导读:本文包含了随机采样论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:稀疏,算法,重构,蜂群,信号,动力学,放大器。
随机采样论文文献综述
吴庆华,朱思斯,周阳,万偲,何涛[1]（2019）在《基于随机采样一致性的规则棒料位姿识别》一文中研究指出获得规则堆放棒料的位姿信息是引导机械手抓取的关键,对获取的规则堆放棒料的叁维点云进行滤波处理得到顶层的棒料点云,采用随机采样一致性算法(RANSAC)对滤波后的顶层棒料进行分割,最终得到每根棒料的半径、位置和姿态等信息。仿真实验表明:本方法识别结果的正确性;通过对直径为35. 00 mm,长度为80. 00 mm的规则堆放棒料进行扫描,在选择不同的参数的情况下,对同一根棒料点云进行多次分割,实验结果表明:当迭代次数k=20,距离阈值t=0. 7时,分割结果稳定,耗时160 ms左右;棒料半径的最大误差为0. 47 mm,本方法具有一定的鲁棒性和可行性。该方法能准确识别规则堆放棒料的位置和姿态,能广泛应用于棒类零件的位姿识别与机械手引导抓取。(本文来源于《传感器与微系统》期刊2019年09期）
门哲,宁宏晓,李伟波,柳兴刚,郭明杰[2]（2019）在《基于压缩感知的随机采样与稀疏性约束采样重构效果对比》一文中研究指出压缩感知的叁个关键要素是目标数据的稀疏表达、随机采样和稀疏约束的优化重构算法,其中随机采样即对目标数据进行随机地抽样,采样点之间的间隔通常是不相等的。由于单纯的随机采样是完全随机的,存在某些位置采样点过于聚集或者过于分散的问题,导致过于分散位置的重构结果不理想。因此随机采样观测系统设计时要控制缺失采样点之间的最大间隔。本文提出了一种既适用于二维也适用于叁维的稀疏性约束的非规则采样方法,既具有随机性又能够控制缺口大小。针对一个实际二维数据,分别使用随机采样和本文提出的稀疏性约束采样,炮点保留75%,检波点保留50%,总道数为原始的37.5%,然后进行了数据重构,重构记录表明,稀疏性约束采样的结果优于随机采样的结果,稀疏性约束采样重构结果的迭加剖面的品质和原始数据的迭加剖面品质相当,并优于随机采样重构结果的剖面品质。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
叶志勇,匡艳,张华,王泽权,林聪伟[3]（2019）在《复杂动力学网络系统在随机采样控制下的一致性分析》一文中研究指出为了对无向拓扑结构下带有随机采样控制的复杂动力学网络系统的一致性进行分析,首先提出了在连续时间状态下带有随机采样控制的复杂动力学网络系统;其次,在系统中利用采样信息连接节点,即在扰动项中带有采样信息且含有非线性函数,并假设非线性函数是满足一般Lipschitz条件的。为了使网络系统达到状态稳定,利用所有节点在采样时刻的状态输入对误差系统进行估计,然后通过串联系统输入状态稳定性质、Lyapunov函数、图论、矩阵不等式等方法实现在采样时刻的一致性。最后,给出一个实例来说明结论的有效性。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年07期）
朱思斯[4]（2019）在《基于随机采样一致性的散乱堆放棒料的位姿识别系统研究》一文中研究指出在工业自动化生产中,使用机器人对零件进行抓取是智能制造研究中的一个热点,其中工业零件的准确定位是机器人抓取的关键技术之一,而工业零件的准确定位中对散乱堆放零件的定位一直是一个难点。本文以散乱堆放的棒料类零件为研究对象,对棒料点云数据的采集和基于点云处理的位姿识别算法进行了研究。具体工作包括以下几个方面:(1)分析了基于线结构光的散乱堆放棒料点云获取方法。建立了线结构光叁维视觉测量的简化数学模型。讨论了摄像机的标定方法,线结构光平面的标定方法以及线结构光条纹中心线的提取方法。获取了散乱堆放棒料的点云。(2)研究了散乱堆放棒料点云的预处理算法。根据散乱堆放棒料点云沿着z轴方向累积分布的特点,使用z向直通滤波器保留滤波范围内的目标点云;使用统计滤波器删除孤立的离群点;使用体素栅格滤波器精简点云,提高了后续算法处理点云的效率。(3)采用随机采样一致性算法和改进的最近点迭代算法研究了散乱堆放棒料的位姿识别方法。对于具有圆柱体特征的棒料点云,从输入的点云集中随机抽取一些点计算输入的圆柱体模型的初始值,采用距离阈值t筛选出满足该模型的点,统计模型中点的数目S,迭代k次,保留最大的圆柱体模型,并重新估算该模型作为最佳的圆柱体模型进行输出,进而从散乱堆放的棒料点云中分割出棒料点云。使用引入SAC-IA算法的最近点迭代算法配准分割出的棒料点云得到其位置信息,最终获得分割出的棒料点云的位姿。(4)搭建了散乱堆放棒料的位姿识别硬件系统,并进行了位姿识别实验。在Windows平台下编写了位姿识别系统软件,对200mm*200mm*150mm空间范围内的散乱堆放棒料进行了位姿识别。借助光学旋转平台分别对单根棒料的旋转角度进行了识别,识别角度误差为±0.5°;对散乱堆放棒料整体进行了位姿识别,识别角度误差为±0.3°,识别位置在z轴方向的最大误差为0.733mm。实验结果表明,本文设计的基于随机采样一致性的位姿识别方法能准确识别散乱堆放棒料的位置和姿态,能广泛应用于棒类零件的位姿识别与机器人引导抓取。(本文来源于《湖北工业大学》期刊2019-05-01）
刘哲豪[5]（2018）在《一种随机采样技术在自动增益控制放大器中的应用》一文中研究指出该系统采用本文提出的随机采样技术,省去了整流滤波电路。说明了在频率不高、各方面要求较低的情况下采用这种设计可以大大降低成本。经过最终的级联调试,本系统能够在20Hz～30MHz带宽范围内能够保持良好的自动增益控制功能,输出电流高达230mA。(本文来源于《电子测试》期刊2018年24期）
单云霄,郭晓旻,龙江云,蔡斌斌,李必军[6]（2018）在《渐优随机采样算法在结构化道路无人驾驶中的应用》一文中研究指出为了解决随机采样算法在结构化道路无人驾驶应用中无法优化收敛的问题,采用渐进优化的采样算法框架设计符合驾驶需求的规划算法。针对渐进优化算法的耗时问题,首先选择不需要Steer(转向函数)的SST算法作为基础框架以规避求解边界值问题。其次,算法融入"Anytime"策略以提高优化解的利用率。再次,改进的闭环控制策略能减少车辆的实际轨迹与规划路径的误差。在设计的闭环策略中,应用4-D车辆运动模型以保证规划路径符合车辆的实际运动轨迹。为了保证驾驶的安全和舒适,设计了一个综合四重因素的代价函数,且根据不同的驾驶场景调整相应的权重参数。最后,利用真实的无人车在无人驾驶城市测试道路上进行测试,测试场景包括前方静态障碍物躲避、前方动态障碍物跟随以及超车和复合动静态障碍物。测试中,采用车辆的速度和转向数据代表算法的优化收敛特性和运动平稳性。研究结果表明:设计的算法能在时速30km·h-1下完成避障、跟车、超车等机动;无人车在跟驰决策下可保持30km·h-1的最高速度,在避障过程中可实现最高15km·h-1的速度,在跟车决策下可根据前车速度变换自身速度以保持合理的车距和运动平滑性。(本文来源于《中国公路学报》期刊2018年04期）
刘晶晶[7]（2018）在《随机采样模型及其信号处理算法研究》一文中研究指出随着电子信息技术的发展以及人们对数据需求的快速增长,基于Shannon-Nyquist采样定理的信号采集技术给信号处理能力与硬件带来了极大的挑战。为了突破传统采样定理对信号采集的限制,随机等效采样技术被提出。本课题在对随机采样模型深入分析的基础上,研究采样时间不确定性的影响,对采样模型进行优化设计。结合压缩感知理论,对采样信号的时域和频域处理算法进行了深入的研究,主要研究工作如下:1、基于顺序等效时间采样的稀疏信号重构算法研究。首先,在优化的随机采样模型基础上,在时域上对顺序等效时间采样和压缩感知理论(Compressed Sensing,CS)的适用信号的特征进行分析。然后,利用压缩传感理论改进了随机采样信号与周期非均匀采样信号的重构方法,并结合香农插值公式构造了适用于顺序等效时间采样与周期非均匀采样的感知矩阵。最后,设计出了基于CS的顺序等效采样的信号重构算法。该算法是在频域上对随机采样信号进行重构,从而获得了更加精确的重构信号,并有效地减少了随机采样次数,提高了采样效率。2、基于随机等效采样的功率谱估计算法研究。在实际信号处理中,常常采用大量的采样次数对原始信号随机采样,从而恢复信号的整个波形,这种重构方法是低效并且是不必要的。在基于随机等效采样模型的基础上,本课题分析了随机采样信号频谱与待重构原始信号频谱之间的关系,采用压缩采样方法求解时域上建立的自相关矩阵,分别采用最小二乘法和CS方法估计原始信号功率谱,最后通过实验仿真验证了两种算法的可行性。3、基于随机触发的欠采样模型研究。本研究在欠采样系统中提出了基于随机触发的调制宽带转换器(Random Triggering-Based Modulated Wideband Compressive Sampling,RT-MWCS)模型,解决了调制宽带转换器(Modulated Wideband Converter,MWC)采样技术重构性能较低等问题。该采样模型不同于针对线谱信号的随机等效采样模型,它对稀疏多频信号与线谱信号都具有适用性。本研究在基于随机触发的欠采样(sub-Nyquist sampling)模型上分别恢复上述两种信号,该采样模型恢复信号的有效性在实验中进行了仿真验证。(本文来源于《电子科技大学》期刊2018-04-04）
施金霄,熊小峰[8]（2018）在《基于全局最优解和随机采样的改进人工蜂群算法》一文中研究指出为进一步提高人工蜂群算法的收敛速度、开采能力,提出了基于全局最优解和随机采样的改进人工蜂群算法.算法在跟随蜂阶段采用全局最优引导与完全随机采样相结合的高斯搜索策略,以加快算法的收敛速度,平衡探索和开采能力,避免陷入局部最优.在侦察蜂阶段引入包含被遗弃蜜源信息的高斯方程产生新蜜源,加快搜索速度.在12个基准测试函数上进行了比较实验,实验结果表明该改进的算法求解简单函数时,收敛速度更快,求解较复杂的函数时,解的精度和稳定性得到一定的提高.(本文来源于《江西理工大学学报》期刊2018年01期）
田东,迟学斌,王铁强,孙辰军,王珏[9]（2018）在《基于加权随机采样的流场可视化方法》一文中研究指出在总结流场可视化方法的基础上,分析流场可视化的关键技术,提出一种基于加权随机采样的流场可视化方法。利用屏幕空间四叉树分割法定义屏幕横纵坐标的种子点选择概率模型,对种子点的随机选择进行加权引导,利用HTML5的Canvas特性实现流线的动态绘制,结合粒子系统实现流线的内存管理,整合一套有效的流场可视化方法。对比实验和叁维GIS平台上的整合应用结果表明,该方法在有效展示整体流场的同时能够实现LOD方式的流场细节可视化展示。(本文来源于《计算机工程与设计》期刊2018年01期）
冯雯[10]（2017）在《基于复频域bat随机采样的网络信号分离算法》一文中研究指出为提高高频移动网络信号分离算法的抗衰落性能,提出基于复频域球状点相邻传输bat(boll approach transmission)随机采样优化机制的高频移动网络信号分离算法。基于复数域分离,构建移动网络超高频信号接收模型;采取酉映射-上叁角映射方法,结合Hessian矩阵,改善算法精度下降问题;计算相邻采样频率在复数域上的相关系数,获取最佳目标函数,采用旋转角度精度提升机制,提高信号抗衰落性能。仿真结果表明,与采样频率固定抽取S2FE算法、频率梯度混沌分离FGCS算法、角度化混频分离联合JAMS算法相比,所提算法具有更强的信号抗衰落性能与更低的混频率。(本文来源于《计算机工程与设计》期刊2017年11期）
随机采样论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
压缩感知的叁个关键要素是目标数据的稀疏表达、随机采样和稀疏约束的优化重构算法,其中随机采样即对目标数据进行随机地抽样,采样点之间的间隔通常是不相等的。由于单纯的随机采样是完全随机的,存在某些位置采样点过于聚集或者过于分散的问题,导致过于分散位置的重构结果不理想。因此随机采样观测系统设计时要控制缺失采样点之间的最大间隔。本文提出了一种既适用于二维也适用于叁维的稀疏性约束的非规则采样方法,既具有随机性又能够控制缺口大小。针对一个实际二维数据,分别使用随机采样和本文提出的稀疏性约束采样,炮点保留75%,检波点保留50%,总道数为原始的37.5%,然后进行了数据重构,重构记录表明,稀疏性约束采样的结果优于随机采样的结果,稀疏性约束采样重构结果的迭加剖面的品质和原始数据的迭加剖面品质相当,并优于随机采样重构结果的剖面品质。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
随机采样论文参考文献
[1].吴庆华,朱思斯,周阳,万偲,何涛.基于随机采样一致性的规则棒料位姿识别[J].传感器与微系统.2019
[2].门哲,宁宏晓,李伟波,柳兴刚,郭明杰.基于压缩感知的随机采样与稀疏性约束采样重构效果对比[C].中国石油学会2019年物探技术研讨会论文集.2019
[3].叶志勇,匡艳,张华,王泽权,林聪伟.复杂动力学网络系统在随机采样控制下的一致性分析[J].重庆理工大学学报(自然科学).2019
[4].朱思斯.基于随机采样一致性的散乱堆放棒料的位姿识别系统研究[D].湖北工业大学.2019
[5].刘哲豪.一种随机采样技术在自动增益控制放大器中的应用[J].电子测试.2018
[6].单云霄,郭晓旻,龙江云,蔡斌斌,李必军.渐优随机采样算法在结构化道路无人驾驶中的应用[J].中国公路学报.2018
[7].刘晶晶.随机采样模型及其信号处理算法研究[D].电子科技大学.2018
[8].施金霄,熊小峰.基于全局最优解和随机采样的改进人工蜂群算法[J].江西理工大学学报.2018
[9].田东,迟学斌,王铁强,孙辰军,王珏.基于加权随机采样的流场可视化方法[J].计算机工程与设计.2018
[10].冯雯.基于复频域bat随机采样的网络信号分离算法[J].计算机工程与设计.2017
论文知识图
