应用自解卷积和增量Wiener滤波实现迭代盲图像复原

提出了一种基于自解卷积和增量Wiener滤波的迭代盲图像复原算法(SDIWF-IBD)。将自解卷积点扩散函数估计法应用于迭代盲目反卷积,准确估计了点扩散函数频域;在图像估计时使用增量Wiener滤波,确保算法稳定收敛。为进一步控制算法收敛速度,引入内迭代加速方法,有效减少了算法的外部迭代次数。实验结果表明,复原后图像细节明显增加且失真小,算法快速收敛于较小误差。该算法复原效果良好,收敛快速可控,有利于实时应用。

基于离散Gabor变换和增量Wiener滤波器的冲击电压波形重构算法研究

分析了冲击电压经过数字化冲击测量系统后被测波形产生畸变的原因,讨论了因量化噪声造成波形反卷积重构的病态性。提出了一种基于离散Gabor变换和增量维纳滤波器的冲击电压波形重构方法,对IEC1083?2TDG波形计算结果表明该方法可以有效实现冲击电压数字化测量波形复原,具有较高的准确度和稳定性。

带乘性噪声的欠观测系统无迹增量Kalman融合估计

研究了带乘性噪声的非线性欠观测系统的多传感融合估计问题。采用虚拟状态向量与虚拟噪声,并为虚拟状态设计一步预报器与状态更新方程。针对非线性欠观测系统提出了无迹增量Kalman滤波算法(UIKF)。提出了对角矩阵加权的融合增量卡尔曼滤波器。通过对比分析,得到增量估计值精度要高于标准估值精度,加权融合曲线的估值精度要高于单一子传感器估值精度,验证了在滤波过程中使用增量滤波方法对状态估计的优化。

基于TVFEMD-IMF能量熵增量的桥梁监测数据降噪方法

针对桥梁监测数据受多重噪声干扰、影响结构真实响应获取的问题,提出了一种基于时变滤波经验模态分解(time-varying filtering empirical mode decomposition,简称TVFEMD)和本征模函数(intrinsic mode function,简称IMF)能量熵增量的桥梁监测数据降噪方法。首先,利用TVFEMD分解桥梁原始监测数据,得到多个子序列;其次,采用IMF能量熵增量确定多个子序列中的有效子序列;然后,划分子序列中的结构响应分量和噪声分量,对结构响应分量重组实现监测数据降噪;最后,利用平均绝对误差(mean absolute error,简称MAE)、均方根误差(root mean squared error,简称RMSE)和信噪比(signal-noise ratio,简称SNR)对不同方法的降噪效果进行评价。仿真算例和工程实例结果表明:TVFEMD相比经验模态分解(empirical mode decomposition,简称EMD),有效解决了模态混叠问题;TVFEMD结合IMF能量熵增量方法,有效抑制了多重噪声影响,对结果精度有较大提升;与EMD-IMF能量熵增量和Kalman滤波降噪法相比,TVFEMD-IMF能量熵增量法所得到降噪信号的MAE和RMSE值分别提升了23%和21%以上,降噪效果更好,信噪比提升38%以上,抗噪性能更佳。

基于卡尔曼滤波及增量式PID控制的风摆控制系统研究

文章以电子设计大赛风摆控制系统项目为背景,给出了该系统的整体设计方案及具体的软硬件设计。重点论述了项目中基于卡尔曼滤波的风摆当前角度获取、风摆运动受力分析和基于增量式PID的风摆转动角度控制这三大核心问题。最后基于设计方案给了风摆控制系统角度响应曲线,通过曲线验证了项目设计的合理性与有效性。

含有间隙的Wiener系统的非光滑卡尔曼滤波的状态估计

由于间隙具有记忆和多值映射的非光滑非线性特性,使得含有噪声的Wiener系统的状态估计变得比较复杂。本文在传统卡尔曼滤波的基础上进行改进,得到一种新的带有切换函数的非光滑卡尔曼滤波器来解决Wiener系统在工作时的噪声干扰问题。在输入信号以及所有参数都相同的条件下,分别用传统的卡尔曼滤波器和带有切换函数的非光滑卡尔曼滤波器对含有噪声的Wiener系统进行状态估计。仿真结果表明,传统的卡尔曼滤波器由于没有考虑间隙的特性,对系统状态估计误差要大于带有切换函数的卡尔曼滤波器对系统状态估计的误差值。因此,非光滑的卡尔曼滤波器对含有噪声的Wiener系统状态估计具有更为准确的效果。

基于小波变换的Wiener滤波方法在农产品图像去噪中的应用

农产品图像的去噪是农产品图像处理中最基本、最重要的工作之一。为了更有效地去除农产品图像中的噪声。受二维离散Wiener滤波器计算方法的启发,提出了一种基于小波变换的Wiener滤波方法。该方法采用小波变换和Wiener滤波相结合的方法,具有稀疏性、多分辨率、去相关性、选基灵活性和在MSE意义上对图像进行最优估计的优点。该方法首先对含噪农产品图像ano做第一次小波变换得到低频图像a1和水平、垂直和对角三方向的高频图像hd1、vd1及dd1;其次对低频图像a1做Wiener滤波得到a1w,再对3个高频图像分别做Wiener滤波并合成得到g1w;接着对低频的a1w和高频g1w做小波逆变换,得到滤波图像“a1w+g1w”。同时,考虑到噪声主要在高频部分,所以直接把低频的a1和高频g1w做小波逆变换,得到滤波图像“a1+g1w”。这是对含噪图像ano做第1次小波变换的情况,其第2次、第3次及第4次变换的情况与此类似。这样可以得到许多滤波图像,然后根据图像信噪比PSNR和视觉效果,最终确定去噪效果最好的农产品图像。该方法应用于红枣、小麦杂草等农产品图像的去噪中,结果PSNR为158.23(视觉效果清晰),好于邻域平均法(PSNR为154.14)、中值滤波法(PSNR为155.82)、数学形态学(PSNR为154.07,视觉效果偏黑)、高斯滤波法(PSNR为153.79,视觉效果太黑)、直接维纳去噪(PSNR为154.14)和小波去噪(PSNR为158.18)等多种方法。试验结果表明,基于小波变换的Wiener滤波方法应用于农产品图像去噪具有信噪比高、视觉效果好等优点;基于小波变换的Wiener滤波方法用于农产品图像去噪是有效的、可行的。

基于小波变换的Wiener滤波算法去除苹果图像噪声

在小波变换的基础上,提出了一种基于小波变换的Wiener滤波去噪方法。采用该方法对苹果图像的加性噪声(高斯白噪声)去噪,结果PSNR为184.94,视觉效果清晰(而含噪声图像的PSNR为158.23,噪声太多不清晰),好于邻域平均法(PSNR为174.15,视觉上含部分噪声)、中值滤波法(PSNR为182.42)、小波阈值去噪(PSNR为171.59,视觉上也含部分噪声)和Wiener滤波去噪法(PSNR为173.65)的去噪结果,更好于数学形态学的去噪结果(PSNR为150.46,视觉上含较多噪声)。试验结果表明,基于小波变换的Wiener滤波方法对苹果图像加性噪声的去噪效果具有信噪比高、视觉效果好等优点。

用Wiener滤波方法提取台站接收函数

本文提出了一种在时间域用Wiener滤波方法提取台站接收函数的方法 ,用远震P波波形的垂直分量为输入 ,接收函数作为滤波因子 ,远震P波波形的径向和切向分量作为期望输出 ,通过期望输出与实际输出的均方误差达极小 ,来提取接收函数。接收函数的计算可归结为Toeplitz方程的求解 ,可以采用Levinson递推算法。Toeplitz方程的非奇异性保证了Wiener滤波反褶积方法的稳定性。合成地震图与观测地震图的检验表明 ,用Wiener滤波方法测定台站接收函数是一种有效的时间域反褶积方法。

基于Bayesian估计和Wiener滤波的阈值去噪方法

基于阈值的小波域去噪方法的核心是阈值选取 ,通过最小化一个Bayesian风险函数得到一种自适应阈值 ,结合线性滤波中具有代表性的Wiener方法 ,提出了一种新的去噪方法 .实验结果表明 ,该方法能有效地去除图像中的白噪声 ,同时还能较好地保留图像的边缘信息 。

离焦模糊数字图像的Wiener滤波频域复原

离焦模糊图像的退化模型可用均匀分布的圆盘函数表示 ,其对应的圆盘半径是需辨识的退化模型参数 (即模糊半径 )。利用模糊图像的频率域中的零点位置来估计模糊半径 ,采用简化Wiener滤波对模糊图像进行复原。实验结果表明该方法能够以较少的运算时间代价获取较好的复原效果 。

应用于增量式光电编码器的相关自适应滤波方法

为了改善增量式光电编码器的莫尔条纹光电信号质量,降低主计数信号中高次谐频的影响,提高信噪比达到输出稳定的正弦波形,本文深入地研究了莫尔条纹光电信号中的高频信号和噪音信号产生的原因及其相关自适应滤除方法.从宏观和微观两个方案分析光栅副的屏函数,研究莫尔条纹光电信号输出波形的不确定原因,并且提出采用相关自适应滤波方法将高频信号滤除保留原有基频信号.从相关自适应滤波的数学模型论证和推导该相关自适应滤波过程并讨论其自适应性.指出在设计该自适应滤波电路时需要重视的几个关键指标及其影响效果,完成相关自适应滤波的有效性分析.相关自适应滤波效果等价于一个中心频率为基频的窄带带通滤波器,当基频随机变化时其通带也会随之改变.通过相关自适应滤波技术较好地滤除计数信号中除基频外所有高频分量和放大电路所引入的加性高斯白噪音.实验证明:莫尔条纹光电信号的失真度被降低8倍相关自适应滤波方法能使莫尔条纹光电输出波形趋近于标准正弦波,获得更高的信噪比.

欠观测条件下的增量Kalman滤波方法

提出欠观测条件下增量Kalman滤波的概念和定义,建立增量Kalman滤波模型及其分析方法,给出主要的计算步骤。经典的Kalman滤波方法要求量测方程有较高精度,否则在递推过程中会产生较大误差。但是量测方程通常受环境因素影响较大,而且在许多实际情况(如深空探测)中不可能对所有的使用环境逐一校准量测方程。如果某量测方程没有在某一环境条件下进行验证或校准,那么在这一条件(称为欠观测条件)下使用该量测方程往往会产生未知的系统误差,从而导致较大的Kalman滤波误差。提出的欠观测条件下增量Kalman滤波方法能够成功消除这种未知的系统误差,大大提高Kalman滤波的精度。该方法计算简单,便于工程应用。

基于Wiener滤波的小目标检测方法

红外云背景中小目标检测是红外成像技术的一种典型应用。为了检测红外云背景中的弱小目标,分析了背景特性,建立了红外场景模型,提出了一种基于Wiener滤波的自适应背景抑制方法。经过去除虚假目标和目标分割,再利用目标运动的连续性和规则性进行目标检测和跟踪。对包含了仿真目标的红外云背景图像序列进行了实验,结果表明,该方法能够有效地从信噪比为2.0的背景中检测到小目标。

基于多尺度Wiener滤波器的分形噪声滤波

针对淹没在 1/f噪声中的有用信号恢复问题 ,本文提出了一套基于双正交小波变换与Wiener滤波的多尺度滤波算法 ,并设计出多尺度Wiener滤波器 .首先 ,利用双正交小波变换将带有 1/f噪声的信号分解成多尺度的子带信号 ,通过小波变换对 1/f噪声的白化作用 ,消除了 1/f噪声的非平稳性、自相似性和长程相关性 .其次 ,在小波域内 ,利用Wiener滤波 ,实现了噪声和有用信号的分离 ,估计出了各子带中的有用信号 .最后 ,利用双正交小波的精确重构性 ,较好地恢复出淹没在 1/f噪声中的有用信号 .仿真实验表明 ,该滤波器能有效的抑制分形噪声 。

广义系统Wiener滤波和Kalman滤波新方法

应用时域上的现代时间序列分析方法，基于ＡＲＭＡ 新息模型和白噪声估计理论，提出了广义系统的Ｗｉｅｎｅｒ 状态估值器和稳态Ｋａｌｍａｎ 估值器．它们可统一处理最优滤波、平滑和预报问题．它们避免了求解Ｄｉｏｐｈａｎｔｉｎｅ方程和Ｒｉｃｃａｔｉ 方程，因而构成了Ｗｉｅｎｅｒ 滤波和Ｋａｌｍａｎ 滤波新方法．

解决多通道Wiener滤波问题的ARMA新息滤波器

应用现代时间序列分析方法，提出了解决多通道Ｗｉｅｎｅｒ滤波问题的ＡＲＭＡ新息滤波器。它由构造ＡＲＭＡ新息模型和解一个Ｄｉｏｐｈａｎｔｉｎｅ方程组成，可统一处理最优滤波、平滑和预报问题，可处理非平稳信号和噪声，并引出一种等价的Ｗｉｅｎｅｒ滤波器。仿真例子说明了其有效性。

一种有效的小波-Wiener滤波去噪算法

把Wiener滤波和小波变换结合起来,提出了一种小波-Wiener滤波去噪算法.仿真结果表明,利用该算法去噪后的图像主观质量和峰值信噪比比Wiener滤波去噪和小波变换门限去噪后的图像都要好.

结合结构张量和Wiener滤波的图像去噪算法

利用图像的结构张量表示的局部结构信息,结合Wiener滤波给出了一种图像去噪算法,并采用了加性算子分解格式求解非线性扩散方程以提高计算效率。实验结果表明,该算法在去除噪声的同时很好地保持了图像中的强弱边界等细节特征,去噪后的图像在峰值信噪比和主观视觉效果上都有显著提高。

欠观测条件下的增量容积卡尔曼滤波

在工程实践中,由于环境影响、量测设备不稳定等因素,非线性滤波系统中的量测方程可能会出现较大的系统误差,而标准的非线性滤波算法不能消除这类系统误差。针对该问题,假定过程噪声和量测噪声服从高斯分布,利用相邻量测时刻的量测值之差建立增量量测方程,采用3阶球面径向规则获得容积点及其权值。使用容积点对贝叶斯滤波过程中的积分进行数值近似,从而提出增量容积卡尔曼滤波算法。仿真实验结果表明,增量容积卡尔曼滤波算法滤波精度优于标准容积卡尔曼滤波算法与增量卡尔曼滤波算法,能够成功消除量测方程中的系统误差。