基于虚拟噪声模型补偿AUV导航算法研究

自主式水下机器人(AUV)同时定位与环境地图构建(SLAM)是实现水下未知环境自主导航的关键性技术,是机器人研究的热门课题之一。针对自主式水下机器人SLAM框架下应用扩展卡尔曼滤波(EKF)因模型线性化产生误差以及噪声统计未知的情形,采用一种基于虚拟噪声补偿技术的EKF算法,该方法可以把未知模型误差归入到虚拟噪声中去,运用噪声统计估值器在线估计噪声统计。以构建的AUV运动系统的模型为基准,从滤波精度、收敛性及算法稳定性方面,通过matlab仿真验证改进的EKF算法的效果。仿真结果表明,相对于传统的EKF算法,改进后的EKF算法估计精度更高,预期效果更好,有效提高了非线性滤波的性能。

使用虚拟噪声补偿技术的自适应kalman滤波算法的研究

研究使用虚拟噪声补偿技术的自适应kalman滤波算法。首先对实际系统模型中的误差部分进行虚拟噪声补偿,然后通过一般自适应kalman滤波算法相结合,使改进的自适应kalman滤波算法在带有模型误差和噪声统计特性误差的前提下,能够在线估计观测随机误差的噪声特性。并编制仿真软件,验证改进算法的可行性。

一种引入虚拟噪声分量的独立分量分析语音增强算法

简要介绍了有关独立分量分析(ICA)的基本理论和算法后,探讨了独立分量分析在语音增强中的应用。针对在加噪模型中进行ICA分离时,噪声消除比较困难这一问题通过理论分析,引入了虚拟高斯白噪声的概念,将其应用在ICA的语音增强算法中得到了解决。仿真试验结果表明,该方法能有效地消除语音信号中的白噪声。

双能量CT非线性融合和噪声优化的虚拟单能量图像技术在喉鳞状细胞癌中的应用

目的:探讨双能量CT线性融合图像(linear blending imaging,LBI)、非线性融合图像(nonlinear blending image,NBI)和噪声优化的虚拟单能量图像(noise-optimized virtual monoenergetic image,VMI+)技术在喉鳞状细胞癌中的应用价值。方法:回顾性分析2019年6月至2022年3月61例经病理证实为喉鳞状细胞癌患者的双能量CT资料。双能量图像采用LBI[融合系数为1(80 kV)和0.6(M0.6)]、NBI和VMI+(40 keV、55 keV)技术重建。比较5组图像的客观图像质量[对比噪声比(contrast-tonoise ratio,CNR)、肿瘤CT值、噪声]和主观图像质量(肿瘤边界评分和整体图像质量评分)。结果:40 keV的CNR、肿瘤CT值和肿瘤边界评分均明显高于80 kV、M0.6、NBI和55 keV,差异均有统计学意义(均P<0.05)。NBI的整体图像质量评分明显高于80 kV、M0.6、40 keV和55 keV,差异均有统计学意义(均P<0.05)。NBI的噪声明显低于80 kV、40 keV和55 keV,差异均有统计学意义(均P<0.05)。结论:在喉鳞状细胞癌的双能量CT中,采用VMI+技术(40 keV)能提供更好的CNR、肿瘤CT值和肿瘤边界,采用NBI技术能提供更低的噪声和更好的整体图像质量。

虚拟式噪声分析仪的数字计权与开发

传统的噪声倍频程分析仪由硬件滤波网络和计权网络构成。为了利用软件实现噪声倍频程分析 ,提出了一种基于FFT的数字计权方法。利用这一方法 ,可以实现虚拟噪声分析仪的数字计权和数字式系统误差修正。由于采用了数字计权和数字式系统误差修正技术 ,仪器的精度和稳定性得到很大的提高。作为一个应用 ,结合系统误差数字修正技术和数字计权技术 ,开发出了高精度、低成本虚拟实时噪声倍频程分析仪。

噪声优化的虚拟单能量成像技术在双能量CTPA图像中的应用研究

目的探讨噪声优化的虚拟单能量成像技术(Noise-optimized Virtual Monoenergetic Image,VMI+)优化CT肺动脉成像(CT Pulmonary Angiography,CTPA)图像质量、提高栓子检出效能和降低辐射剂量的可行性。方法选取2020年7至2021年3月在我院行CTPA检查的61例患者作为研究对象,随机分为两组,A组为双能量扫描(80/Sn140 kV,30例),B组为单能量扫描(120 kV,31例)。A组使用线性融合技术(Linear Blending,LB)获得M=0.6的LB图像(A1组),使用VMI+技术获得VMI40+图像(A2组)和VMI60+图像(A3组)。比较4组图像的信噪比(Signal to Noise Ratio,SNR)、对比噪声比(Contrast to Noise Ratio,CNR)和主观图像质量;比较A1组、A2组和A3组图像的栓子检出量和显示清晰度;比较A组和B组的辐射剂量。结果A2组和A3组的CNR值均显著高于A1组和B组(P<0.05)。A3组SNR显著优于A2组(P<0.05),A3组、A1组和B组3组SNR无统计学意义差异(P>0.05);4组图像质量主观评分差异有统计学意义(P<0.05),且A3组评分最高;A2组和A3组段以下栓子显示清晰度和检出量无统计学意义差异(P>0.05),但均高于A1组(P<0.05)。A组有效辐射剂量显著低于B组(P<0.05)。结论VMI+技术能提高CTPA图像质量、栓子检出效能和降低辐射剂量,可为临床诊断肺栓塞提供更可靠的影像资料。

基于Logist方程和Labview的虚拟白噪声发生器的设计

首先说明确定的非线性方程可以发展成为混沌的过程 ,继而由信号的统计特性和时频特性证明了Logist序列是平稳的随机过程。通过比较Logist混沌序列和白噪声的统计特性和时频特性 ,说明当 μ =4时的Logist方程可以产生白噪声 ,并以Labview为平台 ,设计了一台简易的虚拟白噪声发生器。

噪声优化的虚拟单能成像技术在口腔金属植入物患者CT图像中的应用价值

目的对比噪声优化的虚拟单能成像(VMI+)与传统的虚拟单能成像(VMI)对具有金属植入物的口腔癌患者CT图像的影响。方法回顾性收集2019年8月至2020年4月我院第三代双源CT行颌面部扫描且含有金属植入物的54例患者资料。使用静脉期分别重建VMI+和VMI在40~190 keV区间(10个keV为间隔)的图像。四名医生进行了定性和定量分析,包括CT值、噪声(SD)、伪影指数(AI)和主观评估,并对VMI+和VMI图像中的高密度伪影、低密度伪影、软腭、口底、舌、颊部软组织、皮下脂肪、肿瘤、颈内动脉(ICA)和颈内静脉(IJV)进行了比较。结果在120 keV VMI+中,口底、舌和IJV的AI值最低;在130 keV VMI+中,低密度伪影和肿瘤的AI值最低;在150 keV VMI+中,ICA的AI值最低;在160 keV VMI+中,颊部的AI值最低;在190 keV VMI+中,高密度伪影和软腭的AI值最低。与所有VMI系列相比,VMI+系列的AI值较低,除了高致密伪影、颊部和肿瘤的AI值(均P<0.05)。高密度伪影的图像评分在190 keV VMI+最高,软腭在180 keV VMI+最高,颊部在160 keV VMI+最高,低密度伪影、口底、舌、肿瘤、ICA和IJV在130 keV VMI+最高(均P<0.05)。在130 keV VMI+时,整体图像质量是最好的(均P<0.05)。结论双源CT的高keV VMI+技术能有效减少金属伪影并提高图像质量,130 keV VMI+图像能兼顾最佳伪影去除效果及良好的组织对比。

基于EMD虚拟通道的ICA算法在信号消噪中的应用

提出了一种由经验模态分解构造虚拟噪声通道,结合独立分量分析进行信号消噪的方法.在分析经验模态分解及独立分量分析优越性基础上,阐述了构造虚拟噪声通道的基本原理,给出了具体构造方法.用固有模态函数的Hilbert时频谱作为虚拟噪声通道重构分量选择的依据.仿真计算表明,该方法对白噪声的消除是有效的,消噪效果较为理想.与传统小波方法比较,具有优势.

带不确定方差乘性和加性噪声系统鲁棒加权融合稳态Kalman估值器

本文研究带不确定方差乘性和加性噪声和带状态相依及噪声相依乘性噪声的多传感器系统鲁棒加权融合估计问题.通过引入虚拟噪声补偿乘性噪声的不确定性,将原系统化为带确定参数和不确定加性噪声方差的系统,进而利用Lyapunov方程方法提出在统一框架下的按对角阵加权融合极大极小鲁棒稳态Kalman估值器(预报器、滤波器和平滑器),其中基于预报器设计滤波器和平滑器,并给出每个融合器的实际估值误差方差的最小上界.证明了融合器的鲁棒精度高于每个局部估值器的鲁棒精度.应用于不间断电源(uninterruptible power system,UPS)系统鲁棒融合滤波的仿真例子说明了所提结果的正确性和有效性.

基于虚拟通道独立分量分析的阻抗胃动力消噪

为消除胃动力阻抗信号中混叠的噪声信号,利用独立分量分析的冗余取消特性,提出一种新的胃动力阻抗信号消噪方法。采用经验模态分解构造虚拟噪声通道,将一维原始胃动力阻抗信号扩展为多维观测信号,应用FastICA算法对其实施盲分离。仿真实验结果表明,该方法能有效消除叠加在胃动力阻抗信号中的噪声,不需要大量的观测样本,可运用独立分量分析实现对单个观测样本的消噪处理。

木工宽带砂光机噪声传播声压等值线图制作方法新探

为了提高现场测试的效率和数据的准确度,该文提出了一种基于噪声衰减原理而建立虚拟噪声源的方法.利用该方法,可以根据有限的实际测量数据,对实际测点周边的噪声值进行预测计算,绘制噪声传播线图,过程简便,结果一目了然.通过该方法计算的预测噪声值与实际值进行比较,验证了该方法的精度和可行性,比较客观地反映了区域噪声污染现状和噪声污染在区域内的变化情况。

带不确定参数和噪声方差的鲁棒观测融合Kalman滤波器

对带不确定参数和噪声方差的多传感器定常系统,引入虚拟白噪声补偿不确定参数,可将其转化为带已知参数和不确定噪声方差系统.应用极大极小鲁棒估值原理和加权最小二乘法,基于带噪声方差保守上界的最坏情形保守系统,提出了鲁棒加权观测融合Kalman滤波器,并证明了它与集中式融合鲁棒Kalman滤波器是等价的,且融合器的鲁棒精度高于每个局部滤波器鲁棒精度.一个Monte-Carlo仿真例子说明了如何寻求不确定参数的鲁棒域和如何搜索保守性较小的虚拟噪声方差上界.

双能量CT虚拟单能量成像能级设置对炎症性肠病图像质量的影响

目的:评估炎症性肠病(inflammatory bowel disease,IBD)患者腹部双能量CT(dual-energy CT,DECT)扫描不同能级噪声优化的虚拟单能量图像(noise-optimized virtual monoenergetic imaging,VMI+)的主观和客观图像质量,得出最佳重建参数,提高IBD诊断准确率。方法:选取2016年4月到2017年6月确诊为IBD的32名患者腹部DECT扫描图像进行线性融合(M_0.6)、VMI+、传统虚拟单能量图像(virtual monoenergetic imaging,VMI)重建,虚拟能级为40~100 ke V,间隔为10 ke V。以病变肠段部位的图像信噪比(signal-to-noise ratio,SNR)和对比噪声比(contrast-to-noise ratio,CNR)作为客观图像质量评价标准,主观图像质量评价由3名放射科医生对总体图像质量、锐利度、病变轮廓、噪声4个方面进行双盲评估。结果:客观图像质量评价最佳重建参数为40 ke V VMI+(SNR 8.28±2.34;CNR 5.10±2.10),优于线性融合图像(SNR 5.82±1.44;CNR 1.53±0.86)和传统VMI(P<0.01)。主观图像质量评价中,50 ke V VMI+总体图像质量(均值4.80)高于其他图像(P<0.01),40和50 ke V VMI+锐利度最高(均值分别为4.14和4.25,P=0.415),40 ke V VMI+显示病变轮廓能力评分高于其他图像(均值4.52,P<0.01)。100 ke V VMI+和100 ke V VMI噪声最低(均值分别为4.58和4.40,P≥0.11)。结论:相比于线性融合和传统VMI重建,低能级VMI+可显著提高IBD病变部位的腹部DECT扫描图像的主观和客观图像质量。

基于独立分量分析的EGG噪声消除方法

为了消除体表EGG采集时混叠的噪声信号,利用独立分量分析的冗余取消特性,EMD方法得到原始信号固有模态函数(IMF),并根据IMF的Hilbert时频谱作为虚拟噪声通道重构分量的选择依据,将一维信号扩张为多维观测信号,然后再利用Fast ICA算法对其实施盲分离,有效的消除了EGG混叠的噪声信号,得到了清晰的EGG波形。

基于XDSL串扰噪声的应对技术分析研究

在DSL运行环境中,由于电缆内部线对间的非屏蔽而存在电磁耦合导致的串扰。串扰噪声造成XDSL速率下降甚至重训练,影响业务质量。本文对串扰导致的性能损失和导致重训练的原因进行分析并且就解决串扰导致稳定性问题的方法进行探讨。

一种旋转机械振动信号的盲源分离消噪方法

为了消除旋转机械振动信号中不同类型的噪声,提出了一种基于虚拟信号(virtual signal,简称VS)的多级独立分量分析(independent component analysis,简称ICA)的消噪方法。通过引入与测量噪声匹配的虚拟噪声通道,将单通道观测信号扩展为多通道观测信号,用独立分量分析方法消除与数据采集系统相关的测量噪声。将振源信号的组合(有用信号)视为一个虚拟源,对消除了测量噪声的两通道观测信号再次用独立分量分析方法实现有用信号和背景噪声的分离,从而达到消除背景噪声的目的。试验表明,该方法可以得到很好的消噪结果,有效提高信号的信噪比。

混合坐标下的卡尔曼滤波应用于水下被动目标跟踪

针对水下被动目标跟踪数据率低、跟踪误差大的特点和难点 ,研究了混合坐标下的自适应推广卡尔曼滤波算法 ,并将其应用于水下被动目标跟踪估计器设计。该算法充分应用了直角坐标系下动态方程的线性特性和极坐标系下测量方程的线性特性 ,针对两坐标体系间协方差矩阵变换的近似 ,引入了虚拟噪声进行补偿。通过系统的 Monte Carlo仿真结果表明

基于EMD-ICA的激电数据降噪处理方法

针对传统降噪方法处理激发极化法(激电法)测量数据的效果不理想的问题,对经验模态分解方法和独立分量分析技术进行了研究,提出了一种新的激电数据降噪方法。首先,采用经验模态分解方法将原始测量数据自适应分解为有限个固有模态函数,再根据其与激发信号的相关性选择固有模态函数构造虚拟噪声通道,最后利用独立分量分析技术提取多维混合数据中的激电信号。利用仿真信号和实际数据对该方法进行实验,对比普通滤波方法和小波阈值算法,结果表明该方法能有效提高激电数据的信噪比。

不确定系统鲁棒协方差交叉融合稳态Kalman滤波器

针对带不确定模型参数和噪声方差的线性离散多传感器系统,基于极大极小鲁棒估值原理,该文提出一种鲁棒协方差交叉(CI)融合稳态Kalman滤波器。首先,用引入虚拟噪声补偿不确定模型参数,把模型参数和噪声方差两者不确定的多传感器系统转化为仅噪声方差不确定的系统。其次,应用Lyapunov方程证明局部鲁棒Kalman滤波器的鲁棒性,进而保证CI融合Kalman滤波的鲁棒性,且证明了CI融合器的鲁棒精度高于每个局部滤波器的鲁棒精度。最后,给出一个仿真例子来说明如何搜索不确定参数的鲁棒域,并验证所提出的鲁棒Kalman滤波器的优良性能。