基于系数相关性的多尺度Kalman滤波器组的GPS共视观测数据算法

运用基于小波系数相关性的多尺度Kalman滤波器组算法处理GPS共视观测数据。在假设GPS共视钟差数据具有1/f分形特性的条件下,用基于小波变换的算法估计GPS钟差数据的自相似参数H。当0<H<1时,GPS共视钟差数据是一个具有1/f分形特性的高斯、零均值、非静态随机过程。在此条件下,在多尺度Kalman滤波器参数估计过程中讨论小波系数列的相关性。并在考虑相关性的基础上进行钟差数据的估计。分别对单通道和多通道共视数据进行处理,并与C ircular T数据进行了比对。结果表明本文方法是可行的、有效的。

小波多尺度Kalman滤波模型在高铁隧道沉降变形上的应用

针对高铁隧道沉降变形监测数据具有沉降量小、受随机噪声干扰大且具有较明显的多尺度特征和非平稳趋势性等特点,为克服Kalman滤波算法的不稳定性,运用基于小波多尺度分析的Kalman滤波对原始监测数据进行去噪,并用高铁沉降评估方法对基于小波多尺度Kalman滤波去噪后的数据进行预测和评估。结果表明:小波多尺度Kalman滤波去噪后提高了动态变形监测数据精度;沉降曲线更平滑且更逼近真实沉降情况;沉降变形评估的相关系数及可靠性均有所提高。

基于多尺度Kalman滤波的多传感器数据融合

通过分析多尺度动态系统模型,提出了一种基于小波变换的Kalman多传感器数据融合算法。该算法结合了Kalman滤波的实时性、递归性和小波变换的多尺度特性,能对多传感器的观测数据有效地融合。算法首先将最细尺度上观测数据滤波后得到的估计序列小波分解到各尺度上;然后在各尺度上,利用该尺度上的传感器观测数据对小波分解系数进行更新;最后利用小波重构,达到更新原始估计序列的目的。仿真实验表明,该算法具有很好的数据融合效果。

1／f分形噪声的一种多尺度Kalman滤波方法

针对淹没在1／f分形噪声中的有用信号恢复问题,提出了一种基于小波变换与Kalman滤波的多尺度滤波算法。首先将带有1／f分形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分形噪声的白化作用,消除了1／f分形噪声的自相似性和长程相关性。然后在小波域内,利用Kalman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。最后进行小波重构,较好地恢复出淹没在1／f分形噪声中的有用信号。仿真实验表明,使用多尺度Kalman滤波器能有效地抑制分形噪声,显著地提高了信噪比。

多尺度Kalman滤波图像复原

提出了一种小波域多尺度Kalman滤波图像复原方法。根据信号的降晰退化模型在各个尺度上的频域表现形式,建立了Kalman滤波的观测方程,以及小波重构在频域上的形式而建立尺度之间的状态转移方程。将大尺度上得到的复原结果作为多尺度Kalman滤波状态变量的初始值,然后在分解后的各个低频子带上预测复原,最后得到在小尺度(最高分辨率)上的频域复原结果,经过傅立叶逆变换就可以得到最终的复原结果。实验结果表明多尺度Kalman滤波图像复原算法能够产生比较好峰值信噪比。

一种大尺度区域GNSS坐标时间序列自适应时空滤波方法

提出一种GNSS坐标时间序列自适应时空滤波方法,在规定阈值下将滤波区域自适应分为若干个子区域,进行共模误差的提取和去除。对陆态网184个GNSS站点垂向坐标序列进行时空滤波,3组随机实验中,自适应PCA时空滤波后的站点序列平均RMS值减少约39.7%、38.4%和39.7%,且优于整体PCA滤波。进一步分析滤波前后站点噪声特性变化,结果显示,相比于整体PCA滤波,自适应滤波方法中站点残差序列幂律噪声减少约17.8%。

基于集合Kalman滤波的中长期径流预报

为降低中长期径流预报的不确定性,增加水电站水库的发电效益,针对现有方法侧重于提高单一预报模型确定性预报结果的准确性以降低径流预报不确定性的问题,提出一种基于集合Kalman滤波的入库径流确定性预报方法。以旬为预见期的锦西水库实例验证结果表明:相比传统的单一预报模型和传统的信息融合预报模型,基于集合Kalman滤波的中长期径流预报可使RMSE降低4.78 m^(3)/s,合格率可提高0.56%,且更有效地降低了汛期预报的不确定性,得到了更加准确、可靠的确定性径流预报结果,可为开展流域梯级水电站优化调度提供技术支持。

Kalman滤波在自动化监测数据噪声处理上的应用研究

对Kalman滤波在静力水准和固定式测斜仪原始数据降噪处理中的应用进行研究。结果表明,在缓慢变形条件下,Kalman滤波可以有效过滤原始数据中的噪声,提供试验结果,还原监测对象真实变形情况。但在突发变形情况下,Kal-man滤波反应滞后。因此,实际应用中应综合使用滤波前和滤波后的数据,以更准确地研判变形趋势和规律,为自动监测数据的噪声处理提供了新的思路和方法。通过Kalman滤波的应用,可以进一步提高监测数据的准确性和可靠性,为工程安全监测和地质灾害预警等领域提供支持。

基于多尺度梯度域引导滤波的煤矿井下图像增强方法

煤矿井下图像存在较严重的光照不均匀和噪声干扰,现有基于Retinex的方法直接应用于煤矿井下图像增强易出现光晕伪影、边缘模糊、过增强和噪声放大等问题。针对上述问题,提出了一种基于多尺度梯度域引导滤波的煤矿井下图像增强方法。首先,将多尺度思想引入梯度域引导滤波中,实现对非均匀光照的准确估计,有效解决了增强图像时光晕伪影及边缘模糊的问题。然后,利用Retinex模型分离出光照分量和反射分量:对于光照分量,通过自适应伽马校正函数逐像素地修正光照信息,实现对图像暗区域增强的同时,抑制亮区域过增强,并使用限制对比度自适应直方图均衡化方法调整图像对比度;对于反射分量,将梯度域引导滤波与多尺度细节提升相结合,在准确去除噪声后提升纹理细节,避免了增强图像时噪声放大的问题。最后,将处理后的光照分量及反射分量融合,计算图像增益系数,并使用线性色彩恢复方法实现对原始RGB图像的逐像素增强,提升方法处理效率。实验结果表明,从主客观角度与现有方法相比,经所提方法处理后的图像在色彩保持、对比度、噪声抑制、细节保留等方面均取得了较好的增强效果,同时处理效率较高。

基于滤波器剪枝的多尺度压缩感知图像重构

为了解决低采样率下单尺度采样的压缩感知重构图像纹理细节模糊问题,同时达到使重构网络轻量化的目的,提出了一种基于滤波器剪枝的多尺度压缩感知图像重构网络.采样阶段,通过卷积来模拟图像的线性分解,融合输入图像和不同尺度的分解特征后完成多尺度采样,得到压缩感知测量值.重构阶段,设计了一种基于坐标注意力的多尺度空洞残差模块,将位置信息嵌入通道注意力中,增强网络特征学习的能力.同时通过计算特征图的熵来判断滤波器的重要性,剪除重要性较低的滤波器,达到压缩模型的目的.在DIV2K、Set5、BSDS68和Urban100等数据集上进行训练及测试.实验结果表明,所提算法在峰值信噪比(Peak Signalto-Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)和图像视觉效果上均有提升.其中,采样率为4%,测试集为Set14时,与CSNet+和FSOINet相比,所提算法将重构图像的PSNR分别提高了4.17 dB和2.39 dB,纹理细节更加清晰.在重构效果略微降低的前提下,得到更轻量化的模型,提升了重构速度.

基于Kalman滤波与应变信号的舰船轴系推力辨识研究

在线、实时、准确监测舰船螺旋桨推力对船-机-桨匹配设计、舰船快速性预报及推进轴系健康管理等具有重要意义。然而,受轴系振动及环境干扰等测量噪声影响,螺旋桨推力产生的微弱应变信号易被测量噪声淹没,导致难以准确测量推力。当前,一些常用的信号降噪方法,比如傅里叶变换、小波分析等均是基于纯数据降噪,未考虑测量数据中潜藏的力学机制。不同于这类降噪方法,Kalman滤波可同时考虑测量数据噪声及数据中的力学机制,对目标实现最小方差无偏估计,因而有更高的估计精度。因此,本文利用Kalman滤波结合应变测量信号提出一种螺旋桨推力高精度、在线辨识方法。以恒定转速、变转速及低频波动转速3种工况为例,研究了不同信噪比下本文方法的推力辨识精度与鲁棒性。研究表明,在信噪比仅为20 d B时,推力辨识最大相对误差仅为4.85%,因此本文方法在低信噪比下仍有很高的辨识精度与鲁棒性。同时,本文提出方法属于时域辨识方法,在转速突变、螺旋桨缠绕渔网等突发工况时亦能实时跟踪推力变化,因此可用于螺旋桨推力及轴系状态的在线、实时监测。

基于自适应强跟踪Kalman滤波的GNSS跟踪环路设计

为提高GNSS接收机跟踪环路在复杂环境下的跟踪性能,提出一种基于自适应强跟踪Kalman滤波(ASTKF)的跟踪环路,在传统跟踪环路的基础上,以鉴相器输出为观测量进行自适应强跟踪Kalman滤波,滤波结果用于计算导航滤波器的观测量,同时将伪码频率和载波多普勒频率反馈到码NCO和载波NCO,在ASTKF中使用基于卡方分布的渐消因子计算方法,提升跟踪环路鲁棒性。半物理仿真实验表明,相比于基于Kalman滤波的跟踪环路和基于强跟踪Kalman滤波(STKF)的跟踪环路,所提出方法在水平方向上的位置误差和速度误差减小20%以上,有效提高了卫星导航接收机的定位性能。

改进扩展Kalman滤波的显微视觉压电驱动定位

在显微视觉领域,压电驱动定位技术因其在微观尺度的高精度特性和灵活性备受关注。然而,由于定位过程中涉及图像处理、传输和控制等方面的时延,导致图像雅可比矩阵的估计会出现较大误差。因此,本文提出了一种改进扩展Kalman滤波算法用来预测图像雅可比矩阵,大幅度降低时间延迟因素。首先,将辨识得到的Bouc-Wen模型与扩展Kalman滤波算法的状态观测方程相结合,使得状态观测方程更全面地考虑压电平台的迟滞非线性特性,有效地提高了对压电平台速度和位置的预测;其次,结合Bouc-Wen模型的扩展Kalman滤波算法在面对非线性问题时,采用的是泰勒级数,这将导致扩展Kalman滤波算法对高度非线性的函数无法提供良好的近似,从而导致在估计雅可比矩阵的时候引入较大的近似误差,故本文将采用神经网络对高度非线性函数进行近似,进而对图像雅可比矩阵进行估计。最后,通过搭建一个显微视觉的压电驱动实验平台,进行位置跟踪实验,仿真实验表明,输入信号分别为正弦信号和三角波信号时,改进扩展Kalman滤波算法跟踪误差均值分别为0.199μm和0.132μm,而扩展Kalman滤波算法的跟踪误差均值分别为0.692μm和0.513μm,结果验证了改进算法的优越性和可行性。

基于多尺度邻域收缩和结构滤波的加权PRNU模型

光响应非均匀性(Photo-Response Non-Uniformity,PRNU)是一种反映成像传感器缺陷的固有特征,可有效识别拍摄该数字视频的相机来源。针对网络压缩视频识别效果不佳的问题,提出一种基于Stein’s无偏风险估计的多尺度邻域值收缩滤波和自适应边缘结构保持的平滑滤波算法,并构建一个加权PRNU提取模型。该模型首先对跳过环路滤波的视频帧进行基于双树复小波的多尺度变换,使用基于Stein’s无偏风险估计的多尺度邻域值收缩滤波算法估计所有高频子带,得到噪声残差后,利用自适应边缘结构保持平滑滤波对复杂的噪声残差进行平滑处理,采用基于量化参数加权的最大似然估计方法聚合噪声残差得到PRNU的乘性因子,最后经过预处理得到PRNU。在Vision数据集上的实验结果显示,所提出的模型在视频时长为15 s时,移动和旋转参考指纹下的AUC值分别为0.9551和0.9549,Kappa系数分别为0.8403,0.8889和0.9132,均优于现有算法。

基于峰值感知和多尺度约束的加权引导滤波器

引导图像滤波无法保留锐利边缘,导致平滑图像出现结构过度模糊问题,为此提出新的加权引导图像滤波器.利用峰值感知加权提取图像的边缘和结构信息,通过多尺度约束提高所提滤波器的鲁棒性.基于图像方差信息将滤波损失函数的正则化项系数改进为自适应式.边缘感知平滑、图像细节增强、纹理去除平滑以及图像去噪领域的应用实验结果表明,所提滤波器在视觉效果、峰值信噪比以及结构相似度上均优于参与对比的引导图像滤波器.与边缘感知平滑实验中次优滤波器的峰值信噪比和结构相似度相比,所提滤波器的峰值信噪比平均高2.62 dB,结构相似度平均高0.0286.

融合多尺度卷积和侧窗滤波的HY-1C CZI云检测方法

海洋一号C(HY-1C)卫星是中国首颗海洋水色业务卫星,其搭载的海岸带成像仪(Coastal Zone Imager, CZI)具有大幅宽、短重访周期的优势,可实现海洋和海岸带的大面积观测。作为光学传感器,CZI受云影响严重,准确识别云是CZI数据处理的关键,但是CZI缺少红外和短波红外等对云敏感的波段,云检测难度大。针对该问题,本文提出一种融合多尺度卷积和侧窗滤波的轻量化云检测方法,该方法通过多尺度卷积获取云的不同尺度特征,通过侧窗滤波突出边缘特征,减少椒盐噪声的影响,提升云边缘检测的精度。实验结果表明,本文所提出的方法可有效进行云检测,在云边缘提取方面表现较好,F1-score达92.77%,Kappa系数达0.89,与现有云检测方法相比优势明显,且模型训练速度快、参数量少,可为HY-1C CZI遥感影像处理提供有力支撑。

基于集合变换Kalman滤波的流场高效重构

湍流场的准确估计在航空航天领域具有重要意义,现有的获取手段在分辨率或者准确性方面是不足的。实验测量准确却往往测点数量有限,数值计算能获得全场数据,但精度却难以保障。数据同化方法融合了实验观测和数值模拟,是进行流场重构的有效工具。探索了基于集合变换Kalman滤波(ensemble transform Kalman filter,ETKF)的数据同化方法在空间流场重构方面的有效性,并讨论了不同迭代更新模式的重构精度和计算效率,即状态变量基于湍流模型更新的ETKF-M和基于流场数据更新的ETKF-D。以ONERA M6机翼作为数值算例,结合风洞实验翼型表面271测压孔的压力测量数据进行算法实验,结果表明ETKF方法的不同迭代模式均有效修正了湍流模型的预测,并且ETKF-D相对于ETKF-M提升了83%的计算效率。此外,选取两组不同位置的1/4实验测点进行同化实验,得到不同精度的结果,这表明重构的精度与同化测点的位置和数量密切相关。

基于自适应扩展卡尔曼滤波的变压器顶层油温多时间尺度预测

为实现电力变压器的负荷优化调度和热故障及时预警,提高电力设备的运行可靠性,该文提出一种基于自适应扩展卡尔曼滤波算法的顶层油温短期-超短期多时间尺度预测方法。该方法将卡尔曼滤波算法和Susa热路等值模型相结合,选取顶层油温、油指数和油时间常数作为状态变量,环境温度和负载电流作为输入量,通过对顶层油温估计值和观测值的比对实现油指数和油时间常数的迭代优化,以提高顶层油温多时间尺度下的预测精度。此外,该模型利用自适应噪声估计器修正噪声统计参量,以自动优化简便噪声初值设定,从而进一步提高模型的预测准确度。以2台110kV油浸式变压器为例进行分析,结果表明该方法对顶层油温的日内超短期预测、日前短期预测,相较于热路等值模型计算和扩展卡尔曼滤波算法有着更高的预测准确度。

基于改进DBSCAN的星载激光雷达数据多尺度滤波研究

星载激光雷达数据滤波过程易受复杂背景、粗差点、噪声点等问题的干扰,导致滤波效果大幅度下降,所以研究基于改进DBSCAN的星载激光雷达数据多尺度滤波方法。采用改进DBSCAN算法对星载激光雷达数据做聚类处理,并标记噪声点,通过半球形邻域算法提取点云数据特征。根据提取到的点云数据特征构建规则格网,通过格网的多路径效应剔除点云数据中的粗差点与噪声点,完成星载激光雷达数据多尺度滤波。实验结果表明,所提方法的星载激光雷达数据多尺度滤波误差较低、滤波效果好,实际应用价值较高。

基于自适应尺度混合海森滤波器的面部皱纹检测及评分

为解决全面部皱纹缺乏量化评价方法的问题,提出了一种基于自适应尺度混合海森滤波器(adaptive scale hybrid Hessian filter,ASHHF)的面部皱纹检测方法及评分机制。根据受试者年龄自适应调整海森滤波器的尺寸(σ)范围及步长参数并对其面部高分辨率图像进行滤波,基于81个面部特征点在滤波结果中去除五官、背景,仅保留面部皱纹,使用不同颜色将不同深度的皱纹检测结果标注在原始图像中,最后计算得分量化皮肤衰老程度。以专业医生标注皱纹为参考,50名受试者(年龄为22~65岁)的检测结果表明,相比于传统的固定尺度混合海森滤波器(fixed scale hybrid Hessian filter,FSHHF),ASHHF方法的检测准确率平均提升68.57%,运行时间平均缩短26.26%,评分机制结果与检测准确率的变化趋势一致。综上,本文检测方法能够准确、快速检测面部皱纹分布、深度及宽度,所提评分机制能够科学反映受试者皮肤衰老程度,有望为化妆品、医疗美容等抗衰方法提供功效量化评价手段。