新息滤波交互式多模型噪声辨识算法

预先或在线获取系统噪声的统计特性，往往是有效设计一个估计器或控制器的先决条件．早期关于噪声辨识的工作主要针对平稳或统计特性缓变的噪声过程．本文提出一种混合系统噪声辨识新算法，该算法将新息滤波与交互式多模型算法结合起来，前者降低了权概率系数对量测噪声的敏感程度，而后者则是基于混合系统模态的马尔可夫链过程实现多模型的动态交互与动态切换．仿真结果证明了本文新算法的有效性．

基于心理声学分析的车内异常噪声辨识

介绍了车内异常噪声辨识的心理声学分析方法 ;指出基于心理声学的分析方法考虑了人耳听觉特性 ,能够定量地反映不同噪声的主观感受差别 ,较好地符合异常噪声辨识要求。在试验测试基础上 ,从响度、粗糙度、尖锐度和抖动度等方面对车内噪声品质进行了对比分析。

一种改进的多模型噪声辨识方法

在混合系统参数估计问题中,交互式多模型算法是一种比较有效的求解方法。但是当系统机动模式较多时,模型集中的模型数目也随之增加。针对模型集过大导致的参数估计精度下降的现象,提出了一种改进的多模型算法,并将其应用于系统噪声辨识。它利用多扫描量测信息,采用离散优化技术,获得近似于系统的实际噪声水平的最优的子模型集。然后,利用此进行噪声估计作为结果输出。Monte Carlo仿真结果表明了新算法估计精度优于标准IMM算法。

线性动态系统噪声辨识的非参数贝叶斯推理算法研究

提出一新的非参数贝叶斯推理算法来辨识任意复杂的多模噪声分布,采用无穷维推理技术,能够较为精确地逼近噪声的后验分布。算法主要引入一随机度量分布满足一预设的先验过程——混合Dirichlet过程(Dirichlet Process Mixture,简称DPM),由于DPM具有形似于Polya urn的采样特性,能够很方便地对噪声数据进行聚类,并导出噪声的后验分布。仿真结果显示,噪声数据似然的Metropolis-Hastings(M-H)的采样算法比点估计的系统分析算法精度高。

应用电导探针技术识别气液两相流流型方法及电导波动信号噪声的辨识

针对垂直上升管的气液两相流流型的识别,提出了一种多电导探针测量系统,该测量系统由3个电导探头组成电导传感器,在此基础上利用INV306型数据采集卡实现了电导波动信号的数据采集。由于各种生产过程的参数进行测量时不可避免地信号中存在噪声信息,通过对信号的小波分解和自相关函数的分析发现电导波动信号为低频信号,且其频率一般不会超过128Hz。又通过对信号进行了小波去噪和傅立叶变换去噪之后发现利用小波分析进行信号的消噪可以很好的保存原信号中的有用部分,其有着傅立叶分析不可比拟的优点。

利用噪声相对量辨识与优化齿轮敲击噪声

以人耳听觉特性为基础,提出运用噪声相对量辨识和优化齿轮敲击噪声的方法.该方法首先对测量得到的噪声信号进行外耳、中耳和内耳噪声传递特性滤波,然后进行回归与平滑处理获得稳态噪声信号,将滤波后的噪声信号减去稳态噪声信号,得到的噪声相对量即为非承载齿轮对的瞬态敲击噪声信号,最终辨识出齿轮敲击噪声的发生时刻、频率范围和水平.辨识结果与人的主观感受一致,齿轮敲击噪声被准确辨识.利用该方法得到了各非承载挡的敲击噪声贡献量,确定倒挡是齿轮敲击噪声的主要噪声源.采用提高倒挡齿轮对加工精度使其最小间隙减小约50.0%后,齿轮敲击噪声水平降低了17.4%,齿轮敲击噪声性能得到有效改善.

某型吸油烟机的振动和噪声源辨识

对某型吸油烟机进行振动和噪声测试与分析,目的是找出该机型的主要振动和噪声源。根据国家标准,在半消声室条件下,采用传声器和振动加速度计等精密仪器对其振动和噪声进行测量,并采用频谱分析等手段分析了测量数据,找出了主要的噪声源,并对产品设计提出了改进意见。

基于局部近场声全息的噪声源辨识研究

基于波叠加的理论思想,提出了一种基于波叠加方法的迭代算法来实现全息数据外推以解决传统近场声全息要求全息孔径大的问题,实现了近场声全息对局部声场的重建。由于噪声源识别问题对测量误差非常敏感,采用了结合L曲线准则的Tikhonov正则化方法进行正则化滤波。在半消声室内采用音响模拟噪声源进行验证,实验结果表明,该方法在小全息孔径条件下可以准确地对辐射体进行声场重构,减少了对全息孔径大小的要求,为其在工业现场中的应用奠定了基础。

幂律谱模型原子钟钟差仿真与噪声类型辨识

文章针对模拟和研究卫星导航系统钟差预报-9综合原子时算法的需要，首先提出了一种基于幂律谱模型的原子钟数据模拟方法；然后设计了一种原子钟单项随机噪声的测试验证方法，利用两种Allan方差相结合的斜率法进行相位噪声辨识，Allan方差曲线的斜率与幂律谱模型表示一致，相对理论值的最大误差不超过12％；最后利用实测GPS数据进一步分析，验证了采用两种Allan方差方法辨识相位噪声的可行性。

一种改进的螺旋桨相同步控制噪声模型辨识方法

阐述了相同步控制降噪的原理及简化噪声模型的建立方法;针对传统的辨识方法无法满足分布式方案的缺点,提出一种简化噪声模型的改进辨识方法,该方法能大大降低模块之间的通信实时性需求,提高相角寻优方案的可实施性,还能提高简化噪声模型的辨识精度;并采用HS-DY混合共轭梯度法提高求解速度,使改进的方法满足控制实时性要求;研究了不同的数据采集条件对辨识精度的影响,得到了合适的采集条件为取5~10个周期的数据;基于本文搭建的实验平台对改进的方法进行了验证,结果表明改进的方法比传统方法能更准确地预测最优相角,辩识精度提高约7°。

汽车空调出风口啸叫的辨识及机理探究

通过近场测量法获得实车空调出风口啸叫的声压数据,并分析其频谱,又通过耦合气动-声学数值计算研究流场结构并探究啸叫机理。试验结果表明,啸叫的发生与空调出风口的风门位置和内外压差联系密切。当幅值-频域信号中2 k Hz以上部分存在明显的频谱峰值时,啸叫明显。啸叫产生的机理在于拟序涡结构脱落引发的有规律的压力脉动,辐射后形成较为规则的声压脉动。为预测啸叫、改进设计、预防啸叫提供理论依据。

基于双层神经网络模型参数辨识的变结构多模型自主导航方法

在卫星拒止环境下,井下采煤机定位方式通常采用惯导/里程计的组合导航方式。但在采煤机开采过程中产生的复杂振动会引起传感器时变和非线性的器件误差,导致传统卡尔曼滤波精度下降。针对这一问题,提出了一种基于双层神经网络模型参数辨识的改进变结构多模型导航算法(TVSMM)。设计了一种基于支持向量机(SVM)和极限学习机(ELM)相结合的双层神经网络对系统噪声变化特性进行训练和辨识,实现快速、准确地辨识导航系统模型参数。仿真结果表明,通过双层神经网络模型参数辨识相较于单层神经网络的模型参数辨识精度提高12%。基于TVSMM的井下惯导/里程计组合导航算法可有效抑制振动噪声带来的航向角发散,航向精度提升42%,水平定位精度提升43%,对井下复杂环境中的自主导航定位具有较好的参考应用价值。

高速铁路噪声源区划及各区域声源贡献量分析

研究高速铁路噪声源区划方法并分析各区域声源贡献量,对高速铁路噪声治理有重要意义。基于高速铁路噪声源辨识现场测试,分析得到噪声源的位置和幅值。将噪声源按高度划分为轮轨区、车体下部、车体上部、集电系统和桥梁结构等5个区域,进一步将车体上部沿线路方向划分为车头区和非车头区,将集电系统区域沿线路方向划分为受电弓区和接触网区。根据声波能量叠加原理计算每个区域噪声源辐射功率,研究各个区域声源贡献量。分析结果表明,列车以300 km/h运行时,轮轨区噪声占48%,车体下部噪声占25%,合计占总噪声的73%,对高速铁路辐射噪声起主导作用。

基于阶次跟踪的某校车车内异常噪声试验研究

某校车在一定车速范围内出现异常噪声,极大地影响车内乘员的乘坐舒适性,对该现象进行了试验研究。首先,通过40~80 km/h车速匀速行驶工况的试验,对车内异常噪声进行测试,确定其特征频率;然后,进行3挡与4挡的全油门加速行驶试验,采用阶次跟踪方法对测量结果进行处理,得到异常噪声的特征分量以及对应的阶次,确定后桥主减速器齿轮异常磨损为校车车内产生异响的主要原因;最后,对后桥主减速器齿轮进行更换,消除了该校车的车内异响,并通过试验进行了验证。该研究对动力总成系统导致的异常噪声研究与消除提供依据,对噪声源识别有重要价值。

两级交互式多模型算法

在混合估计中 ,交互式多模型滤波器 ( IMM—— Interacting Multiple Model)以其优越的性能而受到广泛的研究 .由于马尔可夫参数的限定 ,交互式多模型在模型数较多时会出现精度下降 ,从而限制了它在高维参数空间建模的有效性 .利用模型集的概念 ,首次提出了双马氏过程的模型切换假设 ,从而构造出一种两级交互式多模型滤波器 .通过辨识系统噪声的多个统计参数比较了两级交互式多模型滤波器与常规交互式多模型滤波器 .结果表明 :对于大信噪比信源 (即小的量测噪声 ) ,两级交互式多模型滤波器与常规交互式多模型滤波器性能基本相当 ;而对于小信噪比信源 (即大的量测噪声 ) 。

一种强跟踪自适应状态估计器及其仿真研究

分析了强跟踪滤波器中新息方差近似计算方法的不足,提出了一种基于衰减记忆思想来近似计算新息方差的改进强跟踪滤波器。然后,对于过程噪声水平未知的目标状态估计问题,在Sage-Husa过程噪声水平自适应估计算法的基础上,一旦通过基于新息的滤波器发散判据检测到可能出现的发散现象,提出用改进的强跟踪滤波器进行抑制,极大地提高了滤波算法的鲁棒性。对三种典型的目标机动形式进行的Monte-Carlo仿真结果进一步验证了新提出算法的有效性。

基于模型空间分解的交互式多模型算法

由于马尔可夫参数的限定 ,交互式多模型的估计精度会在模型数过多时下降。这限制了它在高维参数空间的应用。通过将交互式多模型建模空间分解 ,构造出一种两级交互式多模型算法。并通过辨识系统噪声的多个统计参数 ,比较了新算法与常规交互式多模型滤波器 。

一种适用于椒盐-高斯干扰信号的自适应滤波改进算法

图像通信由于成像设备自身特点和通信过程中的光-电转换机制,一般含有椒盐-高斯干扰信号,信号交叉影响会导致单一的滤波方法效果不佳甚至失去作用。为了同时有效抑制两种干扰信号,提出了一种适用于椒盐-高斯干扰信号的自适应滤波改进算法。该算法首先通过干扰信号噪声点辨识与滤波窗口自适应扩展,计算信号噪声辨识过程中各扩展窗口归一化系数和一次加权联合滤波中间输出,然后利用多层级窗口中间输出值进行二次加权优化滤波,减少干扰信号噪声点对联合滤波输出的影响,最后针对计算量大的问题,在中值滤波过程中提出均值分割方法,提高滤波算法实时性。实验结果表明,该方法能有效抑制椒盐-高斯干扰信号噪声,算法实时性较好,优于多种传统及其演进滤波算法。