基于滑动中值滤波的多尺度主元分析方法

提出了一种基于滑动中值滤波的多尺度主元分析(MSPCA)方法,该方法利用中值滤波对主元分析(PCA)前的原始数据进行预处理,以去除异常点,并用多尺度主元分析方法把小波变换和主元分析有机结合起来,通过对过程数据的多尺度建模,来消除系统中的次要主元和小的小波系数,这样既提高了对数据中细微、重要变化的检测灵敏度,又解决了在测量数据中含有异常点的情况下,现有多尺度主元分析难以去除因异常点的存在而产生的虚警问题。仿真验证了该方法的有效性和可行性。

车轴超声检测数据的滑动中值滤波算法

提出了一种基于A扫描的滑动中值滤波算法,其通过对被检测工件与圆形超声直探头声场进行分析来确定滑动中值滤波的采样点数。对空心车轴超声检测系统采集的A扫描数据进行算法处理后可以发现,由算法处理后的A扫数据还原而来的B扫图、C扫图干净清晰,一方面去除了所处环境、机械运转结构及装配等因素造成的随机干扰;另一方面很好地保留了缺陷信息。

基于小波变换和中值滤波器的主元分析方法

传统主元分析用于故障检测时,由于测量数据中含有噪声和异常点,从而导致系统的误报警.针对传统主元分析在处理含噪数据时的不足,给出了一种把小波变换、滑动中值滤波器和主元分析相结合的方法,利用小波变换和滑动中值滤波器的优点,对主元分析前的数据进行预处理,以去除噪声和异常点,减少和消除了虚警点,并将此方法运用于实际的故障检测中,取得了较好的检测效果,证实了该方法的有效性和可行性.

二维谐波频率的频域非线性预滤波估计方法

根据谐波信号在带噪信号的频谱中表现为异常脉冲这一特性,提出了一种新的有色噪声背景下二维频率估计方法。利用二维滑动中值滤波器能够滤除异常点的能力,提取噪声频谱,消除有色噪声对信号的影响。将有色噪声转化为白噪声,然后利用高分辨率的二维ESPRIT方法估计信号频率。在不需要知道有色噪声任何统计特性的情况下,该方法对有色噪声具有很强的普适性,仿真实验表明,在信噪比达到-18dB时,该算法仍然能够准确地估计频率。且由于算法中仅利用了二阶统计量,更便于实现。

基于两轮自平衡车的姿态数据处理

在控制器STM32所设定的采样周期内通过DLPF分别采集MPU6050传感器的陀螺仪和加速度计关于x、y、z三个方向的原始数据。再将采集到的加速度计和陀螺仪原始数据通过转化运算得到加速度数据,角速度数据。然后再运用滑动中值滤对加速度数据进行处理得到较为稳定的加速度数据。接着运用反三角函数将加速度数据转化为两轮自平衡成车所需要俯仰角Pitch。最后再通过Kalman滤波器对角度测量值和角速度漂移值的噪声进行过滤得到更为真实的角度值和角速度值。