一种高性能、低运算量自适应滤波器算法

由于以往小计算量最小均方算法在减小算法计算量的同时,增大了算法中的梯度估计误差,所以这些算法虽然计算量小但性能却比传统的LMS算法降低了许多。针对该不足,本文用线性限幅函数代替原算法中的符号函数,利用线性限幅函数良好的过渡特性和放大性能提出了一种改进型算法。利用系统辨识实验将改进算法与原算法进行比较表明,改进后的算法不但计算量小而且稳态性能大大提高。该改进算法可被用于高性能,低功耗自适应滤波器的设计与实现。

Vander Lugt相关器中几种空间匹配滤波器算法比较

由于光学傅里叶变换过程中光的衍射作用,在光学相关识别中,输入图像的形状对称性会影响匹配滤波器的畸变容限和输出相关峰值。针对几种典型的匹配滤波器算法,定量分析了利用这些算法设计的匹配滤波器的畸变容限和输出相关峰值受输入图像形状对称性的影响程度,依此来比较这些算法的特性,并进行了模拟和实验。

基于核相关滤波器算法的无人机目标识别研究

应用核相关滤波器算法,可以实现自主目标追踪的工程应用。由此,基于核相关滤波器算法,对无人机目标识别进行研究。将二次开发的核相关滤波器算法搭载至机载计算机上,通过机器人操作系统实现机载计算机与飞行控制的通信。进行了系统硬件设计、总体程序设计和机器人操作系统节点程序设计,并进行了识别追踪测试与数据分析。通过测试确认,应用核相关滤波器算法后,无人机可以快速识别和追踪目标,具有较高的实时性和鲁棒性,并且可以有效抵御目标遮挡和损失。

基于分布式算法的高阶FIR滤波器及其FPGA实现

随着FPGA技术的稳步提高,FPGA替代其他技术用于实现高速信号处理已经变得切实可行。针对高阶FIR滤波器十分消耗FPGA硬件资源的问题,提出了一种采用基于位级联的多查找表分布式算法,并以一个32阶8位低通FIR滤波器为例,验证了所提出的方法。仿真结果表明,采用这种方法大大减少了FPGA硬件资源的耗费。

基于遗传算法的彩色图像滤波器研究

为实现彩色图像噪声的滤波,基于遗传算法技术构建了一种新型的彩色图像滤波器,在彩色图像的矢量中值滤波过程中,该滤波器利用遗传算法具有寻找全局最优解的能力,获得滤波器窗口的最优权值。从滤波效果看,有一定提高,并进一步提出了一种基于个体相似性的遗传算法:当种群的多样性较好时,采用标准的交叉策略;当种群的多样性较差时,根据个体的相似性选择个体配对,避免相同的个体配对交叉,减少高度相似个体进行配对交叉的概率,从而提高交叉操作的效率。

自适应扩展卡尔曼滤波器在移动机器人定位中的应用

针对移动机器人定位过程中存在的误差积累问题,提出了采用自适应扩展卡尔曼滤波算法(AEKF).分析了扩展卡尔曼滤波(EKF)和AEKF两种算法,AEKF取采样时刻的各项泰勒级数,并利用Sage-Husa时变噪声估计器实时估计观测噪声,克服了线性化误差,增强了环境适应性;同时,对AEKF的收敛性及运算复杂度进行分析,并结合算法实验表明AEKF具有良好的速度精度综合性价比;最后对比分析两种算法实现机器人定位的效果并实验完成误差对比.结果表明AEKF具有更优的定位性能.

基于可调滤波器金字塔算法的人脸特征提取

特征提取是人脸识别中最重要的一个环节,我们在HMAX模型的基础上,提出了一种改进的视觉信息处理模型,它利用可调滤波器金字塔算法对图像进行多尺度、多方向分析,并结合一系列分层处理,得到了具有尺度、平移、旋转不变性的特征向量,解决了人脸识别中的一个重要难题。在ORL人脸数据库中的实验结果证明了该算法的有效性。

基于窗函数和特征滤波器的半带滤波器设计

研究半带滤波器设计优化问题。半带滤波器是一种特殊的低通FIR数字滤波器,通带和阻带关于二分之一Nyquist频率对称,因而有近一半的滤波器系数为0,用来实现数字滤波可以大幅度地减少运算量,有利于滤波器的实时实现。为实现上述优化,采用两种方法来设计半带FIR滤波器,一种是传统的窗函数法,一种是特征滤波器法。基于半带FIR滤波器的频率特性,用窗函数法和特征滤波器法的半带FIR滤波器仿真结果表明,提出的方法为半带滤波器优化设计提供了参考。

基于多滤波算法融合的红外小目标检测

针对海天背景下红外视频图像序列中小目标检测的精度问题,提出一种基于多滤波融合的算法。通过分析红外小目标及背景噪声的成像特征与时空特性,将Tophat算法与改进的Robinson guard滤波器相结合,有效抑制背景、突显目标;采用自适应阈值分割提取候选目标,并使用Unger平滑滤波以及多目标关联滤波剔除噪声和伪目标。多组红外小目标图像序列的检测实验结果表明,提出的算法平均检测率高达99%,在不同场景下均有较高的检测精度。

采用多级子并行滤波器级联结构的并行FIR滤波器

在并行FIR的快速迭代短卷积算法(ISCA)基础上,采用多级小尺寸并行FIR结构级联结构,实现了一种新型并行FIR滤波器。在增加一定量的加法器和延迟单元等弱运算强度单元的情况下,大大减少使用的乘法器数量。一个采用3级(2×3×6)级联结构的2并行36抽头FIR滤波器仅需18个乘法器,比单级ISCA算法实现的FIR结构节省了67%,更适合于专用并行FIR滤波器的VLSI实现。

一种数据选择多级维纳滤波算法

针对阵列信号自适应处理器收敛性能会由于目标类型干扰影响显著恶化的问题,提出一种采样数据选择算法,可以有效抑制干扰信号对自适应滤波器性能的影响。通过对多级维纳滤波器采用数据选择算法后,显著提高了其抗干扰能力和在非平稳、非高斯环境下的快收敛性能。最后通过实验仿真验证了此算法的有效性。

准椭圆函数滤波器原型电路参数的优化提取

准椭圆函数滤波器是一种新型的高性能滤波器形式 ,但是由于其原型电路的形式比较复杂 ,用经典综合的方法提取其参数的效率很低 ,限制了这种形式滤波器的应用。本文结合遗传算法和Solvopt算法 。

基于FPGA的有源滤波器谐波检测系统的设计

讨论了基于瞬时无功功率理论的电力系统谐波检测方法。根据电力系统谐波的特点,改进了滤波器的设计,并用FPGA器件加以实现。设计中采用了并行积分滤波器,大大的提高了FPGA的运算速度。实验仿真证明:这种检测算法可以灵活的处理综合的面积和速度的约束关系,使最后设计达到最优,具有较高的实用价值。

基于循环神经网络的高超声速机动目标状态估计算法

针对高超声速机动目标运动状态的实时、高精确估计问题,提出了一种基于循环神经网络的高超声速机动目标状态估计算法。首先,将气动参数作为缓变量引入半速度系下的高超声速飞行器运动模型中,建立了高超声速机动目标状态估计模型,并给出了地面雷达测量模型;其次,考虑到高超目标的策略性机动带来的模型不确定性会超出常规滤波方法的处理能力,基于高超声速飞行器运动模型建立目标机动行为数据集,对其在实际作战过程中可能出现的运动行为进行模拟;然后,将多模型滤波与循环神经网络相结合设计了多滤波器联合估计算法;最后,在多种仿真条件下对本文所提出的算法进行了仿真验证。仿真结果表明,提出的高超声速机动目标状态估计算法可实现对高超声速目标机动变化的快速响应,并且算法的估计结果平滑、精度高,有利于后续预报。

基于改进粒子RBPF算法的室内自主导航灭火机器人

采用搭载ROS机器人操作系统的灭火机器人,利用改进粒子滤波器(RBPF)算法优化采样分布和采样次数,减小采样粒子的个数和粒子的退化率,实现灭火机器人对周围环境的二维栅格地图构建。同时在检测到火焰位置时,利用A*算法和DWA算法完成路径规划,使灭火机器人自发性地赶往火焰发生位置并进行灭火动作。实验表明:该灭火机器人在检测到火焰发生位置时,能较为良好地完成建图、定位、导航和灭火任务,满足实际需求,为智能灭火机器人提供了一种可行方案。

一种双参数可调的水声信道自适应均衡算法

针对浅海水声信道固有的随机时-空-频变、高噪、强多径等特性及变化的多径时延扩展,在变步长最小均方(LMS)平行滤波器组(PFB-LMS)算法的基础上提出了一种新的水声通信自适应均衡算法。该算法将变阶数和变步长的调整结合起来,降低了算法对迭代步长和均衡器阶数的敏感度。仿真结果表明,新算法在参数适应性方面优于传统LMS及PFB-LMS算法。

基于自适应滤波的钻井液连续压力波信号噪声抑制

根据钻井液连续压力波信号频带传输特性及自适应滤波器数学原理,针对钻井液连续压力波信号的宽带特征,基于钻井液压力相移键控(PSK)信号数学模型,以最小均方误差(LMS)为评价标准构建自适应滤波器算法,从理论上研究了采用自适应滤波方法实现钻井液连续压力波信号噪声消除及信号重构的可行性。建立了以载波信号作为输入及含噪声井下信号为期望输入的适于宽带信号处理的自适应滤波器结构及数学模型,在自适应控制算法作用下,通过自适应地调整滤波器权系数,以载波延迟采样值的加权线性叠加来逼近井下连续压力波信号;通过建立滤波器权系数的自适应控制算法,分析了滤波器的自适应步长因子对重构信号信噪比及失真度的影响。数值计算及仿真结果表明,基于该数学模型的自适应滤波器可以有效消除进入信号频带的各种随机噪声并实现钻井液压力相移键控信号的重构,通过合理选择自适应步长因子可以降低重构信号的波形失真度,获得较高质量的重构信号。

基于UKF的马尔可夫参数自适应IFIMM算法

给出了一种基于不敏卡尔曼滤波(UKF)的马尔可夫参数自适应的新息滤波器交互式多模型算法,较好地解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波的交互式多模型(IMM)算法和基于UKF的IMM算法更好的稳定性和计算精度,还避免了复杂的Jacobi矩阵运算;该算法结合了马尔可夫参数自适应和新息滤波器技术,实现了马尔可夫转移矩阵的自适应和量测噪声的减小。最后,通过Monte Carlo仿真进一步验证了该方法的正确性和有效性。

浅海水声信道自适应均衡算法

浅海水声信道是一个典型的带宽受限、时变衰落信道,存在着时变的多径扩展、频率偏移以及随机相位起伏.在水声相干通信中,自适应均衡是克服多径效应、消除码间干扰的主要手段.针对在实际应用中自适应均衡算法对步长参数选择的敏感性,进行了浅海信道水声相干通信均衡算法研究,结合录制的水声信道数据,通过Matlab软件,从星座图、算法收敛特性以及系统的误码特性这3个方面对几种均衡算法的性能进行了分析比较.结果表明,最小均方(LMS)平行滤波器组算法具有自适应调整步长的性能,且能获得较快的收敛速度和较小的误码率,验证了该算法在水声信道中的实用性.

采用异常值检测及重定位改进的KCF跟踪算法

针对传统核相关滤波器(KCF)跟踪算法受光照变化、严重遮挡和出视野等因素影响,出现目标丢失现象时,跟踪器会将背景信息作为目标继续进行跟踪而不能重新定位目标的问题,在KCF的基础上,引入异常值检测方法作为目标丢失预警机制,同时,提出了目标丢失重检测定位机制。方法对每帧的峰值进行检测,发现异常峰值,则判定目标丢失或即将丢失,预警机制发出警告,停止目标模板更新,启动目标丢失重检测定位机制,在全帧搜索定位目标。实验结果表明,改进的算法精确度为0.751,成功率为0.579,较之传统KCF跟踪算法分别提高了5.77%和12.43%。解决KCF跟踪器在目标丢失后不能重新找回目标继续跟踪的问题,提升了跟踪算法的性能,实现了长期跟踪。