为了充分利用多目视觉系统的冗余信息,提高系统对同名物点世界坐标的解算精度,提出了一种基于加权Levenberg-Marquardt(LM)非线性优化的定位算法。该算法充分考虑拍摄距离对物点计算精度的影响,利用矩阵论中的广义正交投影法求解多相机约束下物点世界坐标初值,结合深度信息对目标函数进行加权,提高近距离相机的置信度,根据加权处理的LM算法对物点世界坐标进行迭代计算以获得最优解。在8 m×6 m×3 m的测量空间对4种算法进行了实验,实验结果表明,所提加权LM算法相比传统算法及近年提出的算法在精度与效率方面均有不同程度的提高,可为多目视觉系统的高精度定位提供一定的参考。
机器视觉 多目视觉系统 高精度定位 非线性优化 广义正交投影 加权LM算法 激光与光电子学进展
2021, 58(24): 2415006
针对两栖**除了受到路基环境下车体易振动的因素影响外，还会受到海洋环境下载体本身摇摆等因素的影响，导致两栖**发射装置的发射角度出现偏差的情况,利用自构建小波神经网络的自适应和自学习的能力，提出一种基于自构建小波神经网络的内模控制方法来进行两栖**随动系统研究。由小波基函数的激励强度和衰减程度来决定增加神经元节点或者修剪、删除神经元节点，达到优化隐含层结构的目的，然后采用LM算法来提高学习速率。通过自构建小波神经网络对内模控制系统的正、逆模型进行辨识，来改进控制技术。最后的实验仿真结果表明，该方法可以有效提高系统的抗干扰能力、发射精度以及调节的快速性。
两栖** 随动系统 自构建 小波神经网络 内模控制 LM算法 amphibious weapon servo system self-construction wavelet neural network internal model control LM algorithm
1 中国计量大学 计量测试工程学院，浙江 杭州 310018；上海市计量测试技术研究院，上海 201203
2 上海市计量测试技术研究院，上海 201203
3 中国电子电科集团第十三研究所，河北 石家庄 050051
4 中国计量大学 计量测试工程学院，浙江 杭州 310018
依据穆勒椭偏测量方法中偏振光的传输方式，提出了一种椭偏系统中光学元件参数的定标方法。通过建立出射光强关于起偏器和检偏器透光轴方位角、旋转补偿器方位角和相位延迟的非线性最小二乘模型，用列文伯格?马夸尔特（Levenberg-Marquardt，LM）算法对初始参数进行迭代。求解出光学元件参数的精确值，从而实现对元件的定标。通过仿真实验，利用已知穆勒（Mueller）矩阵且标定值为(24.90±0.30) nm的SiO2/Si标准样片，基于LM算法迭代计算光强值的残差平方和。实验可得当迭代次数为50次时，残差平方和收敛到最小值0.24；与传统多点标定法进行对比试验，验证了基于LM算法求解光学参数的可行性；用标定值为(91.21±0.36) nm的SiO2/Si标准样片进行验证，得到膜厚的计算值为91.53 nm，相对误差为0.35%。结果表明：在穆勒椭偏系统参数标定中，LM算法具有收敛速度快，计算精度高等优点。
参数定标 穆勒矩阵 椭偏测量 LM算法 标准样片 parameter calibration Mueller matrix ellipsometry LM algorithm standard sample 红外与激光工程
2020, 49(8): 20200204
火箭破障**装甲车在道路起伏的环境中车体易产生振动, 在发射火箭炮破障弹时也会产生较大的振动, 这些容易导致再次调炮破障时方向角度出现偏差影响破障精度, 同时,其他扰动和不确定因素的存在也使得破障**系统成为非线性时变系统。利用模糊控制良好的鲁棒性、适应性以及神经网络的自适应、自学习的能力, 提出一种基于模糊RBF神经网络PID控制方法, 同时采用K-means层次聚类对模糊神经网络的结构参数值进行初始化, 采用LM算法对模糊神经网络进行训练。仿真结果表明, 该方法可以有效提高系统的抗干扰能力、破障精度以及加快调炮的快速性。
破障** 模糊RBF神经网络 K-means层次聚类 LM算法 obstacle-breaking weapon fuzzy RBF neural network K-means hierarchical clustering LM algorithm
1 The Research Institute of Advanced Technologies, Ningbo University, Ningbo 315211, China
2 Center Key Lab for Micro and Nanophotonic Structures (Ministry of Education), Department of Optical Science and Engineering, Fudan University, Shanghai 200433, China
1 宁波大学宁波高等技术研究院，浙江 宁波 315211
2 复旦大学光科学与工程系，微纳光子结构教育部重点实验室，上海 200433
光学微腔品质因子高、灵敏度高，在精密生物传感方面有广阔的应用前景。针对洛伦兹拟合算法不能很好地拟合光学微腔输出端非对称波形和劈裂模式波形的问题，提出了隐函数模型算法。该算法首先建立模板波形，然后经平移、放缩理论实现模板波形操作，利用Levenberg-Marquardt (LM)算法优化参数值，能够实现对称波形、非对称波形和劈裂模式波形数据拟合。通过搭建光学微腔数据采集系统，采用高斯、洛伦兹和隐函数模型算法对不同折射率溶液的实验数据进行拟合。结果表明：隐函数模型算法比前两种算法的MSE低1个数量级，且拟合优度(R2)达到了0.99，拟合效果较好；隐函数模型算法谐振频率误差最小，谐振频率偏移量最大，对应的灵敏度最高，有利于提高光学微腔灵敏度。
光学微腔 隐函数模型 LM算法 数据拟合 传输谱线 optical microcavity implicit function model LM algorithm data fitting transmission spectrum
上海电力学院电子与信息工程学院, 上海 200090
针对光谱仪采样获得布拉格光栅反射谱含有干扰严重的噪声的问题, 采用Levenberg-Marquardt (LM)算法对高斯曲线拟合系数进行优化, 并使用优化后的Gaussian-LM算法对采样的光纤布拉格光栅的反射谱进行寻峰。通过寻峰结果的对比分析, 验证了Gaussian-LM算法对高斯曲线系数优化的重要性, 实验结果表明Gaussian-LM寻峰算法可以有效减小寻峰误差。对基于波长解调原理的光纤布拉格光栅传感系统而言, 提高了中心波长检测的准确度和稳定性。
光谱学 LM算法 高斯拟合 光纤布拉格光栅 光谱寻峰 激光与光电子学进展
2017, 54(1): 013001
中国科学院安徽光学精密机械研究所, 中国科学院通用光学定标与表征技术重点实验室, 安徽 合肥 230031
超光谱大气CO2探测需对遥感器进行精确表征及定标, 其中光谱定标工作最为基础。 针对传统实验室定标方法获取的波长定标系数不确定度高等特点, 开展基于气体吸收法原理的光谱定标误差修正研究, 该方法与仪器使用状态一致 , 提高了定标系数实用性。 首先利用辐射传输进行了理论光谱及误差因素模拟计算, 并基于大气环境模拟定标仓开展了大气CO2吸收光谱测量实验, 最后采用LM算法进行光谱误差修正迭代优化。 光谱定标误差修正结果表明: 光谱偏差均值由修正前的0.03 cm-1下降到修正后0.008 cm-1, 且系统性与突变性误差得以剔除, 大大提高了地面光谱定标精度, 为后续温室气体反演奠定了基础。
光谱定标 气体吸收 LM算法 辐射传输 Spectral calibration Gas absorption LM algorithm Radiative transfer 光谱学与光谱分析
2016, 36(7): 2296
南京工业大学 自动化与电气工程学院, 江苏 南京 211816
针对光笔式双目视觉测量系统的标定问题, 讨论了关于相机内参、双相机外参以及测量笔的相关标定理论,开发了一整套基于LabVIEW的标定系统。运用张氏平面标定法实现了相机内参标定。结合基于标准长度的外部参数标定方法, 实现了双相机外参数标定。运用粒子群算法和LM算法相结合, 加快了目标函数高维寻优速度。在测量笔标定环节, 提出了一种基于最小二乘法的现场校准方法。标定系统完成了后期开展相关测量前的所有准备工作, 具有较高的精度和实用性。在测量系统标定结果基础上对直径25 mm标准陶瓷球进行测量, 测量结果标准差达到0.019 mm。
双目视觉 标定 外部参数 内部参数 粒子群算法 LM算法 binocular vision calibration extrinsic parameters intrinsic parameters particle swarm optimization LM algorithm
1 中国科学院 长春光学精密机械与物理研究所，吉林 长春 130033
2 中国科学院 研究生院，北京 100039
3 长春职业技术学院，吉林 长春 130033
搭建了可调对比度目标源装置，研究了图像对比度和光学对比度的关系，提出了用改进的BP神经网络标定对比度的方法。首先，设计了用于对比度标定的BP神经网络模型。然后，利用LM(Levenberg-Marquardt)算法结合缩放法改进神经网络以提高其收敛速度及泛化能力。最后，通过可调对比度目标源装置实验平台，由测量的辐照度得出了对应的图像对比度数据，使该装置可以通过调节辐照度实时获得规定的对比度。与传统BP神经网络方法相比，改进后的BP神经网络收敛速度快，泛化能力强。标定精度比经典BP算法提高了100倍，比最速下降法提高了10倍。训练次数仅需2 876次时，对比度的标定值与目标值的误差最大值是0.01%，训练均方误差收敛为0.000 459 441，测试误差收敛为0.000 467 003，满足了对检验装置中对比度标定的需要。
可调目标源 对比度标定 LM算法 缩放法 神经网络 adjustable target contrast calibration Levenberg-Marquart (LM) algorithm shrinking-magnifying approach neural network
