结合最小均方差滤波和目标灰度的边缘检测

针对图像处理中对噪声去除和边界保持两方面的需要,对灰度值差异不大的目标之边缘检测算法进行了研究。首先,对最小均方差滤波器模板进行改进,并将方差最小模板对应的灰度中值作为被处理像素的新灰度值以实现图像去噪;然后,选取部分目标区域并以其灰度中值为基础设置上、下阈值实现图像分割,对分割后的图像运用Canny算子检测目标边缘;最后,运用MATLAB软件进行算法仿真。仿真结果表明:该算法不仅能在去除噪声的同时实现对目标与非目标的有效分割,还能保证目标轮廓的完整性。该算法能够对目标灰度值差异不大的图像进行去噪、分割,并获取完整的目标轮廓。

次级通道模型误差下滤波X型最小均方差算法性能的分析

分别从时域和频域对滤波X型LMS算法(即FXLMS算法)的性能进行分析,分析表明次级通道模型误差对FXLMS算法影响的大小取决于其相对误差随频率的分布,当相对误差不随频率而变化时,次级通道模型误差将不再对FXLMS算法的性能产生影响。其次证明了FXLMS算法的一个极限性质,该性质表明当滤波器的长度足够大时,次级通道模型误差对FXLMS算法没有影响,故通过提高滤波器的长度可以补偿模型误差对性能带来的负面影响。最后,给出了FXLMS算法“溢振”现象的机理。

基于数学形态学和LMS滤波的图像边缘检测算法研究

传统的边缘检测算子对灰度图像进行边缘检测时存在图像细节被丢失,边界不连续等问题。针对上述问题,提出一种基于数学形态学和最小均方差滤波相结合的图像边缘检测方法,该算法先利用小均方差滤波的方法可以有效地滤除图像中的噪声,然后利用形态学中的腐蚀运算对图像进行边缘检测处理。实验结果表明:该方法能够有效地去噪,精确地检测图像中的细节,并且边界的连续性好。

自适应滤波技术在激光多普勒测速仪中的应用

激光多普勒测速仪检测系统提取的光电信号中存在较大的噪声信号。为了消除这些噪声干扰,提高激光多普勒测速仪的测量精度,提出一种新的信号处理方法,将最小均方差自适应滤波技术应用于激光多普勒测量中,利用多普勒信号和噪声信号的统计特性,以最小均方误差估计为准则,最大程度地滤除噪声信号。阐述了最小均方差自适应滤波算法的基本原理,在MATLAB平台上将其应用于理想正弦信号进行仿真,并将其应用于实测多普勒信号的处理中。仿真和实验均表明,该技术可以有效抑制激光多普勒测量中的多频率噪声的干扰,大大提高多普勒信号的信噪比和测量精度,为设计高精度的激光多普勒测速仪创造了条件。

基于FxLMS算法和预测滤波器的数字耳机降噪研究

通常数字降噪耳机的自适应滤波器采用最小均方差(LMS)、归一化最小均方差(NLMS)等算法,但是由于降噪耳机电路中存在次级通道延迟和AD/DA转换延迟,导致这些滤波器输出信号无法与噪声信号协调起来。FxLMS算法能够有效补偿次级通道延迟,同时在FxLMS滤波器基础上,增加预测滤波器用于补偿AD/DA转换延迟。仿真中,用增加预测滤波器的FxLMS滤波器对已采样的发动机噪声进行降噪,并将其降噪效果与LMS自适应滤波器的降噪效果进行比较。结果表明,在处理低频噪声时,改进后的FxLMS滤波器降噪效果优于LMS自适应滤波器。

基于归一化最小均方差联合集合经验模态分解的运动状态下心率提取算法研究

为了消除运动伪差、高频噪声和基线漂移对光电容积脉搏波(PPG)的影响,得到运动状态下心率的准确值,本文提出了一种基于归一化最小均方差(NLMS)自适应滤波器联合集合经验模态分解(EEMD)分析的PPG信号降噪方法。首先,将含有噪声的PPG信号以3轴加速度传感器为参考信号通过自适应滤波器,滤除其中的运动伪差;其次,将PPG信号通过EEMD分解得到一系列按频率由高到低的固有模态分量(IMF),通过排列熵(PE)准则判断信号的阈值范围,从而滤除其中的高频噪声和基线漂移。实验结果显示,不同运动状态下,降噪后PPG信号的计算心率和基于心电信号(ECG)的标准心率的皮尔逊相关系数为0.731,平均绝对误差百分比为6.10%,从而表明该方法能够准确计算出运动状态的心率,有利于人体运动状态下的生理监测。

基于反馈FxLMS-鲁棒混合控制算法的主动隔振平台研究

为解决传统滤波最小均方差(filtered-x least mean square,FxLMS)算法在收敛速度和稳定性之间存在的矛盾,以及次级通道模型不确定性对控制收敛性能的影响,将反馈FxLMS算法和混合灵敏度鲁棒控制器相结合,提出了一种反馈FxLMS-鲁棒混合控制算法,并在工程应用中常见的主动撑杆隔振平台上对该混合算法的振动控制性能进行仿真分析和试验验证。变载荷激励及控制通道变化仿真和试验结果均表明,不同激励下各个阶段的加速度响应衰减均超过80%,且与传统的FxLMS算法相比,所提出的混合控制算法具有更快的收敛速度和更强的鲁棒性。

一种改进的声测定位时延估计算法

研究了时延估计算法在被动声测定位中的应用,提出了一种改进的基于最大似然(ML)权函数的广义互相关时延估计算法。改进的算法采用加窗法和最小均方差(LMS)滤波法,弥补了原算法计算量大及无法消除回响干扰的不足。仿真结果表明,改进的算法计算复杂度明显降低,能够有效地消除回响干扰,具有较高的时延估计精度和鲁棒性。

基于T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。

参考信号自提取的振动主动控制算法

基于滤波X最小均方差(filtered-X least mean square,简称FXLMS)控制方法实施振动主动控制的基本结构,提出了参考信号自提取的控制器结构和算法,直接利用系统误差信号获得对原激扰信号的一个估计,并用估计值作为自适应滤波器的参考信号,以实现与外激扰信号的相关性。在针对控制算法进行Matlab仿真分析的基础上,构建了压电机敏柔性板试验模型和测控平台,并进行了算法验证。试验结果表明,该控制算法不仅实现了参考信号从振动结构中直接提取,并具有较快的收敛速度和良好的控制效果。

压电柔性梁振动变步长Fx-LMS控制算法分析与验证

滤波x最小均方差(filtered-x least mean square,简称Fx-LMS)算法作为振动控制领域常用的自适应控制算法,其固定步长因子不能同时满足收敛速度和稳态误差的双重要求。为了改善Fx-LMS算法实施效果,提出一种基于反余切函数的滤波x变步长最小均方差(filtered x variable step size least mean square,简称Fx-VSSLMS)算法。首先,归纳了7种常规VSSLMS算法的步长更新公式,并按照其迭代特点予以性能分析与分类对比;其次,以压电柔性悬臂梁振动主动控制为算法验证目标,采用多体动力学软件Adams和Simulink进行联合仿真,表明所提的Fx-VSSLMS算法在振动控制中的有效性;最后,通过分析对比多种Fx-VSSLMS算法在不同噪声环境下的抑振效果,验证了所提出控制算法对噪声干扰的良好鲁棒性。

有源脉冲噪声控制的反正切变换算法

近年来,针对有源脉冲噪声控制,提出一些较为有效的算法。由于脉冲噪声的高尖峰特性,给算法带来了不稳定。为克服这些算法的不足,提出一种基于反正切变换的滤波x最小均方差算法。该算法不需要根据脉冲噪声的先验知识估测阈值和选择参数,并且算法结构简单、易于实现。仿真结果表明该算法能有效地消除脉冲噪声,与其他几种算法相比表现了更好的收敛性和稳定性。

New sigma point filtering algorithms for nonlinear stochastic systems with correlated noises

New sigma point filtering algorithms, including the unscented Kalman filter （UKF） and the divided difference filter （DDF）, are designed to solve the nonlinear filtering problem under the condition of correlated noises. Based on the minimum mean square error estimation theory, the nonlinear optimal predictive and correction recursive formulas under the hypothesis that the input noise is correlated with the measurement noise are derived and can be described in a unified framework. Then, UKF and DDF with correlated noises are proposed on the basis of approximation of the posterior mean and covariance in the unified framework by using unscented transformation and second order Stirling＇s interpolation. The proposed UKF and DDF with correlated noises break through the limitation that input noise and measurement noise must be assumed to be uneorrelated in standard UKF and DDF. Two simulation examples show the effectiveness and feasibility of new algorithms for dealing with nonlinear filtering issue with correlated noises.

基于激光测距系统的滤波算法研究

针对脉冲型半导体激光测距系统,提出了一种卡尔曼滤波与最小均方差滤波相结合的非线性滤波算法,对测距系统的回波信号进行滤波分析。结果表明,采用所提出的非线性滤波算法对实验数据进行处理,可将精度最高提高2.1 m,同时使误差降低65.63%。

基于混合编程的高精度激光多普勒信号处理技术

针对激光多普勒信号中存在较大噪声干扰的实际情况，为了抑制这些噪声干扰，提高激光多普勒测速仪的测量精度，提出了对激光多普勒信号进行最小均方差（LMS）自适应滤波后作快速傅里叶变换（FFT），基于混合编程思想对所得到的频谱，先进行频谱细化，再进行频谱校正的信号处理方法，并对理想正弦信号和实测多普勒信号分别进行仿真计算和实验研究。仿真和实验结果表明：LMS自适应滤波技术可以有效抑制激光多普勒测量中的多频率噪声的干扰，此技术能够适应于很宽的信噪比范围，大大提高多普勒信号的信噪比；频谱细化技术可以提高激光多普勒信号的频谱分辨率，频谱校正技术可以准确地校正多普勒频率，使校正后的频率更加接近于真实值；信号处理精度比直接进行FFT提高2～3倍。