【正文】 系統(tǒng)的角度出發(fā)提出了第一個較為完善的視覺系統(tǒng)框架。對它的研究無論是從視覺生理的角度還是在工程應(yīng)用中都具有十分重要的意義 。 Gurwitz 詳細(xì)分析了三目立體視覺的性能。而自標(biāo)定方法主要應(yīng)用于精度要求不高的場合，如通訊、虛擬現(xiàn)實(shí)等。企圖用一種線性方法來找到這種對應(yīng)關(guān)系幾乎是不可能的。用立體視覺方法進(jìn)行三維重建主要包括三個步驟: ①攝像機(jī)標(biāo)定，即確定攝像機(jī)內(nèi)外參數(shù)的一個過程。 攝像機(jī)模型 乘性噪聲 乘性噪聲與信號密切相關(guān)，它與加性噪聲不同，是一個復(fù)雜的函數(shù)，可能包括各種線性畸變、非線性畸變，同時由于信道的遲延特性和損耗特性隨時間作隨機(jī)變化，故乘性干擾往往只能用隨機(jī)過程來表述。自適應(yīng)均衡器一般包括兩種工作方式，即訓(xùn)練模式和判決引導(dǎo)模式。若傳輸信道是頻率選擇性的，則均衡器將增大頻率衰落大的頻譜部分，削弱頻率衰落小的頻譜部分，使收到的頻譜各部分趨于平坦，相位趨于線性。在惡劣的數(shù)字移動通信信道中，非線性均衡器顯示出比線性均衡器更良好的性能，因而被廣泛使用。當(dāng)信道是較嚴(yán)重的時間離散的話，均衡器的長度可以通過修改算法而不用終止操作來增加。在許多應(yīng)用中，經(jīng)常使用T/2間隔均衡器。橫向?yàn)V波器由一個前饋濾波器（FFF）和一個后饋濾波器（FBF）實(shí)現(xiàn)，如圖25所示。這種算法被認(rèn)為是一種有記憶噪聲的有限狀態(tài)馬爾可夫過程狀態(tài)變量的MLSE。這類算法的共同特點(diǎn)是收斂迅速，能應(yīng)付條件的快速時變。（4）運(yùn)算復(fù)雜度許多均衡算法盡管有較快的收斂速度，但計算量太大，因而其硬件和軟件的開銷很大，使之實(shí)際應(yīng)用受到很大的限制。設(shè)為系統(tǒng)的期望響應(yīng)信號，也稱為訓(xùn)練信號，為濾波器的輸出相對于的誤差，即 （223）取濾波器的輸出與期望響應(yīng)之間的均方誤差為代價函數(shù)，即 （224）RLS算法的關(guān)鍵是用二乘方的時間平均的最小化準(zhǔn)則取代LMS算法的最小均方準(zhǔn)則，即要對初始時刻到當(dāng)前時刻的所有誤差的平方進(jìn)行平均，并使其最小化。 算法迭代公式的推導(dǎo) 本設(shè)計采用的算法是LMS算法。a2=。for n=3:N x(n)=a1*x(n1)+a2*x(n2)+v(n)。)title(39。因此，研究自適應(yīng)均衡不僅具有深刻的理論意義，同時具有很高的實(shí)用價值。 34 輸入信號x（n）35 w1與w2的收斂曲線 （u=）圖4為初始權(quán)值為0，u=，即所謂的學(xué)習(xí)曲線，收斂速度較快的為100次集平均學(xué)習(xí)曲線，而起伏較大的為單次實(shí)現(xiàn)的學(xué)習(xí)曲線. 36 平方誤差曲線（學(xué)習(xí)曲線）u= 修改u值，則實(shí)驗(yàn)結(jié)果如下(u=)：37 w1與w2的收斂曲線 （u=）37 平方誤差曲線（學(xué)習(xí)曲線）u=由以上分析可知，當(dāng)收斂步長u值變小時，收斂曲線的起伏變小，但收斂速度也減慢！ 總結(jié)與結(jié)論在數(shù)字通信系統(tǒng)中空格，碼間干擾是影響接收性能的主要因素，解決的辦法是采用均衡技術(shù)補(bǔ)償信道的非理想特性。W1=w11/G。%w1權(quán)值的累積w22=zeros(1,N+1)。由以上的敘述可知，線性自適應(yīng)均衡器可以采用多種工作萬式，因此，將以上基本LMS算法應(yīng)用于這幾種均衡模式即可得到工作在不同狀態(tài)下的LMS線性均衡算法。自適應(yīng)算法的設(shè)計主要分為兩個步驟，首先選擇均衡器的類型，然后根據(jù)選擇均衡器的類型設(shè)計均衡器的算法。 LMS算法要清除LMS算法的由來，我們先了解一下最陡下降法的迭代公式： （218）其中，為濾波器權(quán)值矢量，為更新后濾波器權(quán)值矢量，為步長值，稱為濾波器的代價函數(shù)（Cost Function），為的梯度。對傳統(tǒng)均衡器來說，LE復(fù)雜度最小，但其誤碼率最高；而MLSE均衡器的計算復(fù)雜度最大，但對應(yīng)的誤碼性能卻是最佳的。誤差估計函數(shù)是通過比較算法的實(shí)際輸出值和期望輸出值而得到的。這種均衡器利用傳統(tǒng)的最大似然接收機(jī)結(jié)構(gòu)。它用判決反饋輸出信號組成一個延遲線，用一部分抽頭系數(shù)加權(quán)求和后送回輸出端求和，以抵消碼間干擾。例如，若發(fā)射的信號具有上升余弦頻譜（其跌落因子為）的脈沖組成時，其頻譜將擴(kuò)展到。格形濾波器的每一步可用下面的式子表征： （26） （27） （28）其中，是格形濾波器第步的反射系數(shù)。實(shí)現(xiàn)均衡的濾波器結(jié)構(gòu)有許多種，而且每種結(jié)構(gòu)在實(shí)現(xiàn)時又有許多算法，分類如圖22。橫向?yàn)V波均衡器的基帶復(fù)數(shù)沖激響應(yīng)可以描述如下： （23）其中，是橫向?yàn)V波的系數(shù)。自適應(yīng)濾波器含有兩個過程，即自適應(yīng)過程與濾波過程。式中，m 為圖像點(diǎn)的齊次坐標(biāo)，dx 和dy 為每一個像素分別在x 軸、y 軸方向上的物理尺寸，( u0，v0)為光心坐標(biāo)。不管怎樣分類，定標(biāo)的最終目的是要從圖像點(diǎn)中求出物體的待識別參數(shù)，即攝像機(jī)內(nèi)外參數(shù)或者投影矩陣。為了提高定標(biāo)精度，就需要通過精確分析攝像機(jī)成像的中間過程，構(gòu)造精密的幾何模型，設(shè)置具有物理意義的參數(shù)(一般包括鏡頭畸變參數(shù)、圖像中心偏差、幀存掃描水平比例因子和有效焦距偏差)，然后確定這些未知參數(shù)，實(shí)現(xiàn)攝像機(jī)的顯參數(shù)定標(biāo)。傳統(tǒng)的攝像機(jī)標(biāo)定是在一定的攝像機(jī)模型下，基于特定的實(shí)驗(yàn)條件，如形狀、尺寸已知的標(biāo)定物，經(jīng)過對其進(jìn)行圖像處理，利用一系列數(shù)學(xué)變換和計算方法，求取攝像機(jī)模型的內(nèi)部參數(shù)和外部參數(shù)（分為最優(yōu)化算法的標(biāo)定方法、利用攝像機(jī)透視變換矩陣的標(biāo)定方法、進(jìn)一步考慮畸變補(bǔ)償?shù)膬刹椒ê筒捎酶鼮楹侠淼臄z像機(jī)模型的雙平面標(biāo)定法）；不依賴于標(biāo)定參照物的攝像機(jī)標(biāo)定方法，僅利用攝像機(jī)在運(yùn)動過程中周圍環(huán)境的圖像與圖像之間的對應(yīng)關(guān)系對攝像機(jī)進(jìn)行的標(biāo)定稱為攝像機(jī)自標(biāo)定方法，它又分為：基于自動視覺的攝像機(jī)自標(biāo)定技術(shù)（基于平移運(yùn)動的自標(biāo)定技術(shù)和基于旋轉(zhuǎn)運(yùn)動的自標(biāo)定技術(shù)）、利用本質(zhì)矩陣和基本矩陣的自標(biāo)定技術(shù)、利用多幅圖像之間的直線對應(yīng)關(guān)系的攝像機(jī)自標(biāo)定方以及利用滅點(diǎn)和通過弱透視投影或平行透視投影進(jìn)行攝像機(jī)標(biāo)定等。 為了降低雙目（Twoview）匹配的難度，20 世紀(jì) 80 年代中期出現(xiàn)了三目立體視覺系統(tǒng)（Threeview Stereo）系統(tǒng)，即采用 3 個相機(jī)同時攝取空間景物，通過利用第三目圖像提供的信息來消除匹配的歧義性。 立體視覺是計算機(jī)被動測距方法中最重要的距離感之技術(shù)，它直接模擬人類視覺處理景物的方法，可以再多種條件下靈活地測量景物的立體信息。 Barnard 指出，一個完整的立體視覺系統(tǒng)通?？煞譃閳D像獲取 、攝像機(jī)標(biāo)定 、特征提取 、立體匹配 、深度確定及內(nèi)插等六部分（Barnard,1982）。 Watanale 等采用相互垂直（正交）的三目視點(diǎn)，較好地解決了與極線平行特征的匹配歧義性問題。自標(biāo)定方法非常地靈活,但它并不是很成熟。5 、從解題方法來分有解析法、神經(jīng)網(wǎng)絡(luò)法和遺傳算法。然而，不同應(yīng)用領(lǐng)域的問題對攝像機(jī)定標(biāo)的精度要求也不同，也就要求應(yīng)使用不同的定標(biāo)方法來確定攝像機(jī)的參數(shù)。攝像機(jī)成像幾何關(guān)系如圖2 所示。濾波過程較為簡單，而自適應(yīng)過程的基本目標(biāo)是調(diào)節(jié)濾波系數(shù)，使有意義的目標(biāo)函數(shù)或代價函數(shù)最小化，并使濾波器輸出信號逐步逼近所期望的參考信號，由兩者之間的估計誤差驅(qū)動某種算法對濾波（權(quán)）系數(shù)進(jìn)行調(diào)整，使濾波器處于最佳工作狀態(tài)以實(shí)現(xiàn)濾波過程。均衡器的期望輸出值為原始信號。均衡線性非線性橫向?yàn)V波器格型橫向?yàn)V波器格型DFEMLSDMLSE橫向信道預(yù)測 22均衡器的分類對應(yīng)每類結(jié)構(gòu)都有一簇算法來自適應(yīng)的調(diào)整均衡器參數(shù)。反饋誤差信號用作抽頭的衡量系數(shù)，濾波器的輸出可表示為： （29） 24格形濾波器結(jié)構(gòu)……………………∑∑∑∑∑格型濾波器的兩個主要優(yōu)點(diǎn)是快速收斂特性和計算的穩(wěn)定性。這一信號在接收機(jī)端可用速率 （212）采樣， 然后再通過抽頭間隔為的均衡器。顯然，這種反饋使均衡器具有無限沖激響應(yīng)，從而使它對信道的幅度畸變有良好的補(bǔ)償作用，同時它對信道的幅度畸變也有較好的補(bǔ)償作用[18]。在算法中應(yīng)用一個信道響應(yīng)脈沖，MLSE測試所有可能數(shù)據(jù)序列（而不是僅僅把接收的信號解碼），并以最大概率輸出信息序列。 自適應(yīng)均衡算法簡介不要單獨(dú)作為一節(jié)吧？或者直接跟在上一段后面？ 早在20世紀(jì)60、70年代，在信息處理領(lǐng)域中的最優(yōu)化方法與技術(shù)得到了發(fā)展。DFE的計算復(fù)雜度與LE相當(dāng)，性能比LE好，但是與MLSE相比性能較差。因?yàn)樽疃赶陆捣ǖ闹饕拗剖撬枰獪?zhǔn)確測得每次迭代的梯度矢量，這妨礙了它的應(yīng)用，為了減小計算復(fù)雜度和縮短自適應(yīng)收斂時間，許多學(xué)者對這方面的新算法進(jìn)行研究，1960年，美國斯坦福大學(xué)的Widrow等提出了最小均方（LMS）算法。本課題均衡器的結(jié)構(gòu)選擇橫向?yàn)V波器，算法形式選用LMS算法。 LMS算法及其應(yīng)用本實(shí)驗(yàn)通過一個二階自回歸過程來研究實(shí)時數(shù)據(jù)集平均對LMS算法的影響，AR模型的差分方程為：u(n)+a1x(n1)+a2x(n2)=v(n) 其中a1=。%w2權(quán)值的累積for g=1:Gv=randn(1,N)。W2=w22/G。由于無線傳輸環(huán)境的時變性，均衡技術(shù)必須具有自適應(yīng)能力，具有這種“智能特性”的均衡器稱之為自適應(yīng)均衡器。永遠(yuǎn)感謝我的家人，感謝他們在我漫漫十多年的求學(xué)路上支持和鼓勵我，讓我沒有仿徨，沒有憂慮，一直前進(jìn).自適應(yīng)均衡器作為現(xiàn)代數(shù)字通信系統(tǒng)中的一個關(guān)鍵設(shè)備，可以有效地減小碼間干擾，提高通信質(zhì)量。r39。x(2)=x(1)*a1+v(2)。v(n)是零均值方差為的白噪聲；圖1這個圖1是哪個？為ＡＲ模型及其二階自適應(yīng)線性預(yù)測模型，根據(jù)LMS算法的基本步驟可