航迹辨识系统中约束方差滤波的容许模型噪声

根据 Kalman滤波的最小方差特性 ,分析测量噪声一定时 Kalman滤波方差随系统模型噪声强度变化的规律 ,并在模型噪声和测量噪声一定时 ,给出求解当前估计型稳态 Kalm an滤波的 L MI方法。针对测量噪声一定的系统设计一种滤波器 ,它在保证滤波误差方差满足指定上界约束下 ,容许系统有尽可能大强度的模型噪声 。

具有H_∞误差界的鲁棒最小方差滤波

本文研究了含有范数有界参数不确定的性连续系统在未建模外部于扰信号作用时的鲁棒最小方差滤波问题．给出了最坏情形H2性能指标在满足一个H∞估计误差约束时的一个上界，并设计了一个使得该界达到最小意义上的最优滤波器．所得的滤波器对所有可容许的参数不确定都能满足一个给定的H∞误差界，且为最坏情形H2性能指标提供了一个最优上界．

基于最小方差滤波的相对熵阈值分割方法

基于共生矩阵的相对熵阈值分割法是一类常用的图像分割方法。采用自适应滤波方法构造非对称共生矩阵,对相对熵阈值分割法进行改进,使其更好地适应含噪图像的阈值分割问题。实验结果表明,该方法能更有效地降低噪声干扰,使分割目标更为完整,边缘更加清晰。

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。

方差分析滤波法在时间序列预测分析中的应用

对方差分析滤波法预测时间序列模型进行了介绍 ,并运用该方法预测了季度儿门诊人次。与趋势移动平均比率预测法相比 ,预测精度提高了 15 %

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。

鲁棒最小方差滤波在惯导初始对准中的应用研究

在运载体机动时,卡尔曼滤波器会导致捷联惯导系统初始对准时产生较大的机动误差。而H∞鲁棒滤波技术将噪声和不确定输入看作是只知道上界的参数,而不是统计特性服从某一分布的随机向量,从而提高了系统的鲁棒性。但由于H∞滤波一般不单独考虑系统不确定项的影响,从而得到的结果较为保守。因此,学者们又提出了离散时间不确定系统的鲁棒最小方差滤波技术。计算机仿真结果表明,用鲁棒H∞滤波器和鲁棒最小方差滤波器代替卡尔曼滤波器对SINS初始对准时的状态变量进行估计校正后,能有效降低SINS初始对准的机动误差,提高系统初始对准的精度。但鲁棒最小方差滤波器比鲁棒H∞滤波器滤波校正效果更好。

基于GRNN和时间窗方差滤波的海杂波抑制

为实现对海杂波的抑制,根据海杂波混沌动态特性,利用广义回归神经网络(GRNN)进行海杂波预测再对消,最后引入时间窗方差滤波。分析对McMaster大学IPIX雷达含目标实测数据的处理结果,原始数据信杂比小于等于0 dB,只采用GRNN预测对消后信杂比提高但仍有短时海杂波尖峰的影响,经过方差滤波后短时尖峰基本消失,最终信杂比提高到约11.67 dB。故所提方法对海杂波有很好的抑制效果,能够检测出湮没在海杂波中的小目标。

基于方差滤波的动态自适应室内指纹定位算法

目前常用的室内定位算法在构建指纹库时,因为在参考点处接收到的信号强度值存在噪声值,传统的欧氏距离计算公式忽略信号发射器的稳定程度从而造成定位误差,以及K近邻算法无法根据实际情况动态确定参与定位的参考点个数,从而造成定位算法缺乏拓展性和稳定性。针对上述情况,设计了一种经过方差滤波的动态自适应室内指纹定位算法。该算法首先在离线阶段利用方差滤波去掉噪声值,之后在在线阶段利用新的基于方差的相似度计算公式计算待定位点与各个参考点之间的相似度,然后动态自适应地确定距离较小的K个点来参与定位计算,最后利用确定的K个点加权估计待定位点的位置。实验结果证明,该算法较对比算法能够有效提高定位精度和定位的稳定性。

基于方差补偿AKF-BP的电解液式测斜仪精度提升研究

电解液式测斜仪广泛适用于测量土石坝、面板坝、岩土边坡、路堤、基坑等结构物的水平位移监测。为消除环境温度变化和测量噪声引起的电解液式测斜仪测量误差,进行了传感器温度实验,并对硬件本身、工作环境、数据采集三种测量误差影响因素和温度变化影响因素进行详细分析,提出了一种基于方差补偿自适应卡尔曼滤波(AKF)和BP神经网络(BPNN)的精度补偿模型;结果表明,补偿后的电解液式测斜仪水平位移的均方误差相较于补偿前平均降低了80%以上,从而有效减少计算水平位移的误差,极大提升了电解液式测斜仪的测量精度,可应用于电解液式测斜仪实际工程。

基于修正协方差近似二阶扩展卡尔曼滤波算法的电池荷电状态估算

为解决扩展卡尔曼滤波(EKF)算法中由非线性变换忽略高阶泰勒项引起的荷电状态(SOC)估算误差和在迭代过程中协方差容易出现病态的问题,采用修正协方差近似二阶扩展卡尔曼滤波(MVASOEKF)算法,通过混合脉冲功率特性试验对等效模型内部参数进行离线辨识并建立了二阶RC等效电池模型,在MATLAB/Simulink平台上进行SOC估算,结果表明,EKF算法估算平均绝对误差约为2.0%,MVASOEKF算法估算平均绝对误差约为0.5%,与EKF算法相比,MVASOEKF算法虽增加了一定的计算量,但是SOC估计精度明显改善,且收敛性更好。

基于改进扩展卡尔曼滤波算法的空中目标跟踪

采用扩展卡尔曼滤波方法建立了雷达跟踪模型,对空中目标航迹进行滤波,为了减少雷达量测噪声的不稳定变化对系统跟踪性能的影响,对扩展卡尔曼滤波算法进行了改进,利用新息方差的计算来调整卡尔曼滤波器的增益。仿真结果表明,采用改进扩展卡尔曼滤波算法后,在雷达量测噪声发生大幅变化的情况下,经过滤波后的位置和速度误差仍然趋于稳定。表明该方法具有很好的滤波性能及跟踪精度,并可以提高空中目标航迹预测的精确性。

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。

多频采样系统航迹的周期滤波算法

本文根据Kalman滤波思想 ,针对多频采样系统航迹辨识中存在部分点缺少信息问题 ,提出了一种新的航迹辨识方法。该方法假设在目标作匀速直线运动下 ,利用平滑滤波及状态变量的相关性特征 ,采用周期多频Kalman滤波算法充分利用目标航路部分点仅含角度的新息 ,保证航迹滤波的精确性与滤波方差的最优性。某直升机航路滤波结果表明 ,新方法比传统的Kalman滤波算法精度更高 。

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。

时滞系统的多源数据融合卡尔曼滤波器研究

对于带观测时滞的线性离散时变随机控制优化问题,提出了观测变换方法,把带观测时滞状态空间模型等效地转换为无观测时滞的状态空间模型,接着应用卡尔曼(Kalman)滤波方法,在线性最小方差最优融合准则下,给出按矩阵、按对角阵和按标量加权三种最优信息融合卡尔曼(Kalman)滤波器,可分为局部最优全局次优的。融合器的精度高于每一个局部Kalman估值器的精度。可以减少用增广状态方法计算负担大的缺点。为了计算最优加权,给出了计算局部估计误差互协方差公式。对于带观测时滞的三传感器目标跟踪系统的Monte Carlo仿真例子证明了算法的有效性。

SAR图像强回波目标检测的偏态分布方差方法

对复杂背景下的SAR图像强回波目标检测问题进行了研究,提出了基于偏态分布方差的自适应检测算法。首先设计一种新的基于偏态分布模型的方差滤波器,偏态分布方差滤波器可减少相干斑噪声对检测的不良影响,提高图像方差的差异性,即强目标回波边缘灰度方差相对于强目标回波灰度方差、背景杂波灰度方差更小。其次,算法改进了根据图像复杂度自动选取阈值方法,通过自适应检测小方差像素,实现强回波目标检测。仿真结果说明该算法能够对SAR图像强回波目标较快地进行准确检测。相比方差特征法(VAR)和扩展分形特征法(EF)在检测速度与虚警率方面均具有较大的优越性。

一种新的优化滤波算法

提出一种基于改进PSO的优化滤波算法,构造多指标均衡的适应度函数,把滤波增益作为PSO的粒子进行优化求解,同时将最小方差鲁棒滤波增益和H∞滤波增益以及它们的组合平均值作为PSO的初始粒子,赋予粒子一定的认知能力,大大提高收敛速度。仿真表明新的优化滤波算法滤波精度高,鲁棒性强,实时性好。

基于磁通门/GPS组合的车辆导航系统滤波技术

给出了基于磁通门/GPS组合导航系统的硬件结构图,并应用卡尔曼滤波和方差自适应滤波算法分别对GPS、磁通门单独导航定位系统进行了分散滤波,最后应用联合卡尔曼滤波器对GPS和磁通门信息进行了信息融合。并且通过实际跑车实验,验证了滤波对导航系统随机误差消除和定位精度提高的有效性。