基于电流检测电流注入的车载充电机EMI混合滤波器设计方法

针对目前车载充电机传统无源滤波器低频性能差的问题,在传统车载充电机无源滤波器的基础上加入有源反馈回路,提出了一种基于电流检测电流注入(CSCI)的车载充电机电磁干扰(EMI)混合滤波器设计方法,并给出了车载充电机混合滤波器结构及分析和反馈回路设计过程。实验结果表明,提出的新型EMI滤波器方案与已有车载充电机无源滤波器方案相比,传导测试和辐射测试结果都有大幅度的提升。

基于深度学习的弱反馈自混合干涉信号滤波方法

采集激光自混合干涉信号的过程中会受到环境和电路噪声的干扰,导致信号失真。为了去掉噪声,最大限度保留原信号特征,提出了基于深度学习的自混合干涉滤波方法,该方法适用于弱反馈条件。使用自编码器作为神经网络,用加入噪声的信号作为输入,未加噪声的信号作为输出来训练网络。仿真结果表明:该方法处理含噪声自混合干涉信号时不仅能提高含噪声信号的信噪比,还能很好地保留干涉条纹的波形特征,即条纹的倾斜方向。实验中,使用深度学习方法滤波,再用条纹计数法进行位移重构,结果表明该方法对弱反馈条件下的自混合干涉信号有较好的滤波效果。

一种WiFi混合滤波的RSSI室内定位算法

针对接收信号强度指示(RSSI)在基于WiFi的室内定位应用中易受到环境影响出现波动、突变进而导致定位精度降低的问题,提出了一种WiFi混合滤波的RSSI室内定位算法。首先,根据WiFi信号距离衰减模型设计一种自适应阈值滤波器剔除观测信号异常值;然后,根据自适应阈值滤波、卡尔曼(Kalman)滤波、均值(Mean)滤波设计了一种混合滤波算法(ATKM)对RSSI数据进行滤波;最后,提出了一种基于斯皮尔曼-欧几里得距离的加权K近邻算法(SEWKNN)进行位置估计。在真实环境下的实测结果表明,本文提出的ATKM滤波算法能显著降低RSSI信号的波动,提出的SEWKNN算法在室内环境中平均定位误差为1.17 m,在走廊环境中平均定位误差为1.53m,相比传统的WKNN算法平均定位误差分别下降18.18%和16.84%。

宽阻带高频率选择性的混合电磁耦合滤波器

在无线和移动通信系统中,需要具有高选择性和结构紧凑的微波滤波器来抑制谐波和杂散信号。提出了一种新颖的基于阶跃阻抗谐振器的二阶可控混合电磁耦合滤波器,该滤波器由两个四分之一波长的阶跃阻抗谐振器组成,混合电磁耦合中的电耦合和磁耦合分别通过低阻抗部分的叉指结构和高阻抗的传导针来控制。同时在馈线上加载两对对称开路短截线,可以产生额外的传输零点,以获得更好的频率选择性和高抑制度的宽阻带。设计并制作了一个滤波器样品,测试的回波损耗大于18 d B,插入损耗为0.6 d B,上阻带拓宽到三倍的中心频率处,整个阻带抑制度优于17 d B,测量和模拟结果吻合良好。

基于粒子滤波的智能网联混合交通流状态估计

面向智能网联车辆和普通人工驾驶车辆共存的混合交通流环境,采用粒子滤波算法对城市快速路路段进行宏观交通流参数的估计,从而实现对城市快速路智能网联混合交通流状态的估计。以二阶宏观交通流模型为基础,结合混合交通流模型,构建粒子滤波交通流状态估计的状态-空间模型,并通过Matlab和SUMO仿真软件测定粒子滤波对混合交通流的状态估计效果,通过计算分析,发现粒子滤波状态估计模型对交通流状态波动有较好的追踪能力,性能上优于扩展卡尔曼滤波方法。

基于多次滑动均值滤波的混合储能功率分配与定容研究

为了解决混合储能系统功率分配时因模态混叠导致功率分配不精确、储能系统成本过高的问题,提出一种多次滑动均值滤波(MMAF)的功率分配方法用于削弱模态混叠现象,降低混合储能成本。首先,获取满足平抑要求的混合储能最小总功率指令,采用MMAF算法对其进行滤波,获得蓄电池与超级电容各自的功率指令,引入Pearson相关系数量化模态混叠现象,作为判断滤波次数和每次滤波滑窗大小的指标,将蓄电池和超级电容各自的功率指令作为储能定容的可行域,考虑电池荷电状态约束求取储能适配的最小额定功率和额定容量;然后,基于等效运行时间建立蓄电池全寿命周期量化模型,为经济性分析提供依据;最后,以改进的混合储能全寿命周期成本模型验证了该文方法可以有效地限制模态混叠,降低混合储能系统成本。

小型化宽阻带5G半集总混合滤波器设计

面向5G无线通信应用设计了一款微带半集总混合宽阻带带通滤波器。该滤波器阻带可扩展至5G毫米波频段,具有优良的带外抑制、结构紧凑及尺寸小巧的特点。搭建了集总元件的高频电路模型并完成了集总元件的路-场联合仿真,最终实现了由十字加载谐振器混合集总LC并联谐振电路而成的宽阻带滤波器。滤波器的中心频率位于4.08 GHz,通频带覆盖3.96~4.2 GHz,位于目前用于5G室内覆盖的N77频段。滤波器具有极广的阻带抑制特性,且优于20 dB抑制水平的上阻带范围可达22 GHz。滤波器有效电路尺寸仅为5.125mm×7.625 mm,插入损耗水平较低(0.54 dB),具有良好的选择性,适用于高性能5G通信系统应用。

面向非线性MTT的多模型泊松多伯努利混合滤波算法

在多目标跟踪(Multi-target Tracking,MTT)的非线性特性与低检测概率情况下,针对多伯努利滤波算法的高斯混合(Gaussian Mixture,GM)实现难以精确估计目标的势与运动状态的实际问题,本文提出了一种适用于非线性系统的泊松多伯努利混合滤波(Poisson Multi-Bernoulli Mixture Filter,PMBM)算法.首先,推导出多模型泊松多伯努利混合滤波的高斯混合(GM Multi-model PMBM,GM-MM-PMBM)实现过程.然后,分别对GM-MM-PMBM的伯努利高斯分量进行预测与更新,实现了基于非线性系统的MTT.为提升系统稳定性,基于平方根协方差矩阵推导出GM-MM-PMBM均方根容积卡尔曼滤波算法的实现过程.最后,仿真实验综合验证了本文算法的跟踪性能.

基于混合二极管的Sallen-Key低通滤波电路振荡行为研究

设计一种基于混合二极管的Sallen-Key低通滤波振荡电路,将PN结型二极管与电感、电容串并联组合所构成的混合二极管接入低通滤波电路的输入端,构建一种具有复杂动力学行为的混沌振荡电路.引入不对称系数来模拟实际电路中二极管元件之间电学特性的偏差,通过特定参数的相轨迹图、分岔图和Lyapunov指数谱对振荡电路的对称、不对称系数下两种振荡状态进行数值分析.实验产生振荡电路中独特的吸引子共存现象,揭示了受电路参数调节的对称、不对称共存分岔、反单调特性等丰富的动力学行为演化过程.最后,基于FPGA技术完成振荡电路的数字电路实验,验证了数值仿真的正确性和物理可实现性.

基于混合H2/H∞滤波信息融合的室内定位算法

在接收信号强度指示(RSSI)指纹定位与行人航位推算(PDR)组合室内定位模型中,针对噪声误差和模型误差对融合定位的影响,提出了一种基于混合H2/H∞滤波的融合定位方法。由于室内信号存在多径传播、衰减、非视距(NLOS)的影响以及传感器精度问题,系统或观测噪声往往不符合卡尔曼滤波(KF)的假设前提,造成滤波稳健性差。H∞滤波不对噪声特性和模型误差做出假设,具有一定抗干扰能力,但由于结果保守,精度略低。混合H2/H∞滤波同时兼顾了二者的特性,在精度和鲁棒性提供一种均衡。通过仿真实验对比这3种滤波的融合定位性能。实验结果表明:混合H2/H∞滤波有效提高了指纹/PDR组合室内定位系统的精度和鲁棒性。

基于混合卡尔曼粒子滤波的电动汽车锂电池荷电状态估计

针对动力电池荷电状态(SOC)估计中,传统扩展卡尔曼滤波(EKF)忽略高阶项、粒子滤波(PF)存在重采样过程中的粒子退化与多样性丧失的问题,提出了改进的混合卡尔曼粒子滤波(MKPF)算法。首先采用扩展卡尔曼滤波产生系统的状态估计,然后使用无迹卡尔曼滤波器重复这一过程,将扩展卡尔曼滤波和无迹卡尔曼滤波获得的状态估计共同作为粒子滤波建议分布,并通过权值排序进行粒子优胜劣汰。仿真和试验结果表明,所提出算法的SOC估算最大误差为1.2%,优于PF、EKF、UKF算法的SOC估算精度。

高密度椒盐噪声下混合滤波新方法

图像在采集、传输和处理过程中,易受环境、器材及处理方法的影响,不可避免地会产生不同程度的噪声。当噪声密度超过50%时,噪点信息在图像信息中占据主导地位,一般的中值滤波、均值滤波或自适应滤波等单一滤波方式存在着消除噪声的同时滤除了图像自身细节的问题,导致图像不清晰,滤波效果较差。由此提出高密度椒盐噪声下混合滤波新方法,采取降噪、去噪、强化边缘三个层级混合滤波,最后用噪声密度达到80%的图像进行测试验证,有效地滤除了噪声,恢复了图像的细节信息,得到了很好的效果。

基于混合滤波器的水炮打击目标轨迹预测方法

在智能水炮打击处于运动状态的目标船舶时,射流在空中运动所耗时间会导致打击脱靶问题。针对这种情况,提出一种基于混合滤波器的水炮打击目标轨迹预测方法。该方法首先采集目标跟踪设备的轨迹数据,然后使用轨迹数据训练混合滤波器模型,最后使用模型实时预测目标轨迹。实验结果表明,在搭建的智能水炮实验环境中,持续预测目标未来0~2s的轨迹,均方误差在0.3025~1.4832之间,预测效果良好,在实际应用中,该方法有效地解决了智能水炮打击运动目标时的脱靶问题。

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。

基于电磁混合耦合的SIW宽阻带带通滤波器设计

为实现阻带一段范围内依然具有良好的抑制能力,提出了电磁混合耦合的基片集成波导(Substrate Integrated Waveguide,SIW)宽阻带带通滤波器(Bandpass Filter,BPF)。根据模式的本征抑制和电磁混合耦合理论,合理地设置外部馈电端口、内部耦合窗口及内部耦合圆孔阵列,抑制了频率低于TE_(105)和TE_(501)之前的所有高次模,并且使得工作模式TE101电耦合很好地传输。仿真与实测结果均显示,该滤波器的中心频率f_(0)=5.94 GHz,插入损耗为−3.46 dB,相对带宽为2.44%,当阻带宽度延伸至3.85 f0时,抑制深度优于20 dB。与经典的四阶SIW宽阻带带通滤波器相比,拥有相同的带宽时,该双层层叠的方式更加紧凑,有利于集成到微波电路系统中。

基于小波阈值滤波和S-G滤波相结合的激光自混合干涉微位移重构

在半导体激光器自混合干涉(SMI)微位移测量中,相位信息的准确提取对于位移的高精度重构至关重要。然而,测量噪声会对SMI信号引入相位误差,位移重构精度较低。针对信号去噪问题,小波阈值去噪算法能够滤除多数信号的噪声,但该算法在SMI信号去噪中存在局部振荡的问题,使得去噪后的自混合干涉信号中出现新的干扰峰,最终识别到的干扰峰会产生错误的位移重构。提出一种基于小波阈值滤波和SavitzkyGolay(S-G)滤波相结合的SMI信号处理算法。该算法通过引入S-G滤波算法,从全局上平滑处理相位跳变点的噪声,解决了只是采用小波去噪算法而引起SMI信号的局部振荡问题。位移重构实验结果表明,基于小波阈值结合S-G滤波算法的激光自混合干涉重构信号消除了振幅处和相位跳变点之间的高频噪声,重构位移曲线保持了振动物体的原始波形特征。

基于粒子滤波和三维变分混合数据同化方法的构建与理想实验验证

本文基于粒子滤波和三维变分设计了一种新的混合数据同化方法。新方法通过粒子滤波的最优估计生成具有背景误差信息的集合扰动,从而为三维变分提供流依赖的背景误差协方差。粒子退化一直是粒子滤波应用于数据同化领域的主要阻碍。为了让混合方法更好地发挥作用,针对粒子退化问题,本文提出了一种改进的残差重采样方法,通过在正态分布中采样粒子,解决了退化导致的粒子缺乏多样性。在理想lorenz-63模型上进行数据同化实验,结果表明,新方法在模型误差较大的情况下效果优于集合变换三维变分方法(ensemble transform Kalman filter-three-dimensional variational method,ETKF-3Dvar),并且随着模型误差不断增大,新方法也同样优于传统数据同化方法。改进的残差重采样在与分层重采样和一般残差重采样的对比实验中,在给定时间窗口内可以保证同化结果稳定,而其他两种方法的同化结果都出现了较大偏差。

基于SiC MOSFET同步BuckDC-DC变换器的宽频混合EMI滤波器设计

由于SiC MOSFET在高速开关电源中的广泛应用,导致严重的电磁干扰(EMI)问题,因此EMI滤波器的设计成为研究热点。为了满足电磁兼容(EMC)标准,无源EMI滤波器可以有效地降低DC-DC变换器产生的电磁干扰,但是无源磁性器件的体积较大,不利于提高DC-DC变换器的功率密度。该文分析DC-DC变换器的电磁干扰源和噪声源阻抗特性,建立无源和有源EMI滤波器的理论模型,提出宽频混合EMI滤波器的设计方法。最后,通过实验验证宽频混合EMI滤波器对DC-DC变换器EMI的抑制效果。

基于混合滤波与多环控制的无人机跟降方法

针对无人机在复杂环境下,利用传统的单环控制与卡尔曼滤波进行目标跟踪与降落任务时,出现跟踪目标丢失、降落精确性不足的问题,提出一种基于混合滤波和多环控制的状态估计与控制算法。利用卡尔曼滤波和扩展卡尔曼滤波的混合滤波方法对移动降落平台进行状态估计,同时通过速度PI控制环、姿态PID控制环、位置PID控制环及加速度PID控制环来完成无人机的跟踪与降落任务。仿真试验结果表明,在面对简易或复杂的环境时,该方法都具有较好的跟踪性能和更高的降落精度,并能够应用在多种环境下的无人机自主追踪和降落作业中。

基于卡尔曼滤波和模型预测控制的混合储能平抑风电功率波动策略

针对混合储能平抑风电功率波动时储能系统成本过高的问题,提出一种基于卡尔曼滤波和模型预测控制的风电波动平抑控制策略。该方法基于风储联合发电系统,在满足风电平抑需求的基础上,通过预设截止频率以储能容量变化最小与功率波动最低为多目标,利用遗传算法求解卡尔曼滤波自适应参数获得最优储能目标功率。为提高混合储能系统协调运行能力,考虑调节储能荷电状态(state of charge,SOC)通过模型预测控制实现计及电池运行寿命与超级电容SOC变化的动态功率分配。最后,结合实际风电功率数据进行仿真验证。结果表明,所提策略能够有效改善电池SOC、降低超级电容容量,符合储能平抑风电功率需求,能充分考虑两种储能设备的特性差异,提高功率分配的合理性,改善储能系统经济性。