考生异常行为的监测容易使监考人员产生视觉疲劳。借鉴监考人员发现异常的过程,提出一种可用于考场异常行为分析的视线估计模型。为了减少图像中视线的信息损失,采用注视向量表示视线的大小和方向。该模型分为生成器、视线合成模块、鉴...考生异常行为的监测容易使监考人员产生视觉疲劳。借鉴监考人员发现异常的过程,提出一种可用于考场异常行为分析的视线估计模型。为了减少图像中视线的信息损失,采用注视向量表示视线的大小和方向。该模型分为生成器、视线合成模块、鉴别器,先将考生头部图像输入生成器生成注视向量,再将头部位置和注视位置输入到合成模块得到真实注视向量。将头部图像与上述所得的两种向量输入鉴别器中,其生成对抗模式达到最优时,可得到生成真实值的生成器模型。实验结果表明,在多个考场环境中,该方法的性能优于所对比的几种方法。其中与Lian等人方法相比AUC(Area Under Curve)提高了2.6%,Ang(Angular error)和Dist(Euclidean distance)分别有效降低了20.3%和8.0%。展开更多
为了减小到达时间差(time difference of arrival,TDOA)方法在定位过程中存在的系统测量噪声和非视距误差,提出了一种基于最优线性无偏估计的TDOA定位算法。该方法首先利用Chan算法计算定位初始位置,在初始位置处泰勒级数展开得到位置...为了减小到达时间差(time difference of arrival,TDOA)方法在定位过程中存在的系统测量噪声和非视距误差,提出了一种基于最优线性无偏估计的TDOA定位算法。该方法首先利用Chan算法计算定位初始位置,在初始位置处泰勒级数展开得到位置估计量的线性模型,并求取误差加权矩阵、系数矩阵及协方差矩阵等参数;然后采用加权最小二乘法对最终位置进行最优无偏估计,同时推导出定位误差的最小方差阵。仿真实验结果表明,在相同环境下该算法的定位精度优于Chan和Taylor算法,同时显著减小了算法的运算量。展开更多
针对非视距环境,提出AOA-TOA重构的单站定位算法。算法分两步进行,第1步基于单次散射模型给出了一种关于波达角度(angle of arrival,AOA)的粗略的重构方法;第2步以单基站测得的波达时间(time of arrival,TOA)和AOA等信息,结合散射体分...针对非视距环境,提出AOA-TOA重构的单站定位算法。算法分两步进行,第1步基于单次散射模型给出了一种关于波达角度(angle of arrival,AOA)的粗略的重构方法;第2步以单基站测得的波达时间(time of arrival,TOA)和AOA等信息,结合散射体分布模型的统计特性,对现有的AOA重构算法进行拓展,以最大似然估计法对TOA重构。改进了传统的单目标参数重构模式,实现了在非直达波(non-line-of-sight,NLOS)环境下基于散射体分布模型的单基站定位,并具有较高定位精度。仿真结果验证了该算法的有效性,同时,仿真结果还验证了该算法在密集多径环境下比多径稀疏的环境有更好的定位性能。展开更多
文摘考生异常行为的监测容易使监考人员产生视觉疲劳。借鉴监考人员发现异常的过程,提出一种可用于考场异常行为分析的视线估计模型。为了减少图像中视线的信息损失,采用注视向量表示视线的大小和方向。该模型分为生成器、视线合成模块、鉴别器,先将考生头部图像输入生成器生成注视向量,再将头部位置和注视位置输入到合成模块得到真实注视向量。将头部图像与上述所得的两种向量输入鉴别器中,其生成对抗模式达到最优时,可得到生成真实值的生成器模型。实验结果表明,在多个考场环境中,该方法的性能优于所对比的几种方法。其中与Lian等人方法相比AUC(Area Under Curve)提高了2.6%,Ang(Angular error)和Dist(Euclidean distance)分别有效降低了20.3%和8.0%。
文摘为了减小到达时间差(time difference of arrival,TDOA)方法在定位过程中存在的系统测量噪声和非视距误差,提出了一种基于最优线性无偏估计的TDOA定位算法。该方法首先利用Chan算法计算定位初始位置,在初始位置处泰勒级数展开得到位置估计量的线性模型,并求取误差加权矩阵、系数矩阵及协方差矩阵等参数;然后采用加权最小二乘法对最终位置进行最优无偏估计,同时推导出定位误差的最小方差阵。仿真实验结果表明,在相同环境下该算法的定位精度优于Chan和Taylor算法,同时显著减小了算法的运算量。
文摘针对非视距环境,提出AOA-TOA重构的单站定位算法。算法分两步进行,第1步基于单次散射模型给出了一种关于波达角度(angle of arrival,AOA)的粗略的重构方法;第2步以单基站测得的波达时间(time of arrival,TOA)和AOA等信息,结合散射体分布模型的统计特性,对现有的AOA重构算法进行拓展,以最大似然估计法对TOA重构。改进了传统的单目标参数重构模式,实现了在非直达波(non-line-of-sight,NLOS)环境下基于散射体分布模型的单基站定位,并具有较高定位精度。仿真结果验证了该算法的有效性,同时,仿真结果还验证了该算法在密集多径环境下比多径稀疏的环境有更好的定位性能。
