导读:本文包含了因子图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:因子,组合,信息,算法,稀疏,多用户,即用。
因子图论文文献综述
马晓爽,刘锡祥,张同伟,刘贤俊,许广富[1]（2019）在《基于因子图的AUV多传感器组合导航算法》一文中研究指出针对自主水下航行器(AUV)多传感器组合导航系统中不同导航传感器信息更新频率不同步及其可用性动态改变问题,以及AUV所在水下复杂多变的环境与任务需求,提出了基于因子图的AUV多传感器组合导航算法。首先,对捷联惯性导航系统、多普勒计程仪、磁航向仪、地形辅助导航设备进行建模,构建基于因子图的AUV多源信息融合框架;然后,根据非线性优化理论对系统状态更新过程进行表示,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AUV多传感器组合导航系统的高精度导航。仿真结果表明,所提因子图方法能够连续稳定地输出较高精度的导航结果,有效实现惯性导航系统与不同导航传感器的非等间隔融合,与联邦卡尔曼滤波算法的导航解算精度相当,水平定位精度均保持在?5~+5 m以内,并且因子图方法具有更好的灵活性和扩展性。半物理仿真结果亦验证了所提方案的可靠性和有效性。(本文来源于《中国惯性技术学报》期刊2019年04期）
袁子叶,尹慧琳,伍淑莉[2]（2019）在《基于因子图的自动驾驶融合定位研究》一文中研究指出在自动驾驶系统的即时定位及地图构建问题中,当行车路况复杂多变时,如何对车辆位姿进行准确实时估计是一个关键问题。就该问题提出基于因子图的多传感器融合方法,在Matlab软件环境中实现车辆的准确实时定位。根据实际驾驶过程的特性选择试验采用的数据类型并建立相应的数学模型,分别根据GPS及IMU数据特征以及VO和IMU的数据特征建立相应的融合因子图模型,基于KITTI数据集,对所建立的融合因子图模型进行试验验证。结果表明,通过融合因子图模型可以准确地估计车辆当前时刻的位姿。(本文来源于《汽车工程学报》期刊2019年04期）
郭述锋,黄逸飞,易忠[3]（2019）在《群环Z_nG的零因子图的性质,Ⅲ》一文中研究指出环的零因子图是20世纪90年代才兴起的一个数学研究方向.环上的零因子图的研究,刻画了环的零因子的结构,这对理解环结构本身具有重要意义.群环是群论和环论的交汇点之一.对它的研究在环论,群论及伽罗华理论等学科领域都有重要的意义.主要讨论了群环Z_nG的零因子图的性质,对群环Z_nG的零因子图的围长,平面性,直径给出了较为具体的刻画,其中G为非循环的有限交换群.(本文来源于《数学的实践与认识》期刊2019年12期）
张靖,王向东,邓志宝,张凌东,刘宇航[4]（2019）在《一种基于因子图的异步信息融合定位算法》一文中研究指出为了解决惯导/里程计/地磁匹配组合定位系统非等间隔数据融合带来拟合误差、信息源无法即插即用的问题,提出了一种基于因子图的异步多源组合定位算法。采用因子图关联了系统状态模型与观测模型,基于最大后验概率进行状态估计,充分利用了GMNS的非等间隔定位信息,消除了外推法的拟合误差。对组合定位算法进行了仿真,仿真结果表明:该算法的水平与高程定位误差分别减少到采用GMNS信息直接校正惯导位置方法的叁分之一;进行了跑车试验,试验结果验证:该算法具备即插即用功能,提高了组合定位系统的可靠性。(本文来源于《导弹与航天运载技术》期刊2019年03期）
徐昊玮,廉保旺,刘尚波[5]（2019）在《基于滑动窗迭代最大后验估计的多源组合导航因子图融合算法》一文中研究指出在应用因子图算法完成多源组合导航数据融合的过程中,子系统观测噪声的时变特性将对导航状态估计的准确性产生极大影响。为解决这一问题,提出一种基于高斯模型下的子系统观测量均值向量和协方差矩阵的估计算法。该算法利用因子图最优化过程中每个迭代周期下的观测量残差,实时地更新各个子系统观测量的均值向量和协方差矩阵的最大后验估计值,从而得到更加准确的导航状态估计值,在提出新算法的同时也验证了新算法对最优化过程收敛性的影响。仿真测试与实验测试结果表明,与已有的标准因子图算法、基于最大似然估计的因子图算法和基于最大后验估计的因子图算法相比,所提出的基于迭代最大后验估计的因子图算法能够有效提高子系统观测状态变化时的多源组合导航估计精度。(本文来源于《兵工学报》期刊2019年04期）
郝树良,范彬,张新苹,卜国顺,曾捷[6]（2019）在《基于动态因子图缩减的SCMA低复杂度检测算法（英文）》一文中研究指出针对现有稀疏码分多址接入(sparse code multiple access,SCMA)上行链路系统的接收端采用基于遍历的消息传递算法(message passing algorithm,MPA)进行多用户检测,存在复杂度过高的问题,通过在原始MPA算法基础上提出一种基于动态因子图缩减的消息传递算法(dynamic factor graph reduction based MPA,DFGR-MPA)。该算法根据码字概率的收敛情况对变量节点进行分类,并将码字概率未达到目标收敛的变量节点以及与其相关的功能节点重构成新的因子图用于后续迭代。DFGR-MPA算法不仅能够减少参与消息迭代的节点个数还能降低消息迭代的平均迭代次数,从而降低迭代检测的复杂度。仿真结果表明,该算法在误比特率(bit error ratio,BER)性能与检测复杂度之间可以达到较好地平衡。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2019年02期）
薛明杨[7]（2019）在《基于因子图的MIMO-LDPC联合检测算法研究》一文中研究指出多输入多输出(Multiple-Input-Multiple-Output,MIMO)技术以频谱利用率高的特点成为近年来无线通信领域的研究热点。为了满足更高通信带宽的需求,增大天线数量在所难免,然而天线数量的增加对MIMO系统信号检测算法的性能和复杂度提出了更高的要求。低密度奇偶校验码(Low Density Parity Check Codes,LDPC)作为一种优越的抗随机错误的能力信道编码,可以有效的提高系统可靠性。因此结合MIMO技术与LDPC码的联合系统具有重要的研究价值。基于因子图的消息传递算法是近年来解决通信问题的一种新方法,可以将MIMO信号检测问题抽象为概率推理问题,这个图模型中的相邻节点之间会存在概率上的依赖关系,所以可以使用消息传递的方法完成图中节点的概率推理以及更新过程。本文以MIMO-LDPC系统作为研究对象,主要研究了基于因子图的MIMO信号与LDPC联合检测算法。首先回顾了MIMO技术的相关背景,介绍了传统MIMO信号检测算法的原理,通过仿真分析了各自的性能。然后介绍了因子图建模与置信度传播算法(Belief Propagation,BP)的原理,并针对MIMO信号检测与LDPC译码都可以采用BP算法的特点,将信号检测器与译码器因子图中的变量节点进行了合并,提出了基于因子图的MIMO-LDPC联合迭代检测算法,算法在拥有较低复杂度的同时取得了优于独立检测译码系统的性能。然后针对BP算法在高阶调制的MIMO系统中性能较差的问题,提出了非二进制BP(Non-Binary Belief Propagation,NB-BP)算法,在变量节点处通过符号概率与比特概率之间的转换,实现了高阶调制系统中基于因子图的MIMO-LDPC联合迭代检测算法,并对算法进行了仿真分析,仿真表明在多天线系统下可以以比MMSE-PIC低两个数量级的运算复杂度获得1dB的性能增益。(本文来源于《电子科技大学》期刊2019-04-10）
郝树良,刘海,范彬,张新苹,姚稳[8]（2019）在《基于动态因子图缩减的SCMA多用户检测算法》一文中研究指出针对现有稀疏码分多址接入(SCMA)的上行链路系统都是采用基于遍历的消息传递算法(MPA——Message Passing Algorithm)进行多用户检测,存在复杂度过高的问题,通过在原始MPA算法基础之上提出一种基于动态因子图缩减的消息传递算法(DFGR-MPA——Dynamic Factor Graph ReductionMPA)。DFGR-MPA算法可以把已完成迭代的变量节点以及与迭代不相关功能节点从因子图中分离出去,从而降低迭代检测的复杂度。仿真结果表明,该算法在误比特率性能(BER)与算法复杂度之间可以达到平衡。(本文来源于《邮电设计技术》期刊2019年03期）
唐高华,李玉,苏华东[9]（2019）在《交换环上的形式矩阵环的零因子和零因子图（英文）》一文中研究指出本文主要研究交换环R上的形式矩阵环M_n(R;{S_(ijk)})的零因子和零因子图.首先给出了环上形式线性方程组的概念,并且得到了交换环上形式齐次线性方程组有非平凡解的充分必要条件.然后证明了A是M_n(R;{S_(ijk)})的零因子当且仅当A的行列式是R的零因子当且仅当A是R[A]的零因子.最后研究了交换环R上的形式矩阵环M_n(R;{S_(ijk)})的零因子图的性质.(本文来源于《数学进展》期刊2019年01期）
贾通[10]（2019）在《基于因子图的多源信息融合算法研究》一文中研究指出组合导航系统因为多源信息融合理论的发展不断前进,未来以冗余量测为主的多源导航系统将会伴随定位、导航与授时(Position Navigation and Timing,PNT)服务不断建设与完善成为主流。未来的多源导航系统可以适应不间断地为载体提供导航信息,拥有极强的环境适应能力。其中,由于传感器工作条件不同,导致载体在不同环境或同一环境不同时间段内可用的量测信息不断变化。多源信息融合技术是动态组合可用量测量的关键技术,研究如何改变滤波算法结构提高导航系统的动态适应性、实时性、可靠性与准确性具有重要意义。针对现有信息融合方法在处理传感器动态集成条件下不够灵活以及精度低的问题,本文利用因子图概率模型对组合导航系统进行建模,围绕多源信息融合提出适合传感器即插即用的滤波算法。本文主要内容如下:首先,介绍了INS、GPS、OD、EC的基本原理。推导了捷联惯导的力学编排方程,简单介绍了多源导航系统的组合、估计与校正方法。其次,介绍了多源信息时空配准技术。对不同传感器各自的杆臂误差进行分析,给出了补偿方法;分析了时间配准中由于各量测信息不完全同步情况下的误差,通过利用INS运动信息对其他传感器进行插值降低时间误差影响;针对GPS量测延迟现象,提出了一种基于多传感器的量测滞后补偿方法在不舍弃滞后量测量的前提下提高了系统精度。然后,介绍了因子图的基本概念与计算条件概率密度函数的和积算法,使用间接法描述组合导航系统;给了非递归模型、全局模型与递归模型下导航系统的因子图模型,根据概率图推导出对应的信息融合方法;针对传感器即插即用问题给出了一种改进因子图模型,通过递归式结构方法对该模型进行求解,该方法不仅支持传感器动态变化同时对异步量测信息处理更为简便,减少了系统复杂度。最后进行跑车实验,利用实际数据分别验证了量测滞后补偿方法与因子图信息融合方法,仿真结果表明:在GPS量测滞后条件下,可以通过量测精度稍次之的OD输出量与INS的变化量对迟滞的GPS信息进行补偿,效果优于INS单独补偿与舍弃量测滞后方法;在可用量测信息动态变化情况下,基于即插即用因子图的信息融合方法能够有效利用变化的量测信息进行滤波,在灵活组合传感器的前提下保证了系统精度。(本文来源于《哈尔滨工程大学》期刊2019-01-01）
因子图论文开题报告
（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：
在自动驾驶系统的即时定位及地图构建问题中,当行车路况复杂多变时,如何对车辆位姿进行准确实时估计是一个关键问题。就该问题提出基于因子图的多传感器融合方法,在Matlab软件环境中实现车辆的准确实时定位。根据实际驾驶过程的特性选择试验采用的数据类型并建立相应的数学模型,分别根据GPS及IMU数据特征以及VO和IMU的数据特征建立相应的融合因子图模型,基于KITTI数据集,对所建立的融合因子图模型进行试验验证。结果表明,通过融合因子图模型可以准确地估计车辆当前时刻的位姿。
（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。
因子图论文参考文献
[1].马晓爽,刘锡祥,张同伟,刘贤俊,许广富.基于因子图的AUV多传感器组合导航算法[J].中国惯性技术学报.2019
[2].袁子叶,尹慧琳,伍淑莉.基于因子图的自动驾驶融合定位研究[J].汽车工程学报.2019
[3].郭述锋,黄逸飞,易忠.群环Z_nG的零因子图的性质,Ⅲ[J].数学的实践与认识.2019
[4].张靖,王向东,邓志宝,张凌东,刘宇航.一种基于因子图的异步信息融合定位算法[J].导弹与航天运载技术.2019
[5].徐昊玮,廉保旺,刘尚波.基于滑动窗迭代最大后验估计的多源组合导航因子图融合算法[J].兵工学报.2019
[6].郝树良,范彬,张新苹,卜国顺,曾捷.基于动态因子图缩减的SCMA低复杂度检测算法（英文）[J].重庆邮电大学学报(自然科学版).2019
[7].薛明杨.基于因子图的MIMO-LDPC联合检测算法研究[D].电子科技大学.2019
[8].郝树良,刘海,范彬,张新苹,姚稳.基于动态因子图缩减的SCMA多用户检测算法[J].邮电设计技术.2019
[9].唐高华,李玉,苏华东.交换环上的形式矩阵环的零因子和零因子图（英文）[J].数学进展.2019
[10].贾通.基于因子图的多源信息融合算法研究[D].哈尔滨工程大学.2019
论文知识图
