论文提出了一种基于接收信号强度(Received Signal Strength,RSS)的测向交叉定位方法,解决无源测向交叉定位中的虚假点问题.首先推导了阵列协方差矩阵中接收信号强度与阵列流型之间的关系,利用协方差逆矩阵高阶幂逼近噪声子空间的特点,...论文提出了一种基于接收信号强度(Received Signal Strength,RSS)的测向交叉定位方法,解决无源测向交叉定位中的虚假点问题.首先推导了阵列协方差矩阵中接收信号强度与阵列流型之间的关系,利用协方差逆矩阵高阶幂逼近噪声子空间的特点,在已知阵列流型基础上准确获取各来波的信号强度,解决了同一信道多来波的RSS估计问题;然后运用电磁波传播相关理论,根据接收信号强度和传播路径衰减参数的关系判定各定位点的置信度,排除了虚假点.所提算法对存在一定角度估计误差、低信噪比等情况具有很好的鲁棒性,仿真结果验证了该算法的有效性和可行性.展开更多
针对传统YOLOv3算法中存在检测框定位不精确的问题,提出了一种改进的YOLOv3算法用来重新估计检测框位置,提高智能汽车在雾霾交通环境下的定位精度。首先运用图像去雾算法对采集到的图片进行预处理,然后构造定位置信度替代分类置信度作...针对传统YOLOv3算法中存在检测框定位不精确的问题,提出了一种改进的YOLOv3算法用来重新估计检测框位置,提高智能汽车在雾霾交通环境下的定位精度。首先运用图像去雾算法对采集到的图片进行预处理,然后构造定位置信度替代分类置信度作为参考项来选择估计检测框位置,并改进非极大值抑制(NMS)算法,引入软化非极大值抑制(soft-NMS),最后使用加权平均的方式来更新坐标位置,以达到提高定位精度的目的。实验结果表明,先经过单尺度retinex去雾算法处理图片,再通过改进的YOLOv3算法进行车辆检测,与使用原始的YOLOv3算法进行检测相比平均精度均值mAP(mean average precision)提高了0.44%,在满足检测实时性的同时,能够检测到更多的目标,对检测车辆的定位也更加精确。展开更多
文摘为了提高多尺度道路目标的检测性能,本文针对目标检测算法在非极大值抑制阶段的检测质量表征不合理问题,提出了一种优化定位置信度改进算法.首先基于RepPoints构建研究框架,研究定位置信度对多尺度道路目标的敏感性.在敏感性研究结果的基础上,本文提出了混合定位置信度.然后针对IoU定位置信度无法区分重叠程度相同的包围框的缺陷,提出了CIoU定位置信度.最后将这两种定位置信度结合得到优化定位置信度改进算法,解决了检测质量表征不合理问题.在道路场景数据集Cityscapes上的实验结果表明,混合定位置信度和CIoU定位置信度单一作用时均有效,共同作用时精度提高2.4%,多尺度目标检测精度均有显著提升,且实时性没有下降.相较于主流道路场景检测算法如Cascade-RCNN、FCOS等,本文算法取得了最高的mAP、AP M和AP L.
文摘论文提出了一种基于接收信号强度(Received Signal Strength,RSS)的测向交叉定位方法,解决无源测向交叉定位中的虚假点问题.首先推导了阵列协方差矩阵中接收信号强度与阵列流型之间的关系,利用协方差逆矩阵高阶幂逼近噪声子空间的特点,在已知阵列流型基础上准确获取各来波的信号强度,解决了同一信道多来波的RSS估计问题;然后运用电磁波传播相关理论,根据接收信号强度和传播路径衰减参数的关系判定各定位点的置信度,排除了虚假点.所提算法对存在一定角度估计误差、低信噪比等情况具有很好的鲁棒性,仿真结果验证了该算法的有效性和可行性.
文摘针对传统YOLOv3算法中存在检测框定位不精确的问题,提出了一种改进的YOLOv3算法用来重新估计检测框位置,提高智能汽车在雾霾交通环境下的定位精度。首先运用图像去雾算法对采集到的图片进行预处理,然后构造定位置信度替代分类置信度作为参考项来选择估计检测框位置,并改进非极大值抑制(NMS)算法,引入软化非极大值抑制(soft-NMS),最后使用加权平均的方式来更新坐标位置,以达到提高定位精度的目的。实验结果表明,先经过单尺度retinex去雾算法处理图片,再通过改进的YOLOv3算法进行车辆检测,与使用原始的YOLOv3算法进行检测相比平均精度均值mAP(mean average precision)提高了0.44%,在满足检测实时性的同时,能够检测到更多的目标,对检测车辆的定位也更加精确。
