From f1610c61f1dcb0fe39de5ddc7f93a0583ec98b37 Mon Sep 17 00:00:00 2001
From: gongwenxin <19376215@buaa.edu.cn>
Date: Mon, 13 Mar 2023 16:00:53 +0800
Subject: [PATCH] gwx

---
 gwx/笔记/调研23.3.5.md | 46 ++++++++++++++++++++++++++++++++++++++
 1 file changed, 46 insertions(+)
 create mode 100644 gwx/笔记/调研23.3.5.md

diff --git a/gwx/笔记/调研23.3.5.md b/gwx/笔记/调研23.3.5.md
new file mode 100644
index 0000000..e17e8d8
--- /dev/null
+++ b/gwx/笔记/调研23.3.5.md
@@ -0,0 +1,46 @@
+缺失值补充、毛刺、滤波
+机理验证 速度、位移，采取到数据校验
+500个点，有异常点位
+
+校验时间，行业解决方案
+dlss3.0，1080 4k，降维升维
+多源融合
+
+DLSS
+- 数万图片训练通用模型
+- 针对特定游戏训练（2.0不需要针对某一游戏训练）
+
+
+缺失值补充
+	一般信息
+		均值，众数
+	时序信息
+	 删除
+	 填充
+		 统计方式填充
+			分析缺失点前后的数据，从而更精准的对缺失数据进行填充。常见的方法有均值填充、中值填充、常用值填充等。但这类方法忽略了数据的时序信息
+		 机器学习
+			 LSTM
+毛刺
+	图像处理
+		可以使用图像锐化处理来增强边界，突出细节，或者增强被模糊了的边缘。
+	一般信息
+		调谐/滤波方法去除毛刺
+
+DLSS3
+	超采样
+		DLSS3的超采样的原理是，它利用AI网络对低分辨率的画面进行分析和重建，生成高分辨率的画面，从而提升画质和性能。
+		用AI进行图像重建
+
+传感器融合
+	弹性交互传感器独立更新方法
+		[多传感器融合专题（二） | 多观测数据信息整合方法讨论 - 知乎 (zhihu.com)](https://zhuanlan.zhihu.com/p/569124652)
+	基于模型的方法（机理
+		基于模型的传感器融合是指利用已知的被测对象或系统的物理模型，对多个传感器的观测数据进行融合，以提高测量的精度和可靠性的方法。基于模型的传感器融合的优点是可以利用模型的先验知识，减少传感器的数量和类型，降低测量的成本和复杂度，提高测量的鲁棒性和适应性。基于模型的传感器融合的缺点是需要准确的模型，否则会导致融合的误差和不稳定性。基于模型的传感器融合的应用领域包括自动驾驶、模型预测控制、多目标跟踪等。
+	基于规则的方法
+		基于规则的传感器融合是指利用人为设定的规则，对多个传感器的观测数据进行融合，以提高测量的精度和可靠性的方法。基于规则的传感器融合的优点是可以利用人的经验和知识，处理不确定性和模糊性的信息，提高测量的灵活性和鲁棒性。基于规则的传感器融合的缺点是需要人工设计和维护规则，难以适应复杂和动态的环境，难以保证融合的一致性和最优性。基于规则的传感器融合的应用领域包括自动驾驶、协方差交叉融合等。
+	基于神经网络的方法
+		基于神经网络的传感器融合是指利用神经网络的非线性拟合能力，对多个传感器的观测数据进行融合，以处理复杂和难以建模的场合的方法。基于神经网络的传感器融合的优点是可以不需要精确的对象模型，具有较强的自适应能力，提高测量的精度和可靠性。基于神经网络的传感器融合的缺点是需要大量的训练数据，计算量较大，难以保证融合的一致性和最优性
+	基于模糊逻辑的方法
+		基于模糊逻辑的传感器融合是指利用模糊推理的原理，对多个传感器的观测数据进行融合，以处理不确定性和模糊性的信息的方法
+				模糊推理是一种使用模糊逻辑制定从给定输入到输出的映射的过程。模糊推理系统由五个功能模块组成：规则库，数据库，决策单元，模糊化接口和反模糊化接口。模糊推理可以处理不确定性和模糊性