2024年4月15日发(作者：)

叶工业控制计算机曳圆园圆员年第猿源卷第员期

61

基于特征融合的小样本学习

云藻憎原杂澡燥贼蕴藻葬则灶蚤灶早月葬泽藻凿燥灶云藻葬贼怎则藻云怎泽蚤燥灶

张智辉

渊上海市智能制造及机器人重点实验室袁上海大学机电工程与自动化学院袁上海圆园园源源源冤

摘要院深度学习是通过大量标注数据训练模型袁从而使得模型能够准确预测未知目标遥样本数据的收集与标注需要耗费

大量时间袁并且在某些特殊场景下难以获取大量的标注数据袁因此如何基于小样本训练模型变得至关重要遥针对这一问题袁

提出基于特征融合的模型袁融合方式主要体现在两方面袁一是在特征提取模块融合多层次特征袁二是样本融合模块综合多个

样本特征遥实验通过酝蚤灶蚤陨皂葬早藻晕藻贼数据集对提出的模型进行测试袁验证了该方法的有效性遥

关键词院小样本曰度量学习曰特征融合

粤遭泽贼则葬糟贼押阅藻藻责造藻葬则灶蚤灶早蚤泽贼燥贼则葬蚤灶葬皂燥凿藻造憎蚤贼澡葬造葬则早藻葬皂燥怎灶贼燥枣造葬遭藻造藻凿凿葬贼葬熏泽燥贼澡葬贼贼澡藻皂燥凿藻造糟葬灶葬糟糟怎则葬贼藻造赠责则藻凿蚤糟贼

怎灶泽藻藻灶燥遭躁藻糟贼援栽澡藻糟燥造造藻糟贼蚤燥灶葬灶凿造葬遭藻造蚤灶早燥枣泽葬皂责造藻凿葬贼葬葬则藻贼蚤皂藻糟燥灶泽怎皂蚤灶早熏葬灶凿蚤贼蚤泽凿蚤枣枣蚤糟怎造贼贼燥燥遭贼葬蚤灶葬造葬则早藻葬皂燥怎灶贼燥枣

造葬遭藻造藻凿凿葬贼葬蚤灶泽燥皂藻泽责藻糟蚤葬造泽糟藻灶葬则蚤燥泽熏贼澡藻则藻枣燥则藻澡燥憎贼燥贼则葬蚤灶葬皂燥凿藻造遭葬泽藻凿燥灶泽皂葬造造泽葬皂责造藻泽遭藻糟燥皂藻泽增藻则赠蚤皂责燥则贼葬灶贼援栽燥

泽燥造增藻贼澡蚤泽责则燥遭造藻皂熏葬皂燥凿藻造遭葬泽藻凿燥灶枣藻葬贼怎则藻枣怎泽蚤燥灶蚤泽责则燥责燥泽藻凿蚤灶贼澡蚤泽责葬责藻则援栽澡藻枣怎泽蚤燥灶皂藻贼澡燥凿蚤泽皂葬蚤灶造赠则藻枣造藻糟贼藻凿蚤灶贼憎燥

葬泽责藻糟贼泽押燥灶藻蚤泽贼燥枣怎泽藻皂怎造贼蚤原造藻增藻造枣藻葬贼怎则藻泽蚤灶贼澡藻枣藻葬贼怎则藻藻曾贼则葬糟贼蚤燥灶皂燥凿怎造藻熏葬灶凿贼澡藻燥贼澡藻则蚤泽贼燥蚤灶贼藻早则葬贼藻皂怎造贼蚤责造藻泽葬皂责造藻枣藻葬鄄

贼怎则藻泽蚤灶贼澡藻泽葬皂责造藻枣怎泽蚤燥灶皂燥凿怎造藻援耘曾责藻则蚤皂藻灶贼泽澡葬增藻遭藻藻灶糟葬则则蚤藻凿燥怎贼贼燥增葬造蚤凿葬贼藻贼澡藻藻枣枣藻糟贼蚤增藻灶藻泽泽燥枣贼澡藻责则燥责燥泽藻凿皂燥凿藻造援

运藻赠憎燥则凿泽押枣藻憎原泽澡燥贼造藻葬则灶蚤灶早熏皂藻贼则蚤糟造藻葬则灶蚤灶早熏枣藻葬贼怎则藻枣怎泽蚤燥灶

近年来袁深度学习渊凿藻藻责造藻葬则灶蚤灶早冤技术在图像分类尧目标

检测等视觉领域取得了巨大的成功袁准确率越来越高遥深度模型

通过在大量标注数据中训练袁迭代更新模型参数袁从而学习到各

目标的分布信息遥这种方法存在着一些问题袁模型训练过程中需

要大量训练数据袁训练时间长曰训练好的模型对任务的适应性

差袁当分类任务发生改变时需要对模型进行重新训练遥随着对深

度学习研究的不断深入袁如何降低模型对数据的需求量尧提高模

型的学习速度袁使模型能够快速适应新任务成为深度学习的难

题遥解决这些问题的关键是减少模型的训练数据袁在给定少量标

注样本的情况下袁模型可以正确识别目标遥这对深度学习来说可

能是困难的袁然而对人类却是非常容易遥人类仅从几张图像中学

习目标后袁便可识别出目标袁甚至只需要知道目标的属性描述遥

即使是儿童袁在书中看到野斑马冶的图像或听到斑马的描述野看起

来像一个有条纹的耶马爷后冶袁便可轻松生成斑马的概念

咱员暂

遥人类

的这种小样本识别能力归因于其对已知事物观察的丰富经历袁

这种经历使得在观察新目标时只需要很少的样本便可获得目标

的关键信息遥由于传统的深度学习方法不能应用在少量样本中袁

受到人类小样本学习能力的启发袁国内外学者开始关注对小样

本学习渊枣藻憎泽澡燥贼造藻葬则灶蚤灶早冤的研究遥

目前基于小样本的学习模型可分为数据增强渊凿葬贼葬葬怎早鄄

皂藻灶贼葬贼蚤燥灶冤尧元学习渊皂藻贼葬造藻葬则灶蚤灶早冤尧度量学习渊皂藻贼则蚤糟造藻葬则灶鄄

蚤灶早冤三类遥考虑到限制模型性能提升的原因是缺少训练数据袁数

据增强可以在一定程度上减少模型的过拟合现象袁文献咱圆暂通过

对图像进行旋转尧平移尧缩放等操作来扩充训练集数量袁由于原

始数据较少袁导致可扩充的样本空间有限袁这种方式不能完全解

决过拟合问题遥元学习渊皂藻贼葬造藻葬则灶蚤灶早冤

咱猿原远暂

的方式是学习任务之

间的相似性袁比较适用于小样本学习遥通过学习初始化条件

咱猿原源暂

尧

任务层面的更新策略

咱猿暂

或砸晕晕渊则藻糟怎则则藻灶贼灶藻怎则葬造灶藻贼憎燥则噪冤构

建外部存储器

咱缘原远暂

来记忆大量样本供测试时对比袁这些方法在小

样本识别中取得了较好的效果袁然而砸晕晕的引入导致模型结构

较为复杂袁并且效率低下遥度量学习是一种简单高效的学习方

式袁通过嵌入网络渊藻皂遭藻凿凿蚤灶早灶藻贼憎燥则噪冤学习样本在嵌入空间

的特征向量袁直接通过最近邻计算完成目标的识别遥

度量学习中具有代表性的模型是文献咱苑暂提出的匹配网络

渊酝葬贼糟澡蚤灶早晕藻贼憎燥则噪泽冤袁该模型的最大贡献是提出了通过采样

小批量数据的方式模拟测试任务袁这种训练策略使得模型的训

练环境和测试环境更接近袁提高了模型的在测试时的泛化能力遥

另外提出了适用于小样本学习任务的数据集酝蚤灶蚤陨皂葬早藻晕藻贼袁在

小样本学习研究中被广泛使用遥文献咱员暂考虑到现存的度量方法

难以衡量嵌入空间中样本之间的距离袁提出关系模型渊砸藻造葬贼蚤燥灶

晕藻贼憎燥则噪冤遥通过一个非线性模型计算图像之间的关系袁并利用数

据驱动的方式学习度量模型遥

本文基于匹配网络模型

咱苑暂

的训练方法袁受相关性

咱员暂

思想启发

提出权重融合网络袁针对其使用简单求和表示类别属性袁不能有

效地平衡不同属性之间的关系袁提出特征权重的概念遥不同样本

表示的属性不同袁对应的特征应具有不同的权重袁根据不同特征

的权重融合支持样本所具有的特征遥此外考虑到目标的属性应

该是多层次的袁本文在特征提取模块实现了对不同层次特征的

融合遥权重融合网络包含三个串联的模块院嵌入模块尧融合模块

和相似性模块遥嵌入模块提取支持样本的嵌入向量袁融合模块将

多个嵌入向量进行加权融合袁最终通过相似性模块计算测试样

本在各类的得分遥在酝蚤灶蚤陨皂葬早藻晕藻贼数据集上的测试结果表明该

方法达到目前已知的最好性能遥

员方法

员援员问题定义

小样本学习通常会使用三个数据集袁训练集渊贼则葬蚤灶蚤灶早泽藻贼冤尧

支持集渊泽怎责责燥则贼泽藻贼冤尧测试集渊贼藻泽贼蚤灶早泽藻贼冤袁其中所有样本各不

相同遥支持集和测试集有着相同的标签空间遥训练集有着独立的

标签空间袁与支持集和测试集没有任何关联遥假设支持集中包含

悦个独立的类别袁每类包含运个样本袁我们将小样本学习中的这

种分类问题定义为悦原憎葬赠原运原泽澡燥贼遥训练阶段袁随机从训练集

中选择悦类对象袁并且每类对象随机选择运个带有标签的样

本袁构成样本集渊泽葬皂责造藻泽藻贼冤杂越邀渊曾

蚤

袁赠

蚤

冤妖

蚤越员

袁其中皂越运伊悦遥然后

皂

62

从这些悦类中剩余样本中选择运忆个样本作为查询集渊择怎藻则赠

泽藻贼冤匝越邀渊曾

躁

拟在测试阶

袁

段

赠

灶

躁

冤

使

妖

躁越员

用的

袁其

支

中

持

灶越运忆伊悦

集和测试集

遥样本集和查

遥模型在训练

询集分别

时会使

用于模

用不

同类别组合袁因此模型学到的是一种与类别无关的先验知识遥

员援圆模型

本文提出模型的整体结构如图员所示袁包括嵌入模块枣

权重融合模块早

兹

块对应的参数遥嵌

渍

渊窑

入

冤

渊窑冤尧

模

和相

块用于

似性

映

模

射

块

各

澡

棕

样

渊窑

本

冤袁兹尧渍尧棕

特征袁得

分别为

到支持

三

样

个

本

模

的

嵌入向量和测试样本的嵌入向量袁在嵌入空间以高层次的属性

表征样本特征袁忽略样本中环境的变化袁关注样本中目标的属

性遥支持样本的嵌入向量经过样本融合模块获得类级特征袁将样

本不同视角的特征进行整合袁对目标的描述更全面遥相似性模块

计算测试样本嵌入向量与各类级特征的相似性遥最后使用提出

的损失函数计算模型预测的损失值袁并利用反向传播渊月葬糟噪

孕则燥责葬早葬贼蚤燥灶冤算法更新模型遥

图员特征权重融合网络整体架构

目前度量学习模型的嵌入模块比较简单袁大多是通过四个卷

积块叠加获取嵌入特征袁只能提取单一级别的特征袁获得的嵌入

特征具有局限性遥考虑到模型的深度和模型的表达能力袁我们使

用两个级别的特征作为嵌入输出遥样本图像曾首先经过枣

忆

得局部级嵌入特征袁局部级特征经过枣

义

兹员

渊窑冤获

兹圆

后将两级特征通过陨渊窑袁窑冤操作进行组合袁

渊窑

我们

冤获

假

得

设

目

陨

标

渊窑

级

袁窑

特

冤是

征

对

袁然

嵌

入特征在深度方向进行拼接遥最终嵌入特征载如式渊员冤所示遥

忆义忆

兹

渊曾冤越陨渊枣

兹

渊曾冤袁枣

兹

渊枣

兹

渊曾冤冤冤

渊员冤

其

嗓

载越枣

兹

枣

渊曾冤

中兹

忆义

员

尧兹

圆

分别表示表示嵌入模块枣

兹

和枣

兹

的参数遥

嵌入模块结构如图圆所示袁前四个卷积块构成嵌入函数枣

忆

兹

与大部分小样本学习模型的嵌入模块相同遥前猿个卷积块都

渊窑

包

冤袁

含一个核为猿伊猿尧输出为远源通道的卷积层袁一个批量正则化层袁

一个砸藻造怎非线性层遥第员尧圆个卷积块后面添加一个核为圆伊圆

的最大池化层遥为保证嵌入模块输出的最终特征数量与其它模

型相同袁第源个卷积块由一个猿圆通道尧核为猿伊猿的卷积层袁一

图圆嵌入模块

基于特征融合的小样本学习

个批量正则化层袁一个砸藻造怎非线性层和一个核为圆伊圆的最大

池化层组成遥为获取更多层次特征袁添加第缘个卷积块以及随后

的反卷积层作为嵌入函数枣

义

兹

输出通道为猿圆的卷积层和批

渊

量

窑冤袁

正

卷

则

积块

化层袁

缘

以及一个

包含一个

砸藻造怎

核为

层

猿伊猿

遥反

尧

卷积层将第缘个卷积块输出特征尺寸恢复到与第源卷积块相同

尺寸袁并与第源卷积层输出特征在通道方向拼接遥

针对关系模型中未考虑多个支持样本嵌入特征的融合方

式袁而是将嵌入特征进行求和表示类级特征遥由于不同样本具有

不同的视角袁嵌入空间所获得的特征会出现局部重叠袁直接对提

取的特征进行求和会改变不同特征之间的比重袁影响模型的性

能遥我们提出的样本融合模块早

积层组成袁将样本根据对应的不同

渍

渊窑

权

冤袁

重

由

进行

一个

融合

正则

袁

化

获

层

得

和一个

融合特

卷

征

再袁如式

嗓

渊圆冤所示遥

再越早

渍

早

渊载冤

糟灶

渍

其中

渊载

茚

冤越早

表示

渊早

将

渊

矩阵

载冤冤茚

对应

载

渊圆冤

元素相乘袁早

糟

和早

灶

分别表示卷积层

和正则化层遥正则化层首先统计单一特征在不同样本中的分布

情况袁然后对所有的嵌入特征进行批量正则化袁使得各种特征具

有相同

扇

的分布袁即院

设

设

载

忆

蚤

越琢载

赞

蚤

垣茁

赞

越

载

蚤

原

缮

设

设

载

滋

蚤

姨

设

啄

圆

原着

渊猿冤

墒

设

员

噪

设

滋越

噪

设

移

蚤越员

载

蚤

啄

圆

噪

越

员

圆

噪

移

蚤越员

渊载

蚤

原滋冤

其中袁载

忆

蚤

表示正则化特征袁琢尧茁为待学习参数袁载

蚤

为初始嵌

入特征袁滋为嵌入特征的批量均值袁滓为标准差袁噪为批量样本数

量袁着为极小常数袁取值为员园

原缘

通过样本各属性的权重计算类

遥

级

为

属

更

性

好地

遥

利用不同样本的特征袁

样本融合模块结构如图猿所示袁嵌入模块依次经过批量正

则化层和一个核为猿伊猿尧输出为远源通道的卷积层获得每个特征

值对应的权重袁最终乘法器根据各样本权重计算特征的加权和袁

生成用于计算相似性的类级特征遥

图猿样本融合模块

大多数小样本学习方法使用常用的距离函数计算样本之间

的相似性袁如欧氏距离尧余弦距离袁这种方式可以称为度量学习遥

所有的学习集中在特征的嵌入过程袁使用固定的距离函数进行分

类遥不同的距离函数具有不同的使用场景袁会影响模型的性能遥我

们使用一个可学习的函数作为度量模型澡

方式学习模型的参数棕遥融合后的类级特征

棕

渊窑

和测试

冤袁利用数

样本

据

嵌

驱

入

动

空

的

间

的特征利用陨渊窑袁窑冤操作在深度方向进行拼接袁然后输入到度量模

块袁最终生成一个园到员的数值表示查询样本曾

蚤

与支持样本曾

躁

的

相似性则

蚤袁躁

相关性得

袁

分

如

袁

式

表

渊

示测试

源冤所示

样

遥

本与

因此在

各支

悦

持

类

样

的

本

环

的

境

关

中

系

袁我们

遥

会生成悦种

则

蚤袁躁

越澡

棕

渊陨渊再

蚤

袁再

躁

冤冤渊源冤

叶工业控制计算机曳圆园圆员年第猿源卷第员期

相似性模块使用文献咱员暂提出的架构袁包含两个卷积块和两

个全连接层袁卷积块与嵌入模块中使用的相同袁并且每一个卷积

块后面使用一个圆鄢圆的最大池化层遥第一层全连接层具有愿个

神经元袁使用砸藻造怎非线性函数遥第二层全连接层只有一个神经

元袁使用杂蚤早皂燥蚤凿非线性函数袁形式如图源所示遥

图源相似性模块

员援猿损失函数

为避免模型在小样本学习任务中产生过拟合袁我们使用均

方差加蕴圆正则化约束作为损失函数袁提高模型的泛化能力遥将

相似性得分则

蚤袁躁

回归到真实值院当类别匹配时真实值为员袁不匹配

时为园袁最终目标函数如下院

渍袁兹袁棕饮葬则早皂蚤灶

嗓

其中姿为正则化

移

皂

惩罚

移

灶

蓸

则

圆

渍袁兹袁棕

蚤越员躁越员

蚤袁躁

原则

赞

蔀

垣姿

蓸

椰渍椰

圆

圆

垣椰兹椰

圆

圆

垣椰滋椰

圆

圆

蔀

渊缘冤

系数袁经过多次实验确定取值为园援员袁

赞

则越

员袁赠

蚤

越赠

躁

园袁赠

询样本和支持样本的类别袁皂为查

蚤

询集匝

屹

中

赠

躁

袁赠

蚤

和赠

躁

分别为查

样本的数量袁灶为支持集杂中样本类别数遥

圆实验

圆援员数据集

酝蚤灶蚤陨皂葬早藻灶藻贼数据集是由文献咱苑暂提出袁是从一个更大的

数据集陨蕴杂灾砸悦原员圆中截取部分图像袁总共包含远园园园园张尺寸

为愿源鄢愿源的彩色图像袁被分成了员园园类每类远园园张图像遥为了能

够与其他优秀的小样本学习算法进行比较袁使用文献咱猿暂提出的划

分方法遥使用其中远源类用于训练袁员远类用于验证袁圆园类用于测试遥

圆援圆实验设置

为了验证所提出方法的性能袁使用了在小样本学习研究中

通用的数据集酝蚤灶蚤陨皂葬早藻灶藻贼袁所有实验基于孕赠贼燥则糟澡框架实现袁

整个实验使用杂郧阅渊杂贼燥糟澡葬泽贼蚤糟郧则葬凿蚤藻灶贼阅藻泽糟藻灶贼冤优化器袁初

始化学习率使用经验值员园

原猿

减一半袁设置最大迭代次数为

袁

员园园园园园

每迭代

遥

圆园园园园藻责燥糟澡泽学习率衰

圆援猿模型与样本数量关系

基于图像识别领域袁训练样本的数量对模型性能具有重要

影响袁我们探究模型性能与融合样本数量的关系遥使用缘原憎葬赠原

噪原泽澡燥贼的模式袁其中噪越员尧缘尧员园尧员缘尧圆园尧圆缘类别查询数量为员缘

张图像遥表员展示了仅使用特征级融合和特征级融合垣样本级

特征融合两种方案在不同融合样本数量情况下的性能遥从表中

可以看出袁随着融合样本数量的

表员酝蚤灶蚤陨皂葬早藻灶藻贼数据集

增多我们所提出模型准确率得

不同样本数量分类精度

到提升袁当融合样本数量到达

圆园时模型的性能基本趋于稳

定袁对应准确率分别为苑源援缘源豫

和苑远援缘园豫遥受模型拟合能力的

影响袁当样本数量过多时袁模型

不能提取更多有效特征袁从而导

致模型性能不再提高遥

图缘表示模型同时使用特征级融合和样本级融合方式袁在

不同融合样本数量下模型精度与训练轮数之间的关系袁横坐标

63

为训练轮数袁纵坐标为模型的准确率遥从图中可以看出在训练的

前员园园园园轮袁模型准确率的提升速度随着融合样本数量的增多

而增加袁随后不同融合样本数量下模型收敛速度以相同的趋势

发展遥当训练轮数超过源园园园园轮时袁模型准确率基本趋于收敛袁

不再具有训练价值遥

图缘准确率与训练轮数关系

圆援源模型对比实验

为探究所提出模型及的

尧

性能

与

孕则燥贼燥贼赠责蚤糟葬造

袁挑选了当

基础模型相同

晕藻贼泽

前最优秀的模型袁包括

酝葬贼糟澡蚤灶早晕藻贼泽

咱苑暂

尧酝粤酝蕴

咱源暂咱愿暂

的训练条

尧砸藻造葬贼蚤燥灶

件袁分别

晕藻贼

咱员暂

为使数据具有可比性袁采用进

遥

行了缘原憎葬赠原员原泽澡燥贼和缘原憎葬赠原缘泽澡燥贼模式的分类袁另外每轮训

练每类使用员缘个图像作为查询样本遥也就是说对于缘原憎葬赠原缘原

泽澡燥贼模式袁每轮训练共使用缘伊缘垣缘伊员缘越苑缘张图像遥在测试时

缘原憎葬赠原员原泽澡燥贼和缘原憎葬赠原缘原泽澡燥贼两种情景每类都使用员缘张查

询图像袁将测试集随机生成的远园园轮分类准确度的平均值作为

最终分类精度遥表圆介绍了基准模型和我们所用模型在缘原憎葬赠原

员原泽澡燥贼和缘原憎葬赠原缘原泽澡燥贼两种模式下的测试精度遥

表圆酝蚤灶蚤陨皂葬早藻灶藻贼数据集小样本模型分类精度

从表圆中可以看出袁在两种模式下我们提出的模型都达到

了最优秀的性能遥在特征提取模块使用两级特征融合的方式获

得缘员援猿远豫的准确率袁实验结果表明袁图像的多级特征使用了样

本的不同层次的特征袁同时包含了全局特征和局部特征袁对目标

的描述更为全面袁可以提高模型的特征表示能力袁比当前最优性

能缘园援源源豫提高了园援怨圆豫遥由于我们提出的特征融合垣样本融合

的方式需要多张图像袁因此在缘原憎葬赠原员原泽澡燥贼模式下的性能与

仅在特征融合模式下相同遥在缘原憎葬赠原缘原泽澡燥贼下获得了

远愿援源猿豫准确率袁比最优秀性能原型网络的远愿援圆园豫高园援圆猿豫袁然

而袁原型网络的结果是通过圆园原憎葬赠原缘原泽澡燥贼的方式训练袁这种

方式增加了单次训练使用的样本数量袁减低了模型的训练速度袁

因此袁特征融合垣样本融合方式对模型性能提升具有重要作用遥

分析原因可知袁不同样本图像所表示的属性特征会有不同袁通过

提取样本各类特征在待融合样本中的权重袁可以使得融合后的

特征更接近目标真实特征遥

猿结束语

本文基于匹配模型的训练模式提出基于权重的特征融合模

型袁针对现有模型使用单一层次的特征袁提出改进的嵌入模块袁

渊下转第远远页冤

66

从图缘中可以得到院

觶

择

员

皂藻葬泽怎则藻凿

越越

责

原员

责垣噪

遭蚤葬泽

觶

员垣噪

遭蚤葬泽

责

择

贼则怎藻

渊猿园冤

渊猿员冤

基于四元数算法的方位跟踪滤波器设计

其截止频率为院

由于式渊猿园冤具有高通滤波特性袁可以预见袁在四元数滤波器

中加入偏差估计意味着它将不再是互补的

咱远暂

遥因此袁式渊员远冤中

的噪必须大于零遥需要指出的是袁如果噪太大袁滤波器可能会失

去稳定性袁或者将引入更大的误差遥因此袁对于每一个给定的

噪

遭造葬泽

袁都有一个最佳的噪值遥在实验研究中袁可以通过动态调整

来选择合理的噪值遥

棕

糟

越噪

遭蚤葬泽

图远源缘毅滚转袁速度为员园毅辕泽

图缘偏差估计滤波器的信号流图

圆测试结果

传感器部件由一个微机械三轴加速度计尧一个三轴磁力计

和一个三轴角速度传感器构成袁并放置在用泡沫包裹的轻盒里袁

以防止冲击损伤传感器遥传感器的模拟输出范围是直流园耀缘灾袁

通过彩色排线连接到了粤辕阅转换器袁再连接到员远位孕悦陨接口

数据读取卡袁从而输入计算机遥方位感知系统用灾悦垣垣编译器

实现袁设计为可以使用多个惯性传感器遥

系统测试在旋转桌上进行袁可以测量的角速度变化范围在

园援园园员到愿园毅辕泽袁测量精度为园援园园员毅遥为了减小电尧磁场对磁力

计的影响袁整个测试装置处于电磁屏蔽环境中遥

测试的过程包括传感器反复滚动尧旋转尧直线运动袁角速度

控制在员园耀猿园毅辕泽袁整个测试中袁滤波器的刷新频率都是缘园匀扎遥

图远是测试的典型结果袁平滑的曲线反应了系统良好的动

态响应袁测试精度在员毅以内遥每次启动测试时都可观察到较小

的冲击响应袁表明在测试的初期袁加速度的影响较大袁可以通过

对滤波器时间常数和增益值的优化袁减小这种影响袁从而进一步

提高精度袁改善动态响应遥在定性测试中袁四元数滤波器在跟踪

俯仰角等于或超过怨园毅的方向上没有任何困难遥

渊上接第远猿页冤

猿结束语

混合惯性跟踪减小了对外部源信号的依赖袁可克服时间延

迟对系统性能的影响遥本文介绍了一种用于机械臂方位惯性跟

踪的四元数姿态滤波器袁提供了一种精确确定机器臂末端执行

器位置和方向的方法遥如果不考虑偏差补偿效应袁滤波器是互补

的遥在线性化最小二乘回归分析的基础上袁采用高斯原牛顿迭代

进行滤波误差校正袁可进一步减小误差遥本文还介绍了基于四元

数滤波器的跟踪系统袁测试结果表明该滤波器动态响应良好遥

参考文献

咱员暂樊海红袁康天桂袁张培珍袁等援太阳方位双模式跟踪系统研究咱允暂援现代

咱圆暂曾祥旭袁章新华袁李鹏袁等援基于干扰方位跟踪的自适应干扰抑制方法

咱猿暂蒋富勤袁朱鲲袁祝献援一种改进的多假设跟踪算法咱允暂援声学与电子工

咱源暂潘森袁高婧婧袁许孝芳袁等援多星敏感器地面热漂移标定位置误差检测

咱缘暂郭鲁奇袁顾强袁赵意鹏援四旋翼无人机飞行控制系统设计咱允暂援河北农

咱远暂易凡袁邓方袁张培健袁等援基于杂栽酝猿圆四轴飞行平台咱允暂援电子设计工

程袁圆园员苑袁圆缘渊员源冤院员苑怨原员愿圆

咱收稿日期院圆园圆园援员员援员缘暂

机袁圆园员远渊圆冤院圆愿原圆怨

研究咱允暂援激光技术袁圆园圆园渊远冤院远远源原远远苑

程袁圆园员源渊员冤院怨原员圆

咱允暂援声学技术袁圆园员苑袁猿远渊猿冤院圆怨猿原圆怨远

电子技术袁圆园圆园袁源猿渊员远冤院缘员原缘缘

通过融合多层次特征提高模型的特征表达能力曰提出通过基于

权重的方式对多样本特征进行融合袁提高了模型对不同样本特

征的综合能力遥实验结果表明袁本文提出的模型解决了现有模型

的一些不足的问题袁在小样本分类中具有更高的精度遥

参考文献

咱源暂悦云蚤灶灶熏孕粤遭遭藻藻造熏杂援蕴藻增蚤灶藻援酝燥凿藻造原粤早灶燥泽贼蚤糟酝藻贼葬原蕴藻葬则灶蚤灶早枣燥则

悦燥灶枣藻则藻灶糟藻燥灶酝葬糟澡蚤灶藻蕴藻葬则灶蚤灶早援圆园员苑押员愿缘远原员愿远愿

泽藻灶贼葬贼蚤燥灶泽熏圆园员苑

云葬泽贼粤凿葬责贼葬贼蚤燥灶燥枣阅藻藻责晕藻贼憎燥则噪泽眼悦演辕辕猿源贼澡陨灶贼藻则灶葬贼蚤燥灶葬造

咱缘暂杂粤凿葬皂熏月杂藻则早藻赠熏月酝葬贼贼澡藻憎熏藻贼葬造援韵灶藻原泽澡燥贼蕴藻葬则灶蚤灶早憎蚤贼澡

咱远暂郧悦澡藻灶早熏孕在澡燥怎熏允匀葬灶援阅怎责造藻曾酝藻贼则蚤糟蕴藻葬则灶蚤灶早枣燥则陨皂葬早藻杂藻贼

悦造葬泽泽蚤枣蚤糟葬贼蚤燥灶眼允演援陨耘耘耘栽则葬灶泽葬糟贼蚤燥灶泽燥灶陨皂葬早藻孕则燥糟藻泽泽蚤灶早熏

圆园员愿熏圆苑穴员雪押圆愿员原圆怨圆

咱苑暂韵灾蚤灶赠葬造泽熏悦月造怎灶凿藻造造熏栽蕴蚤造造蚤糟则葬责熏藻贼葬造援酝葬贼糟澡蚤灶早晕藻贼憎燥则噪泽枣燥则

咱愿暂杂允葬噪藻熏运杂憎藻则泽噪赠熏砸在藻皂藻造援孕则燥贼燥贼赠责蚤糟葬造灶藻贼憎燥则噪泽枣燥则枣藻憎原泽澡燥贼

造藻葬则灶蚤灶早眼悦演椅粤凿增葬灶糟藻泽蚤灶晕藻怎则葬造陨灶枣燥则皂葬贼蚤燥灶孕则燥糟藻泽泽蚤灶早杂赠泽鄄

贼藻皂泽熏圆园员苑押员愿缘远原员愿远愿

咱收稿日期院圆园圆园援员员援怨暂

孕则燥糟藻泽泽蚤灶早杂赠泽贼藻皂泽熏圆园员远押猿远猿园原猿远猿愿

悦燥灶枣藻则藻灶糟藻燥灶酝葬糟澡蚤灶藻蕴藻葬则灶蚤灶早熏圆园员远押员愿源圆原员愿缘园

酝藻皂燥则赠原粤怎早皂藻灶贼藻凿晕藻怎则葬造晕藻贼憎燥则噪泽眼悦演辕辕猿猿灶凿陨灶贼藻则灶葬贼蚤燥灶葬造

咱员暂云杂怎灶早熏再再葬灶早熏蕴在澡葬灶早熏藻贼葬造援匀燥泽责藻凿葬造藻泽熏蕴藻葬则灶蚤灶早贼燥悦燥皂鄄

贼蚤燥灶熏圆园员愿押员员怨怨原员圆园愿

责葬则藻押砸藻造葬贼蚤燥灶晕藻贼憎燥则噪枣燥则云藻憎原杂澡燥贼蕴藻葬则灶蚤灶早眼悦演辕辕圆园员愿陨耘耘耘辕

悦灾云悦燥灶枣藻则藻灶糟藻燥灶悦燥皂责怎贼藻则灾蚤泽蚤燥灶葬灶凿孕葬贼贼藻则灶砸藻糟燥早灶蚤鄄

咱圆暂孕杂蚤皂葬则凿熏阅杂贼藻蚤灶噪则葬怎泽熏允孕造葬贼贼援月藻泽贼责则葬糟贼蚤糟藻泽枣燥则糟燥灶增燥造怎贼蚤燥灶葬造

藻灶贼澡陨灶贼藻则灶葬贼蚤燥灶葬造悦燥灶枣藻则藻灶糟藻燥灶阅燥糟怎皂藻灶贼粤灶葬造赠泽蚤泽葬灶凿

咱猿暂杂砸葬增蚤熏匀蕴葬则燥糟澡藻造造藻援韵责贼蚤皂蚤扎葬贼蚤燥灶葬泽葬皂燥凿藻造枣燥则枣藻憎原泽澡燥贼

造藻葬则灶蚤灶早眼悦演辕辕缘贼澡陨灶贼藻则灶葬贼蚤燥灶葬造悦燥灶枣藻则藻灶糟藻燥灶蕴藻葬则灶蚤灶早砸藻责则藻鄄

砸藻糟燥早灶蚤贼蚤燥灶孕则燥糟藻藻凿蚤灶早泽熏圆园园猿押怨缘愿原怨远猿

韵灶藻杂澡燥贼蕴藻葬则灶蚤灶早眼悦演椅陨灶粤凿增葬灶糟藻泽蚤灶晕藻怎则葬造陨灶枣燥则皂葬贼蚤燥灶

灶藻怎则葬造灶藻贼憎燥则噪泽葬责责造蚤藻凿贼燥增蚤泽怎葬造凿燥糟怎皂藻灶贼葬灶葬造赠泽蚤泽眼悦演辕辕杂藻增鄄