基于彩色和深度信息融合的车辆形状检测.pptx

《基于彩色和深度信息融合的车辆形状检测.pptx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、信号与图像处理基础中国科学技术大学自动化系曹洋AdaptiveFilter主要内容综述维纳滤波最小二乘滤波2在信号与图像处理领域，滤波器主要有三种应用滤波去噪平滑内插预测估计4.1自适应滤波综述3滤波与滤波器信号或者噪声的特性并不是一成不变的，为了取得更好的滤波效果，滤波器的参数应该也随之调整。自适应滤波器包含有一种参数自适应调整的机制，即能够对处理的信号进行监控，据此调整滤波器的参数。自适应滤波器还包含有一种最优机制，即根据实际获取的信号，对滤波器结构和参数进行设计，以取得最优的滤波效果。自适应滤波自适应滤波需要给定一个优化目标需要关于信

2、号或者噪声的先验信息需要建立一种自调整机制通常是基于递归模型的，当缺少完整的先验信息时，递归模型是一种有效的手段。5自适应滤波通常包含了两个阶段:1.滤波过程：根据输入信号产生预定的输出信号.2.自调整过程：根据外界条件的变化调整滤波器的结构或者参数。自适应滤波通常会采用信号的均方误差作为目标函数来设计滤波器自适应滤波的应用：系统辨识用于建立一个未知对象的系统模型Parametersu=inputofadaptivefilter=inputtoplanty=outputofadaptivefilterd=desiredresponse=ou

3、tputofplante=d-y=estimationerror7自适应滤波的应用：信道均衡信道均衡是指在接收端的均衡器产生与信道特性相反的特性，用来减小或消除因信道的时变多径传播特性引起的码间干扰。Parametersu=inputofadaptivefilter=outputtoplant；y=outputofadaptivefilter；d=desiredresponse=delayedsysteminput；e=d-y=estimationerror8自适应滤波的应用：信道均衡自适应滤波的应用：预测估计基于当前随机信号预测估计未来的

4、信号输出Parametersu=inputofadaptivefilter=delayedversionofrandomsignaly=outputofadaptivefilterd=desiredresponse=randomsignale=d-y=estimationerror=systemoutput10自适应滤波的应用：预测估计11自适应滤波的应用：消除干扰用于消除未知的干扰信号Parametersu=inputofadaptivefilter=referencesignaly=outputofadaptivefilterd=des

5、iredresponse=primarysignale=d-y=estimationerror=systemoutput12自适应滤波的应用：消除噪声13自适应滤波的应用：消除噪声14自适应滤波的应用：消除干扰15自适应滤波的应用：消除回声16自适应滤波的应用：消除回声174.2维纳滤波18Parametersx(n)=inputofFIRfiltery(n)=outputofFIRfilterd(n)=desiredresponsee(n)=d(n)-y(n)=estimationerrorFIRfilter:y(n)=w0x(n)+w1

6、x(n-1)+…+wN-1x(n-N+1)=WTX(n)WT=[w0w1…wN-1]X(n)=[x(n)x(n-1)…,x(n-N+1)]维纳滤波19目标：找到最佳的滤波器参数使得均方误差E{e2(n)}最小定义目标函数将滤波器定义代入，可得维纳滤波20因为W而是滤波器参数而不是随机变量，所以上式可以简化为：定义P=E{d(n)X(n)}为互相关矩阵，R=E{X(n)XT(n)为自相关矩阵，则有维纳滤波21以二元维纳滤波为例，代价函数为：二次型代价函数22维纳滤波23对代价函数分别求两个权重系数的梯度将梯度写成矩阵形式：维纳滤波24对于通用

7、的N-1元维纳滤波，可以采用类似策略来计算梯度,通过计算上式等于0，可以得到维纳滤波的表达式：其中，P=E{d(n)X(n)}为互相关矩阵，R=E{X(n)XT(n)为自相关矩阵维纳滤波维纳滤波的表达式：其中，P=E{d(n)X(n)}为互相关矩阵，R=E{X(n)XT(n)为自相关矩阵性能分析：利用平稳随机过程的相关特性和频谱特性，对混有噪声的信号进行滤波，奠定了最优滤波理论的基础。当输入过程是广义平稳的，且统计特性已知时，能够取得较好的结果。但是，输入过程取决于外界环境的信号和干扰，其统计特性常常是未知的、变化的。自适应滤波？4.3最小

8、二乘滤波（LMSFilter）梯度下降算法（SteepestDescentAlgorithm）最小二乘算法（Least-mean-squarealgorithm）性能分析26最小