一个非标准热方程反向问题的最优滤波正则化方法

本文讨论一类非标准反向热传导问题。它是严重不适定的,即如果问题的解存在,其解将不连续依赖于数据。为了获得稳定的数值解,我们给出了一种最优滤波正则化方法,并对空间无界和有界两种情形进行了研究。我们分别对空间无界和有界情形采用了Fourier变换技术和分离变量方法,并均获得了最优的稳定性误差估计。此外,我们还给出了两个有趣的数值例子验证了所提出的正则化方法的有效性。

自适应正则化滤波化极方法研究

化极是消除磁力异常斜磁化影响的关键步骤,可以在波数域(频率域)和空间域中实现.相比于空间域,在波数域(频率域)进行化极简单且高效,但在低纬度地区存在不稳定性问题,因此明确低纬度地区的范围,研究稳定、实用、精度高的低纬度地区化极方法具有重要意义.本文通过理论研究得出化极因子振幅的最大值为2时,对应的磁化倾角的值为±45°,当磁化倾角在该范围内时,引起化极不稳定.因此采用正则化思想,提出了自适应正则化滤波化极方法(ARF-RTP),该方法利用化极因子振幅构建正则化滤波函数,并以振幅值等于2作为约束计算化极方法的参数值,从而实现自适应化极处理,提高了化极方法的稳定性及实用性.同时结合迭代算法提高了此方法的精度,有效地解决了低纬度地区化极的不稳定性问题.自适应正则化滤波这一思想不但可以解决化极的不稳定性问题,而且可以解决分量转换或者磁化方向转换的不稳定性问题以及类似数据处理中的不稳定性问题,具有广阔的推广应用前景.

基于正则化粒子滤波的说话人跟踪方法

针对噪声与混响环境下的说话人跟踪问题,提出一种基于正则化粒子滤波(RPF)的麦克风阵列声源定位与跟踪方法.该方法在正则化粒子滤波框架下,采用适应性较强的布朗运动模型,通过计算麦克风阵列波束形成器的输出能量来构建似然函数.实验结果表明,本文方法优于标准粒子滤波,有效提高了说话人声源跟踪系统的抗噪声与抗混响能力,即使在低信噪比(SNR=-5dB)情况下,也能有效跟踪.

基于正则化粒子滤波的磁梯度张量跟踪方法

针对磁梯度张量直接反演跟踪方法对噪声十分敏感的问题,提出了基于正则化粒子滤波(RPF)的磁梯度张量跟踪方法。该方法建立了包括目标位置、速度和磁矩等状态变量的状态方程,给出了表征状态向量与磁梯度张量、磁场三分量测量值关系的量测方程,加入了重采样等克服粒子退化现象的方法,并通过RPF方法克服粒子衰竭问题。通过仿真实验证明了RPF跟踪方法的精度远远高于直接反演跟踪方法,具有更强的抗噪声干扰能力,可以有效完成磁梯度张量跟踪。

基于改进空间正则化相关滤波器的运动目标跟踪研究

为降低光照、遮挡、尺寸变化等因素对目标跟踪过程的影响,提出在经典空间正则化核相关滤波基础上,增加遮挡检测及处理机制,并分别采用相似度计算与空间距离计算作为遮挡评判标准。在模型更新之前先判断遮挡是否存在,如有遮挡,则不更新模型;否则更新模型。提出搜索半径择优处理,分别以6种搜索半径进行目标跟踪,寻找最优搜索半径;进而提出特征择优处理,分别提取HOG特征、PHOG特征、Haar-like特征、LBP特征以及FHOG特征与改进算法结合,选取最佳特征。采用两组实验进行验证:分别采用经典KCF算法、Mean Shift算法、Fragment算法、DSST算法、经典SRDCF算法和改进SRDCF算法对Bolt2和Basketball两个视频中运动目标进行跟踪对比。实验结果表明:FHOG特征与改进空间正则化核相关滤波相结合,且在搜索半径为8个像素点时的跟踪性能最佳,优于其他经典跟踪算法,处理速度可达3. 7 fps。

正则化粒子滤波在水下目标跟踪中的应用

针对传统卡尔曼滤波(KF)及扩展卡尔曼滤波(EKF)在非线性目标跟踪模型中,跟踪精度较差的问题,本文给出了一种基于正则化粒子滤波(RPF)的水下目标跟踪算法。文中在一种模拟水下目标跟踪环境的非线性动态模型中对所提出的算法进行了仿真试验,并将其跟踪性能与扩展卡尔曼滤波和标准粒子滤波算法(PF)进行了比较。仿真结果表明,PF算法比EKF算法滤波精度更高,RPF的跟踪性能优于PF和RPF,而且随着粒子数的增加,PF和RPF的跟踪性能也不断提高。

基于正则化的高斯粒子滤波算法

针对非线性系统的状态估计问题,提出一种改进的高斯粒子滤波算法。该算法是基于正则化粒子滤波(RPF),将重采样中离散的概率分布函数近似为连续分布,进而在高斯粒子滤波(GPF)中引入正则化粒子滤波算法得到的最新预测值,并利用这一观测值进行状态估计的更新。最后,对RGPF和GPF两种算法进行综合分析和实验仿真,结果表明,与标准GPF算法相比,RGPF具有较高的滤波精度。

改进粒子滤波算法对电动汽车电池SOC的估计

引入SIR粒子滤波算法用于估算电动汽车电池的荷电状态(State of charge,SOC),利用系统状态连续近似分布进行采样的正则化滤波算法解决了SIR粒子滤波算法多样性匮乏问题。结合安时法构建电动汽车电池的状态空间模型,进而对电池模型进行参数辨别,结合SIR粒子滤波算法和改进后的粒子滤波算法在MATLAB中进行实验仿真。仿真结果显示,随着时间的增加,SIR粒子滤波算法估算电池SOC误差会变大,改进后的粒子滤波算法估算电池SOC一直逼近真实值,比SIR粒子滤波算法精度高、适应性更好,为电动汽车电池SOC的估算提供了新思路。

目标跟踪中非线性滤波算法的研究

介绍了3种非线性估计方法。在处理目标跟踪等动态系统实时估计问题中,EKF将系统进行线性化近似时存在估计误差,从而影响目标跟踪的精度;PF对系统噪声和量测噪声的概率分布没有要求;RPF是改进的粒子滤波算法。分析了EKF、PF和RPF算法的原理,比较了3种算法的性能差异。仿真结果表明,PF滤波精度优于EKF,而RPF在精度和计算复杂度等方面均优于PF,且随着粒子数目的增加,PF和RPF的精度也不断提升。

基于粒子滤波器的非线性估计方法

介绍基于粒子滤波器的非线性估计方法。采用正则化粒子滤波器来缓解粒子滤波器重采样造成的问题,改进了粒子滤波器的性能。在一种典型的非静态增长模型下比较EKF,UKF,PF和RPF的滤波性能差异。仿真结果表明,PF在滤波精度方面优于EKF和UKF,而RPF在精度和计算复杂度等方面均优于PF。

正则化滤波在反演地表光谱反照率中的应用

利用有限的卫星观测数据,通过反演地物二向性反射分布函数(BRDF)模型提取复杂地表的真实信息,是一个不适定的地球科学反演问题。为了克服离散不适定性带来的困难,在分析引起模型解不稳定的原因和数据误差传递机制的基础上,使用构建滤波函数的方法实现BRDF模型的正则化约束反演。实验结果表明,正则化滤波算法与MODIS AMBRALS算法精度相当,完全适用于具有充足观测和稀疏观测情况下的地物参数反演。

通过交替方向乘子法改进空间正则化判别相关滤波器目标跟踪

为了提高空间正则化判别相关滤波器(SRDCF)跟踪算法速度并且同时保持算法优良的跟踪性能,提出了一种SRDCF 的改进算法。首先,针对高斯 - 赛德尔迭代算法复杂度高,破坏了自相关矩阵对角结构以及需预分配内存等缺点,提出用交替方向乘子法(ADMM)代替高斯 - 赛德尔迭代算法对优化函数进行求解。通过引入辅助量,增加约束条件,将总的优化问题分解成 3 个易于处理的子问题,然后分别对每个子问题进行迭代求解。其次,使用更加简明的二值化形式的惩罚函数代替二次函数形式的惩罚函数,并比较二者对于跟踪效果的影响。最后,在 OTB2013 数据集上对提出的算法进行评估,并和其他相关滤波跟踪算法进行比较。实验结果表明:相对于传统的 SRDCF, 提出的算法跟踪速度由 4fps 提升至 13fps 左右,同时,该算法的平均重叠率由 78.1% 提升至 79.6%。并且在大多数属性的视频序列上排名前二。这表明提出的算法在明显提升 SRDCF 跟踪速度的基础上,跟踪的准确性也有一定的提高。

一种新的基于MAP的纹理自适应超分辨率图像复原算法

本文论证了超分辨率图像复原计算中的两个性质,并基于此在MAP(Maximum A Posteriori)框架下提出了一种新的纹理自适应算法.算法首先根据低分辨率图像和高分辨率图像近似计算的可类比性质计算初始图像,使初始图像的质量更高,并根据超分辨率复原图像阶跃边缘的陡坡性质,将三边滤波正则化应用于迭代运算中,更好地保护了图像的陡坡和屋顶边缘.算法可根据图像的纹理自动计算初始图像融合参数以及正则化函数中的梯度阈值等参数,解决了以往超分辨率图像复原算法参数调整复杂的问题.实验结果表明,本文算法在没有人工参与的情况下,重建图像的客观评价和主观质量均有明显提高.

海杂波协方差矩阵估计及其对目标检测性能的影响

在海杂波中检测有用信号,杂波的协方差矩阵需要利用参考数据进行估计,不同的估计方法对信号的检测性能产生不同的影响。首先,给出了几种杂波协方差矩阵估计,即样本协方差矩阵、正则化样本协方差矩阵、最大似然估计和渐进最大似然估计;然后,分析了海杂波数据的非高斯性和非平稳性;最后,利用正则化匹配滤波器作为信号检测器,分析了不同协方差估计对检测性能的影响。分析结果表明,由于实测数据的非平稳性,检测性能均比仿真数据获得的检测性能要差。而将杂波协方差矩阵的最大似然估计应用于检测器,能够获得较好的检测性能。

复杂干扰条件下地面磁测数据处理与磁异常解释研究

地面磁测成果质量的优劣与原始数据的预处理和分析有着密切的关系,尤其在复杂干扰条件下的地面磁测更应该对原始数据做处理与转换。本文针对邯郸某地地形复杂、地表铁磁性干扰体多的磁铁矿深部找矿问题,开展了地面高精度磁测,研究了复杂干扰条件下地面磁测数据处理与磁异常解释。详细叙述了原始数据的日变改正和地形改正,将实测磁异常进行正则化滤波和向上延拓,使杂乱、无章可寻的实测磁异常转换为单一规则的磁异常,提高了对磁异常定性、定量解释的科学性和可靠性。经过钻孔实际验证,表明磁异常的解释结果正确。

基于改进的GAC模型的图像分割

利用各向同性非线性扩散的图像滤波,并改进了Li Chunming提出的GAC模型中的边缘函数和Heaviside函数,减少图像弱边缘泄露现象.采用改进后的GAC模型对肺部的CT图片,脑部的MR图片和脊椎的CT图像进行分割,取得了较好的分割效果.

剩余寿命预测新方法及其在滚动轴承中的应用

针对单一时频域指标不能完全诠释滚动轴承全寿命周期退化特性以及剩余使用寿命(remaining useful life,简称RUL)预测困难的问题,提出了基于均方谐噪比(mean square harmonic noise ratio,简称MSHNR)指标和改进正则化粒子滤波(regularized particle filter,简称RPF)相结合的剩余寿命预测方法。首先,在局部均值进行信号分解的基础上,通过MSHNR指标实现轴承退化过程的特征提取;其次,分别基于Paris模型及Foreman模型构建滚动轴承稳定退化期和加速退化期的状态空间模型,并利用基于欧式距离的核函数实现重采样过程的改进,实现轴承健康状态评估和剩余寿命预测;最后,通过公开的滚动轴承加速数据验证了所述方法的有效性。相关研究成果能够为核动力旋转设备中滚动轴承的预测性维护提供参考依据,提高公众对核动力旋转设备运行的认识与信赖。