1) resample function
再采样函数
1.
Using single frame super-resolution method and resample function,the authors produced 16 frames images which have the same resolution as input images from each input LR image and then selected images that meet the requirements from these produced images.
利用单帧超分辨技术和再采样函数从每帧输入低分辨率图像产生16帧相同分辨率的图像,再从中挑选满足限制条件的图像帧,从而消除了原算法要求的两个主要限制条件,建立了改进的二至多帧输入图像频域解混叠超分辨算法。
2) optimal important density function
最优采样函数
3) importance sampling function
重要性采样函数
1.
To solve the important problem in particle filter that how to design the importance sampling function to propagate the particles, a novel particle filter based on observation likelihood importance sampling was proposed.
针对粒子滤波中如何来设计重要性采样函数进行动态粒子传播这个重要问题,提出了一种新的基于观测似然重要性采样的粒子滤波算法,该算法打破了常规粒子滤波先按某一重要性采样函数进行采样,再用观测似然进行粒子权重更新的思路,而是直接根据观测似然进行采样,然后再用先验转移概率进行粒子权重更新。
4) sample-resample
采样-再采样
5) resampling
再采样
1.
We analyze the degeneracy phenomenon of sequential Monte Carlo particle filters based on bayesian theorem,put focus on the key techniques(good choice of importance density and use of resampling) to reduce its effects.
针对基于贝叶斯原理的序贯蒙特卡罗粒子滤波器出现退化现象的原因,以无敏粒子滤波(UPF)、辅助粒子滤波(ASIR)及采样重要再采样(SIR)等改进的粒子滤波算法为例,对消除该缺陷的关键技术(优化重要密度函数及再采样)进行了分析研究。
2.
For hardware implementation of resampling-the third stage of particle filter,dynamic benchmark position and dynamic threshold are introduced,extending“particle-tagging”method to process non-normalization weights directly,avoiding a large number of .
本文针对粒子滤波的第三个步骤-再采样的硬件实现,引入动态基准位置和动态阈值设置,将“粒子-标签”残差再采样的高效定点实现方法进行扩展,使其可以直接对非归一化的权值进行再采样。
6) Sampling density compensation function
采样密度补偿函数
补充资料：动力学系统函数寻优
在一组约束条件下,寻找动力学系统的一组函数,使给定的指标达到最优值（极小或极大值）的方法，属于多次运行仿真。动力学系统函数寻优方法有三类：极大值原理法（见极大值原理）、动态规划法(见动态规划)和直接函数寻优法。前两种方法只能处理最优控制问题，即被寻优的函数是以时间为自变量的。
直接函数寻优法是计算机仿真中常用的方法。它的基本思路是先将被寻优的函数表示成一些已知的基函数的代数和，从而将对函数的寻优转变成为对这些代数项的权系数寻优，即变成为参数寻优问题。以一个寻优函数u(x)为例，设u(x)能表示成：
其中lj(x)是定义在[ɑ，b]上的已知标量基函数,αj是可调权系数(参数)。给出一组参数α1，α2，...，αm，便确定一个函数 u(x)。x可以是系统中的状态变量或时间变量。基函数lj(x)可以是阶梯形函数、折线形函数、多点插值函数等。当选定基函数后，函数u(x)的寻优问题便转变成一组参数(α1,α2,...,αm)的寻优问题。如果在系统模型中加入实现上式的函数插值器，则函数的迭代寻优过程与参数寻优类同（见动力学系统参数寻优）。
对于n个函数寻优的情形，有n个相应的上述表达式，也就有n×m个参数寻优。
直接函数寻优法是计算机仿真中常用的方法。它的基本思路是先将被寻优的函数表示成一些已知的基函数的代数和，从而将对函数的寻优转变成为对这些代数项的权系数寻优，即变成为参数寻优问题。以一个寻优函数u(x)为例，设u(x)能表示成：
其中lj(x)是定义在[ɑ，b]上的已知标量基函数,αj是可调权系数(参数)。给出一组参数α1，α2，...，αm，便确定一个函数 u(x)。x可以是系统中的状态变量或时间变量。基函数lj(x)可以是阶梯形函数、折线形函数、多点插值函数等。当选定基函数后，函数u(x)的寻优问题便转变成一组参数(α1,α2,...,αm)的寻优问题。如果在系统模型中加入实现上式的函数插值器，则函数的迭代寻优过程与参数寻优类同（见动力学系统参数寻优）。
对于n个函数寻优的情形，有n个相应的上述表达式，也就有n×m个参数寻优。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条