机器视觉实验室-CSDN博客

原创一款基于python对雷达多波束数据进行建模仿真源码

RadarSimPy 是一款功能强大且多功能的基于Python的雷达模拟器，可对雷达收发器进行建模并模拟来自点目标和 3D 模型的基带数据。其信号处理工具提供距离/多普勒处理、到达方向估计和使用各种尖端技术的波束成形，您甚至可以使用Swerling的模型来表征雷达检测。无论您是初学者还是高级用户，RadarSimPy都是任何想要开发新雷达技术或扩展雷达系统知识的人的完美工具。资源下载：文章结尾有免费获取源码方法。

2024-01-01 11:38:17 679

原创基于一种微型Autograd引擎构建深度神经网络的方法

使用类似 PyTorch 的 API 在动态构建的 DAG 和其上的小型神经网络库上实现反向传播（反向模式自动差分）。两者都很小，分别只有大约 100 行和 50 行代码。DAG 仅对标量值进行操作，因此例如我们将每个神经元分解成所有单独的微小加法和乘法。下面的这个是一个简单的 2D 神经元，通过在下面的代码中调用 draw_dot 获得，它显示数据（每个节点中的左侧数字）和梯度（每个节点中的右侧数字）。demo.ipynb 提供了训练 2 层神经网络 (MLP) 二元分类器的完整演示。

2023-11-26 18:04:01 500 1

原创扩展卡尔曼滤波器在雷达上的应用

蓝色的汽车是被跟踪的对象，但是被跟踪的对象可以是任何类型，例如：行人、车辆或其他移动物体。因此，我们使用扩展卡尔曼滤波器来计算蓝色汽车的估计位置（绿色三角形）。EKF 和 UKF 之间的区别在于它们处理非线性方程的方式：扩展卡尔曼滤波器使用雅可比矩阵来线性化非线性函数；在计算S、K、P时，卡尔曼滤波器中的H矩阵将被Hj（h(x')的雅可比矩阵）替代。y 是创新项，即测量与预测之间的差异。对激光雷达和毫米波雷达的测量值进行扩展卡尔曼滤波器跟踪可以减少传感器测量的噪声/误差，并提供对跟踪对象位置的稳健估计。

2023-11-05 15:14:50 729 1

原创卡尔曼滤波器原理介绍

世界充满了我们想要测量和跟踪的数据和事件，但我们不能依赖传感器为我们提供完美的信息。我车上的 GPS 报告高度。每次我经过路上的同一点时，它都会报告略有不同的高度。如果我对同一个物体称重两次，我的厨房秤会给出不同的读数。如果我的秤给出的读数略有不同，我可以只读取一些读数并取平均值。

2023-10-31 22:46:13 358 1

原创以色列的铁穹系统是如何工作的？

我们的模拟控制实现基于为机器人提供所需的位置和方向，以满足快速投掷的弹丸，并使用机器人的已知动力学来计算达到命令配置所需的关节扭矩(1)。仿真是该项目的重要工具，因为它的模块化使我们能够轻松命令仿真机器人或真实机器人，将仿真弹丸数据与视觉系统中的真实数据交换，并快速调试和测试不同的控制器。半径R 选择球体的位置和位置，使得机器人前面的窗口位于机器人的可用工作空间内。对于机器人可以看到的每个射弹，其轨迹是根据Kinect深度图像的观察结果预测的，这些图像被输入卡尔曼滤波器以处理噪声和球检测的任何问题。

2023-10-29 17:19:10 1094

原创一种改进的自适应滤波LMS算法与仿真实现

所谓的自适应滤波，就是利用前一时刻以获得的滤波器参数的结果，自动的调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。自适应滤波器实质上就是一种能调节其自身传输特性以达到最优的维纳滤波器。自适应滤波器不需要关于输入信号的先验知识，计算量小，特别适用于实时处理。由于无法预先知道信号和噪声的特性或者它们是随时间变化的，仅仅用FIR和IIR两种具有固定滤波系数的滤波器无法实现最优滤波。在这种情况下，必须设计自适应滤波器，以跟踪信号和噪声的变化。

2023-10-26 22:34:50 1435

原创 RLS和LMS自适应滤波算法原理与实现仿真

由于LMS算法只是用以前各时刻的抽头参量等作该时刻数据块估计时的平方误差均方最小的准则，而未用现时刻的抽头参量等来对以往各时刻的数据块作重新估计后的累计平方误差最小的准则，所以LMS算法对非平稳信号的适应性差。与LMS算法相比，RLS算法采用时间平均，因此，所得出的最优滤波器依赖于用于计算平均值的样本数，而LMS算法是基于集平均而设计的，因此稳定环境下LMS算法在不同计算条件下的结果是一致的。%i时刻滤波器的权值。

2023-10-25 22:32:30 3699

原创 OFDM系统有效降低PAPR的方法

第二部分为限幅部分，对IQ两路信号进行求模运算，然后与门限值进行比较，没有超过门限的将IQ按原值输出，超过门限的就保持向量幅角将IQ按比例缩小后输出。介绍一种有效降低OFDM信号的峰值平均功率比（PAPR）的方法，可以用于4/5G通信等OFDM无线系统。第一部分为2倍插值滤波，对IQ两路实现2倍过采样，然后经过溢出保护模块将数据还原为14bit。3.时域滤波，限幅后的结果通过FIR滤波器得到最终输出结果。1.通过2倍插值FIR滤波器实现2倍过采样；图1 PAPR降低算法架构。第三部分就是FIR滤波器。

2023-10-24 06:34:53 244

原创感知驱动机器人的实时毫米波雷达传感器仿真

Virtual Radar 是基于Unity3D引擎构建的实时毫米波雷达传感器仿真框架。Virtual Radar的目标是为机器人领域的研究人员提供一个真实的雷达传感器仿真平台。 Virtual Radar的一个关键功能是生成原始数据信号，以便研究人员可以应用、研究或开发新算法来解决机器人技术中的复杂任务。 Virtual Radar的可能应用是导航或人机交互领域。

2023-10-23 00:15:00 236

原创基于卷积神经网络的3D动目标检测方法

一种基于雷达的多类移动目标检测方法，该方法利用了目标级的专业知识（精确的二维定位、解决相位模糊），以及来自全三维立体雷达数据。包含的雷达数据可以在任何对象聚类之前对单个移动目标进行分类；我们的方法的核心是一个卷积神经网络（CNN），称为雷达目标分类网络。

2023-10-22 11:14:48 1421 2

weixin_44791120的博客