负载口独立控制系统非线性滤波振动抑制方法

针对负载口独立控制系统在作业过程中时常因控制信号突变而造成执行器速度振荡及液压缸两腔压力波动,从而导致操作舒适性和机器可靠性降低甚至引发安全事故的问题,首先,分析了负载口独立控制系统压力流量复合控制策略以及传统阻尼补偿方法抑振的局限性,阐明了引发速度振荡与压力波动的原因;然后,基于该控制系统,提出了采用非线性滤波器修改突变控制信号的抑振方法,并给出了非线性滤波器的边界选取原则;最后,设计了负载口独立控制系统的进出口阀控制器,通过修改参考流量信号,降低了不同突变信号对执行器速度带来的影响。基于20 t挖掘机负载口独立控制系统开展数值仿真,结果表明:相较于传统阻尼补偿方法,采用所提方法能够有效降低阶跃、斜坡信号引起的执行器速度振荡与压力波动,且在动臂液压缸全伸、全缩典型工况下压力波动较小,并使速度振荡降低了32.5%~64.7%,从而有效改善了系统的动态特性。

基于神经网络的非线性滤波残差估计非均匀校正算法

目前由于非均匀性技术的限制,红外焦平面阵列具有条纹非均匀性,这种非均匀性一般是一种固定的模式噪声,它会在原有非均匀性的基础上随着时间和温度的变化而变化。传统的残差计算忽略了非均匀性的特点,场景细节的变化会被误认为非均匀性而被过滤掉。提出了一种基于场景的条纹非均匀性校正算法。该方法采用非线性滤波的方法滤除单柱图像的非均匀性,并计算与原始图像的实际残差,然后利用前一帧的预测残差和实际残差得到当前残差。最后,根据场景鬼影抑制参数自适应校正计算增益系数和偏置系数。实验结果表明,提出的算法在200帧测试图像中滤除了61.3%的非均匀性,与其他自适应校正算法相比,非均匀性校正效果更明显,并且在一定程度上有效地保护了图像边缘,收敛速度快,质量高,能有效去除列条纹和非均匀随机噪声。

受观察噪声影响的不可料非线性滤波方程及线性滤波稳定性

针对一类不可料信号过程噪声与观察过程噪声相关的非线性系统,借助信息域扩张方法,将该系统转化为关于扩张信息域相适应的更高维系统,然后导出高维适应系统的Zakai方程和Kushner-FKK方程及其在线性情况下的显式解.作为应用,得到一类不可料常系数线性系统滤波的渐近稳定性.

随机波动方程的非线性滤波的极限行为

研究一类白噪声驱动的随机波动方程.在获得随机波动方程依分布收敛到其极限系统后,使用指数鞅技术、Kallianpur-Striebel公式和Skorokhod表示定理,证明了随机波动方程和其极限系统在带有Lévy噪声的观测系统中所生成的非线性滤波的收敛行为.

一种卡尔曼滤波与粒子滤波相结合的非线性滤波算法

提出一种基于卡尔曼滤波与粒子滤波的非线性滤波算法.这种方法对于状态变量服从线性变化而观测方程为非线性的动态系统模型具有显著的效果.首先使用粒子滤波对状态变量进行初估计,然后对估计结果进行卡尔曼滤波,另外推导出该系统模型下状态变量估计误差的克拉美劳下界.通过计算复杂度分析及仿真实验验证,表明新方法与标准粒子滤波算法复杂度相当,但参数估计精度要高于标准粒子滤波以及扩展卡尔曼滤波算法,估计误差甚至要低于系统模型的克拉美劳下界.

一类非线性滤波器——UKF综述

回顾了UKF算法的发展,从一般意义讨论了UT变换算法和采样策略的选择依据,并给出了UKF算法描述.从条件函数和代价函数入手,在给出多种采样策略的基础上对UKF采样策略进行了分析和比较.最后对UKF算法未来可能的研究方向进行了探讨.

光电跟踪目标的非线性滤波算法研究

推广卡尔曼滤波算法由于忽略线性化误差,当目标距离超过一定限度时,导致跟踪精度迅速下降,易发散。为此,提出了一种以改进跟踪性能的滤波算法。该算法是基于对实际测量噪声方差的正确估计。将距离测量值的非线性作为附加的噪声,进行补偿,克服了非线性的影响,距离测量误差的方差每一步重新估计。仿真结果表明本文提出的算法优于推广卡尔曼滤波算法。

一种抑制符号速率估计背景色噪声的非线性滤波算法

数字调制信号符号速率估计的依据是循环平稳理论,由于信号的符号速率就是其基本循环频率,因此可以通过提取信号非线性变换(例如循环自相关函数)的循环频率获知符号速率.但是,非线性变换不仅能产生对应于符号速率的正弦分量及其各次谐波,还会将信号自身转变成不利于谱线提取的连续有色噪声(其能量主要分布在低频部分).当观察数据长度有限时,自噪声对谱线提取的影响尤其明显.本文深入研究了数字调制信号非线性变换的频域特征,充分利用离散频率分量不同于连续噪声而在其邻域内突起的显著特点,提出一种能够有效抑制背景色噪声的非线性滤波算法.文中详尽的Monte Carlo仿真验证了算法的有效性.

扩频通信中干扰抑制的自适应非线性滤波技术

本文研究了自适应非线性滤波在直扩通信中抑制窄带干扰的应用，修正了Ｖｉｊａｙａｎ和Ｐｏｏｒ所采用的抽头更新算法，使非线性滤波的性能明显改善。同时把自适应非线性横向滤波结构推广到Ｌａｔｔｉｃｅ结构，提高了收敛速度。

一种改进的图像自适应非线性滤波方法

针对图像的保边光滑问题,分析了Perona Malik(PM)方程的非线性滤波扩散行为,利用保边正则化思想给出了由一种新的各向异性扩散方程所决定的图像自适应光滑算法.这种新的各向异性扩散滤波方法与PM方程的不同之处在于:扩散系数不是直接来源于图像的梯度幅值,而是在图像梯度模基础上恢复出图像的边缘信息.实验结果表明,所提方法对图像边缘的恢复结果要比PM的方法具有更高的可靠性和准确性.

改进的非线性滤波方法在中高山地区的应用

中高山地区地形复杂,飞行高度较高,航磁测量获得的磁异常强度相对弱小。为了更有效地利用高精度航空磁法测量得到的磁异常信息,在充分论证中高山区弱磁异常存在的可靠性基础上,结合中高山地区特点,提出了改进的非线性滤波方法,并给出其实际应用效果。

非线性滤波CRLB推导及在目标跟踪中的应用

针对可叠加零均值高斯白噪声的非线性滤波,利用无迹变换,推导出理论上的误差性能下界Cramér-RaoLow Bound(CRLB)。在利用光电信号对目标进行纯方位角跟踪中,提出一种次优的非线性滤波算法——距离参数化无迹卡尔曼滤波(RPUKF)。仿真中将其和距离参数化扩展卡尔曼滤波(RPEKF)的性能曲线以及理论性能下界做了比较。结果表明,两种次优算法的曲线逐渐逼近理论下界,且PRUKF性能更优。

非线性滤波器在红外图像增强中的应用

讨论了非线性滤波器在红外图像增强中的应用。首先提出了改进的基于局部统计特性的红外图像对比度增强算法，然后给出了基于（α，β） 裁剪均值滤波器的红外图像噪声滤除算法，最后通过计算机仿真实验表明，改进的对比度增强算法其性能优于灰度线性变换； （α，β）裁剪均值滤波器不仅具备了普通均值滤波器和中值滤波器的优点，而且还克服了两者的不足，有效地滤除了高斯分布、脉冲及均匀分布噪声。

基于姿态角辅助非线性滤波算法的机动目标跟踪

基于扩展卡尔曼滤波思想,本文提出了一种融合姿态角信息的非线性滤波算法.通过分析目标二维和三维运动特征与姿态角的关系,以姿态角和速度模值为控制项,建立状态方程和量测方程,对目标的位置状态进行估计,实现了姿态角信息和位置信息的有效融合.姿态角在不同随机噪声条件下的仿真实验结果验证了算法的准确性和实时性.

一种用于解决非线性滤波问题的新型粒子滤波算法

粒子滤波算法受到许多领域的研究人员的重视,该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度.在扩展卡尔曼滤波和Unscented卡尔曼滤波算法的基础上,该文提出一种新型粒子滤波算法.首先用Unscented卡尔曼滤波器产生系统的状态估计,然后用扩展卡尔曼滤波器重复这一过程并产生系统在k时刻的最终状态估计.在实验中,针对非线性程度不同的两种系统,分别采用5种粒子滤波算法进行实验.结果证明,文中所提出的算法的各方面性能都明显优于其他4种粒子滤波算法.

基于非线性滤波环节的新型鲁棒PID控制策略的研究

将非线性滤波环节与传统的PID控制策略相结合,提出了一种基于非线性滤波环节的新型鲁棒PID控制策略,从频率特性角度分析了利用该控制策略提高过程控制系统鲁棒性的机理,进行了阶跃扰动和方波扰动下过程控制系统响应特性的仿真试验,采用该控制策略对某电厂过热汽温调节系统进行了优化.结果表明:该新型PID控制策略能够在提高系统响应速度的同时增强系统的稳定性,进一步提升了传统PID控制策略的鲁棒性,可获得更为优良的控制品质.

递归贝叶斯估计框架下的非线性滤波算法综述

对递归贝叶斯估计框架下的非线性滤波(Nonlinear Filter,NF)算法进行分类,根据NF算法设计思想的不同把它们分为基于函数拟合/变换的NF算法、基于矩拟合的NF算法和基于条件后验概率密度函数拟合的NF算法。同时,还论述了线性回归卡尔曼滤波算法、二阶分离差分卡尔曼滤波算法、Unscented Kalman Filter算法和高斯-厄米特滤波算法四者间的共性与区别,指出了基于NF算法间相互融合的新NF算法设计的不足,分析了上述三类NF算法设计思想的完备性,发现了一些NF算法设计思想中的不足,明确了NF算法将来的突破方向。

基于奇异值分解的非线性滤波算法

为了克服强单音干扰条件下传统的线性预测滤波方法抗干扰性能不佳的问题,提出了一种联合奇异值分解(SVD)和非线性滤波抑制直接序列扩频通信(DS/SS)中单音干扰的方法,建立了相应的系统模型,并与传统的线性和非线性滤波器的误码率进行了比较.仿真结果表明,基于SVD的非线性滤波算法对干扰有很强的抑制能力,较好地改善了系统的性能.

四轴飞行器组合导航非线性滤波算法

四轴飞行器是无人机(UAV)的研究热点。以四轴飞行器导航系统为研究对象,研究非线性滤波算法即扩展卡尔曼滤波(EKF)和不敏卡尔曼滤波(UKF)在四轴飞行器导航系统中的应用,融合视觉传感器与惯性导航传感器的位置信息,给出载体最优的位置估计。在四轴飞行器的数学模型的基础上,建立四轴飞行器的状态方程,根据EKF和UKF的递推方程,并对比经典的Kalman滤波方法,分析不同滤波算法针对四轴飞行器的适应性。仿真结果表明,UKF和EKF比Kalman滤波更能适应四轴飞行器的非线性特征,能取得更好的融合效果,而UKF又优于EKF。

车载DR导航的非线性滤波方法研究

针对扩展卡尔曼滤波方法(EKF)用于车载DR导航系统滤波中存在的一些缺点,将一种新的滤波方法—UKF滤波方法用于车载DR导航系统的非线性状态估计中。该滤波方法与EKF方法相比具有容易实现和滤波精度高的特点。通过非线性状态估计UKF方法大大提高了导航系统的精度。为了检验其有效性,将这两种方法分别对车载DR导航系统进行滤波仿真,仿真结果进一步表明UKF方法优于EKF方法,是一种理想的车载DR导航非线性滤波方法。