点生成一条光线.本文使用NCC作为光线—体素的一致性度量,在计算NCC时,通过采样空间中面片的法向使得NCC值更加可信.最后,提出了基于因子图的全局优化模型.由于光线因子的特殊性,本文提出了一种高效的置信度传播算法,使得时间复杂度从指数阶降为线性阶.实验结果表明,本文提出的方法鲁棒,重建出的模型准确性和完整性都很好.

摘要： 本文提出了一种可以消除小环的正则低密度校验码的构造方法,给出了具体实现算法对其可行性进行了分析;采用文中所给方法可构造出最小环长为10的(1008,3,6)正则码;最后本文还对所构造LDPC码在AWGN信道下的性能进行了仿真,仿真结果说明采用本文所给方法构造出的码的性能在高信噪比时要优于随机构造的码.

摘要： 本文提出了一种可以消除小环的正则低密度校验码的构造方法,给出了具体实现算法对其可行性进行了分析;采用文中所给方法可构造出最小环长为10的(1008,3,6)正则码;最后本文还对所构造LDPC码在AWGN信道下的性能进行了仿真,仿真结果说明采用本文所给方法构造出的码的性能在高信噪比时要优于随机构造的码.

摘要： 本文提出了一种可以消除小环的正则低密度校验码的构造方法,给出了具体实现算法对其可行性进行了分析;采用文中所给方法可构造出最小环长为10的(1008,3,6)正则码;最后本文还对所构造LDPC码在AWGN信道下的性能进行了仿真,仿真结果说明采用本文所给方法构造出的码的性能在高信噪比时要优于随机构造的码.

摘要： 本文提出了一种可以消除小环的正则低密度校验码的构造方法,给出了具体实现算法对其可行性进行了分析;采用文中所给方法可构造出最小环长为10的(1008,3,6)正则码;最后本文还对所构造LDPC码在AWGN信道下的性能进行了仿真,仿真结果说明采用本文所给方法构造出的码的性能在高信噪比时要优于随机构造的码.

摘要： 包括一种方法和装置，所述方法和装置包括计算机代码，所述计算机代码被配置成使一个或多个处理器执行以下操作：获得包括高度、宽度和通道的数目的输入低分辨率(LR)图像；实现特征学习深度神经网络(DNN)，所述特征学习深度神经网络被配置成基于输入LR图像来计算特征张量；基于由特征学习DNN计算的特征张量，通过放大DNN来生成高分辨率(HR)图像，高分辨率(HR)图像具有比输入LR图像高的分辨率，其中，放大DNN的联网结构根据不同的尺度因子而不同，以及其中，特征学习DNN的联网结构对于不同的尺度因子中的每一个是相同的结构。

摘要： 本发明公开了一种基于曼哈顿世界假设及因子图的相机位姿优化方法，可以在弱纹理环境下的同步定位与制图（SLAM，Simultaneously positioning and mapping）系统中增加定位的准确性和鲁棒性，其思路是计算特征的重投影误差以及结构化特征的结构误差项，构建因子图模型并进行位姿优化。该算法首先计算特征的重投影误差，然后根据曼哈顿世界假设构造结构化特征的结构误差项，最后在SLAM后端中对上述误差项构建因子图模型并进行位姿优化。本发明通过将结构化特征的重投影误差和结构误差加入到后端优化中，可以提高弱纹理场景下SLAM系统位姿解算的准确度和鲁棒性，以便满足机器人更加广阔的应用场景。

摘要： 一种基于自适应因子图的激光视觉强耦合SLAM方法，涉及激光视觉强耦合领域。目前视觉系统与雷达系统结合不够紧密，无法动态的调整多传感器数据的融合方式和特征信息的利用程度低的问题。本发明提出的方法，包括：定义四种机器人场景，并根据采集的激光雷达与单目相机数据通过场景检测模块判断当前机器人所处场景；通过机器人所处场景预处理IMU接收到的数据，计算出两帧激光雷达数据之间机器人的相对位姿；激光里程计模块根据机器人所处的场景，使用不同的帧间匹配方式，获得两帧之间的机器人位姿；单目相机模块采集特征点信息，进行重投影误差计算。本发明适用于机器人在无GPS信息下的室内室外融合场景下的自主定位与环境感知。

摘要： 本发明公开了一种具有改进因子图选择方式的极化码BPL译码方法，包括：S1：获取极化码BPL译码时所采用的排列因子图；S2：利用所述排列因子图对极化码的编码符号进行传输，步骤S1具体包括：计算极化码N个子信道的错误概率；挑选错误概率最小的K个子信道构成信息位集合；针对所有通过层排列获得的排列因子图，根据其排列情况获取对应的二进制向量Π；遍历所有排列因子图对应的Π，计算每个因子图对应的错误概率上界；挑选最小的L个错误概率上界对应的排列因子图作为译码时的因子图。本发明结合排列因子图对应的错误概率上界及每个子信道的错误概率，利用额外的排列因子图来保护原始因子图上性能较差的子信道，提升整体的译码性能。

摘要： 本发明一种基于因子图的惯性/偏振/雷达/光流紧组合导航方法，包括选择世界坐标系下载体的姿态、位置、速度为紧组合导航系统状态，分别建立惯性导航系统预积分模型，建立偏振光强传感器量测模型，建立雷达里程计量测模型以及建立光流传感器量测模型，增广后建立统一的紧组合导航系统量测模型，同时对该紧组合导航系统初始化，获取初始值。选择当前时刻的紧组合导航系统状态为因子节点，建立当前时刻系统相邻节点预积分、航向、位姿变换约束，状态节点速度约束，设计紧组合导航系统误差函数，并使用非线性求解器进行优化，解算得世界坐标系下载体的姿态、位置和速度等参数的最优估计值。本发明具有鲁棒性强、精度高等特征。

摘要： 本发明公开了一种基于因子图及场景约束的多径环境组合导航方法，包括：构建地图影像样本训练集；进行卷积神经网络训练，构建道路图像提取模型；根据初始位置获取本地城市道路区域图；获取全球导航卫星系统伪距与多普勒观测值；排除卫星信号信噪比低于阈值的卫星；对原始伪距观测值数据进行误差修正处理；对冗余卫星观测值采用欧式距离矩阵法进行卫星故障的快速检测；根据当前位置基准点提取当前区域道路形状范围；计算伪距因子和多普勒因子，并构造接收机位置坐标与道路区域之间的差值参数；根据场景约束进行因子图优化定位；最终输出定位结果。该方法旨在提高城市多径环境定位精度，同时提高算法的时效性以及鲁棒性。

摘要： 本发明提供一种基于学习因子图的数据与模型联合驱动的信号检测方法，通过收集通信的发送数据X与接收数据Y；搭建CNN‑BiLSTM网络作为分类神经网络；使用基于Akaike信息准则的混合高斯模型去拟合信道接收数据Y的分布，得到边缘概率密度；模式识别网络重构训练集，对CNN‑BiLSTM网络进行线下训练，得到条件概率密度；计算得到通过因子图的消息传递算法实现信号检测所需要的因子节点；根据有限记忆信道的记忆长度与学习到的因子节点在学习因子图上进行前向后向的消息传递算法，实现最大后验概率准则下的信号检测；该方法能够在不需要信道知识的无信道模型中实现接近最优的信号检测性能，具有更准确的检测结果，且对不确定性训练的具有优秀的鲁棒性。

摘要： 本发明提供考虑洋流影响的基于因子图的主从式AUV协同定位方法，考虑了海水洋流对AUV定位精度的影响，将东向洋流速度、北向洋流速度引入系统因子图中，参与从AUV的定位计算，提高待定位从AUV定位精度。本发明考虑洋流影响的基于因子图的主从式AUV协同定位方法与忽略洋流影响的基于因子图的主从式AUV协同定位方法，和考虑洋流影响的基于EKF的主从式AUV协同定位方法进行仿真对比。考虑洋流影响的基于因子图的主从式AUV协同定位方法与忽略洋流对AUV定位影响的方法相比，可以有效地提高AUV定位的精度。与考虑洋流影响的基于EKF的主从式AUV协同定位方法相比，由于保留泰勒展开二阶项而获得了更高的定位精度。

摘要： 本发明公开了基于因子图的气压辅助Wi‑Fi/PDR室内定位方法。对行人轨迹推算进行了改进：基于步伐点的假设使用峰值检测和滤除方法进行步伐检测，在步长估计中使用高斯‑牛顿迭代法计算对数模型参数，在方向估计中采用跳变消除法和IIR滤波处理航向角数据。提出基于广义延拓外推法的突变过滤法滤除并替换气压数据突变值；结合稠密连接网络的CSI矫正定位方法、PDR以及差分气压测高法结果构建因子图模型，融合不同更新速率的量测信息，灵活高效即插即用。本方法能减小行人轨迹结果误差，通过突变过滤法以较低的开销完成检测，充分利用各种量测信息，提高了定位的准确率和稳定性。

摘要： 本发明提供一种基于因子图优化的UUV多海域综合导航系统设计方法以实现以惯导为核心的UUV多海域信息融合定位，该方法将海域分为浅海域、深远海域以及极区海域，通过分析各个海域的传感器可用性，对传感器进行最优组合以满足长航时多海域的情况。本发明解决UUV传统组合导航下只针对某一特定环境下的导航问题，长航时的能耗问题以及传感器异步异构问题。