基于离散Kalman滤波的计算机网络通信异常节点识别方法

传统异常节点识别方法存在效率较低、精准度较差的局限性,为解决以上问题,现提出基于离散Kalman滤波的计算机网络通信异常节点识别方法。首先,基于离散Kalman滤波构建通信节点测量信道模型,使系统的平方误差降至最小,从而为离散过程的优化设计提供递推算法,其次,提取计算机网络通信异常节点特征,将所有的异常进攻事件都分割成不同的数据集合,最后,实现计算机网络通信异常节点的定位并识别。实验结果证明:基于离散Kalman滤波的计算机网络通信异常节点识别方法识别准确率可达到99%以上,能够准确识别出异常节点,具有较高的识别精度。

基于测量协方差离散Kalman滤波估计算法的视频跟踪

视频中人体跟踪存在复杂性,尤其是对复杂背景下的人体上、下肢区域进行识别与跟踪时,传统算法存在一些问题。本文在传统Kalman滤波跟踪算法基础上,提出一种基于可变测量协方差的离散Kalman滤波人体识别算法。通过初始化测量协方差,用递归的方法从新获取的观测数据中计算出新的测量协方差估计量,通过离散Kalman滤波器进行跟踪。在实际的视频图像中,表现出良好的跟踪效果,并且对上肢、下肢及整个人体的区分以及部位跟踪方面都有很好的表现。相对于传统的Kalman滤波算法,本算法没有丢失跟踪目标的现象,跟踪速度适中,与人体行进速度保持一致,基本为1.5 m/s,特别适用于对视频中的人体行为进行跟踪及分析处理。

基于Bayes估计的离散Kalman滤波相关观测融合

针对带相关观测噪声和带不同未知观测函数的多传感器离散系统,在已有的融合算法基础上提出了基于Bayes估计的加权最小二乘(Bayes estimation weighted least squares,BYEWLS)分布式融合Kalman滤波算法。该方法充分利用未知参数的验前信息,以风险函数为评价指标,证明了BYEWLS融合算法优于WLS融合算法,针对BYEWLS融合算法是有偏估计,提出了在线消除偏差的方法。分布式融合算法减少了计算负担,提高了融合精度,便于实时应用。最后通过仿真例子验证了该方法的有效性和理论分析的正确性。

离散Kalman滤波器的UML建模与实现

离散卡尔曼滤波器的理论比较抽象。为了能较直观地理解离散卡尔曼滤波器,采用面向对象分析的方法对离散卡尔曼滤波器的具体实现过程进行了UML建模,给出了离散卡尔曼滤波器的用例图、类图、时序图和活动图,使得比较抽象的卡尔曼滤波过程变得直观、形象、易于理解,并且适合于实际编程实现。通过Matlab语言编程实现了一个具体实验的离散卡尔曼滤波算法,给出了卡尔曼滤波器的程序代码,实现的滤波达到了预期的效果。该算法对工程技术上具体实现离散卡尔曼滤波器的编程有一定的参考价值。

Kalman滤波在自动化监测数据噪声处理上的应用研究

对Kalman滤波在静力水准和固定式测斜仪原始数据降噪处理中的应用进行研究。结果表明,在缓慢变形条件下,Kalman滤波可以有效过滤原始数据中的噪声,提供试验结果,还原监测对象真实变形情况。但在突发变形情况下,Kal-man滤波反应滞后。因此,实际应用中应综合使用滤波前和滤波后的数据,以更准确地研判变形趋势和规律,为自动监测数据的噪声处理提供了新的思路和方法。通过Kalman滤波的应用,可以进一步提高监测数据的准确性和可靠性,为工程安全监测和地质灾害预警等领域提供支持。

基于Kalman滤波与应变信号的舰船轴系推力辨识研究

在线、实时、准确监测舰船螺旋桨推力对船-机-桨匹配设计、舰船快速性预报及推进轴系健康管理等具有重要意义。然而,受轴系振动及环境干扰等测量噪声影响,螺旋桨推力产生的微弱应变信号易被测量噪声淹没,导致难以准确测量推力。当前,一些常用的信号降噪方法,比如傅里叶变换、小波分析等均是基于纯数据降噪,未考虑测量数据中潜藏的力学机制。不同于这类降噪方法,Kalman滤波可同时考虑测量数据噪声及数据中的力学机制,对目标实现最小方差无偏估计,因而有更高的估计精度。因此,本文利用Kalman滤波结合应变测量信号提出一种螺旋桨推力高精度、在线辨识方法。以恒定转速、变转速及低频波动转速3种工况为例,研究了不同信噪比下本文方法的推力辨识精度与鲁棒性。研究表明,在信噪比仅为20 d B时,推力辨识最大相对误差仅为4.85%,因此本文方法在低信噪比下仍有很高的辨识精度与鲁棒性。同时,本文提出方法属于时域辨识方法,在转速突变、螺旋桨缠绕渔网等突发工况时亦能实时跟踪推力变化,因此可用于螺旋桨推力及轴系状态的在线、实时监测。

基于集合Kalman滤波的中长期径流预报

为降低中长期径流预报的不确定性,增加水电站水库的发电效益,针对现有方法侧重于提高单一预报模型确定性预报结果的准确性以降低径流预报不确定性的问题,提出一种基于集合Kalman滤波的入库径流确定性预报方法。以旬为预见期的锦西水库实例验证结果表明:相比传统的单一预报模型和传统的信息融合预报模型,基于集合Kalman滤波的中长期径流预报可使RMSE降低4.78 m^(3)/s,合格率可提高0.56%,且更有效地降低了汛期预报的不确定性,得到了更加准确、可靠的确定性径流预报结果,可为开展流域梯级水电站优化调度提供技术支持。

基于自适应强跟踪Kalman滤波的GNSS跟踪环路设计

为提高GNSS接收机跟踪环路在复杂环境下的跟踪性能,提出一种基于自适应强跟踪Kalman滤波(ASTKF)的跟踪环路,在传统跟踪环路的基础上,以鉴相器输出为观测量进行自适应强跟踪Kalman滤波,滤波结果用于计算导航滤波器的观测量,同时将伪码频率和载波多普勒频率反馈到码NCO和载波NCO,在ASTKF中使用基于卡方分布的渐消因子计算方法,提升跟踪环路鲁棒性。半物理仿真实验表明,相比于基于Kalman滤波的跟踪环路和基于强跟踪Kalman滤波(STKF)的跟踪环路,所提出方法在水平方向上的位置误差和速度误差减小20%以上,有效提高了卫星导航接收机的定位性能。

不确定非线性离散系统指令滤波事件触发控制

本文提出了考虑输入饱和的一类不确定非线性离散系统的事件触发指令滤波控制方法.采用指令滤波控制技术解决了传统反步法存在的“因果矛盾”问题,引入补偿机制提高了系统的控制精度;利用事件触发机制能够避免自适应律和控制律的频繁更新,降低了计算负担,提高了资源利用率;运用模糊逻辑系统逼近系统中未知的非线性函数;结合李雅普诺夫稳定性理论,验证了提出的控制方案能够保证跟踪误差收敛到原点小的邻域内以及闭环系统的所有信号有界.仿真结果表明,本文提出的控制方法具有较强的鲁棒性及较好的跟踪性能.

改进扩展Kalman滤波的显微视觉压电驱动定位

在显微视觉领域,压电驱动定位技术因其在微观尺度的高精度特性和灵活性备受关注。然而,由于定位过程中涉及图像处理、传输和控制等方面的时延,导致图像雅可比矩阵的估计会出现较大误差。因此,本文提出了一种改进扩展Kalman滤波算法用来预测图像雅可比矩阵,大幅度降低时间延迟因素。首先,将辨识得到的Bouc-Wen模型与扩展Kalman滤波算法的状态观测方程相结合,使得状态观测方程更全面地考虑压电平台的迟滞非线性特性,有效地提高了对压电平台速度和位置的预测;其次,结合Bouc-Wen模型的扩展Kalman滤波算法在面对非线性问题时,采用的是泰勒级数,这将导致扩展Kalman滤波算法对高度非线性的函数无法提供良好的近似,从而导致在估计雅可比矩阵的时候引入较大的近似误差,故本文将采用神经网络对高度非线性函数进行近似,进而对图像雅可比矩阵进行估计。最后,通过搭建一个显微视觉的压电驱动实验平台,进行位置跟踪实验,仿真实验表明,输入信号分别为正弦信号和三角波信号时,改进扩展Kalman滤波算法跟踪误差均值分别为0.199μm和0.132μm,而扩展Kalman滤波算法的跟踪误差均值分别为0.692μm和0.513μm,结果验证了改进算法的优越性和可行性。

基于Kalman滤波思想的接触线高度检测数据粗差修正算法

接触线高度平顺性是评价接触网设备动态运行质量的重要指标。针对接触线高度检测数据中的粗差,基于Kalman滤波思想提出相应的粗差辨识与修正算法。将接触线高度视作一个连续平稳系统,利用矩形窗函数定义系统状态值,实现检测数据的分段线性化;依据系统状态值的回归预测方法和状态差异的量化方案,构建粗差辨识与修正算法,并引入适用于锚段关节处双支接触线采集特征的回溯机制;基于大量实测数据,采用显著性检验等统计方法确定算法参数,并从回溯、修正、运用和实时性等方面,对算法有效性和可行性进行分析验证,结果表明:该算法能够完成各类接触线高度检测粗差的高速实时辨识与修正。

导弹稳定控制中陷波滤波器的离散化研究

开展导弹稳定控制设计时,通常采用陷波滤波器对弹体弹性振动频率进行抑制,保证控制系统的弹体弹性稳定性。介绍了陷波滤波器的基本原理,针对陷波滤波器离散化设计带来的频率畸变问题,提出了一种改进预畸变双线性变换法,在不改变陷波滤波器阻尼比值的基础上,通过调节阻尼大小实现频率畸变的补偿。与传统离散化方法相比,所提出的方法既补偿了畸变频率,又保证了陷波宽度和相位特性与连续域相同,具有操作简单、适用性强等优点。

基于Kalman滤波的组合预测模型在建筑物变形监测中的应用

根据建筑物沉降监测数据的特点,结合Kalman滤波算法、BP神经网络模型以及AR自回归模型在数据降噪、数据预测中的优势,提出并构建了一种新的基于Kalman滤波的BP-AR沉降预测模型。该组合预测模型实现建筑物变形预测的主要步骤为:首先,通过Kalman滤波算法对原始观测数据进行降噪,消除随机噪声误差对观测数据的影响;其次,通过BP神经网络模型对降噪后序列进行建模与预测;最后使用AR模型对预测残差进行建模与预测。通过实际建筑物沉降监测数据对本文提出的组合预测模型进行验证,结果表明相较于BP神经网络模型与BP-AR模型,本文提出的组合预测模型的预测精度更高,有效降低了噪声影响,具有较高的优越性。

离散切换正时变时滞系统的有限时间稳定与l_(1)滤波

讨论了一类离散切换正时变时滞系统的有限时间稳定性及其l_(1)滤波问题.首先,通过构造一类合适的李亚普诺夫函数,建立了模型依赖平均驻留时间(MDADT)下的离散切换正时变时滞系统的有限时间稳定性的判定条件;然后,基于所得结论设计了一个滤波器,并给出了滤波误差系统是有限时间稳定的且具有1滤波的充分条件;最后,利用两个算例验证了所得结论的有效性.

基于神经网络和Kalman滤波的陀螺阵列融合算法

针对微机械陀螺测量精度和可靠性低的问题,提出了基于神经网络和Kalman滤波的陀螺阵列融合算法。将神经网络与Kalman滤波相结合,利用LSTM-RNN计算每个陀螺的置信度;再将每个陀螺的置信度、测量值及Kalman滤波估计的角速度输入给BP神经网络进行数据融合,使得BP网络在训练时拥有更多关于陀螺的特征信息,从而提高角速度的融合精度。由于率先得到了每个陀螺的置信度,使得BP网络可以更容易辨识出故障陀螺,从而减小对故障陀螺测量数据的利用率。经实际系统验证,在陀螺存在故障的情况下,所提算法的陀螺阵列MAE和RMSE相比Kalman滤波分别降低了80.25%、81.39%,相比只有测量值输入的LSTM-RNN融合算法分别降低了60.33%、63.41%,具有较强的容错性和鲁棒性。

基于离散余弦变换的集合Kalman滤波方法对河流相油藏渗透率场的反演

针对河流相油藏参数场的非高斯性及油藏生产数据与地质模型之间的非线性关系,提出了耦合离散余弦变换的半迭代集合Kalman滤波方法对河流相油藏进行生产历史拟合及反演.将河流相油藏非高斯渗透率场利用离散余弦变换变为类似高斯分布的DCT(Discrete cosine transform)系数,利用能量压缩特性对DCT系数进行截断,使得反演渗透率场的分布变得光滑,较好地解决了河流相油藏的非高斯分布问题.半迭代集合Kalman滤波法很好地解决了油藏生产数据与地质模型之间的非线性问题.理论证明了半迭代集合Kalman滤波与EnRML方法的等效性.比较了标准EnKF、耦合DCT的EnKF及耦合DCT的半迭代EnKF法对河流相油藏渗透率场的反演.讨论了DCT系数保留模式及系数保留数量对耦合DCT的半迭代集合Kalman滤波方法反演结果的影响,结果表明三角形系数保留模式可以用更少的系数保留参数场的地质特征,当保留2.5%的DCT系数时,反演结果已经充分反映了河流相油藏的地质特征.

基于自适应Kalman滤波的物联网异常节点位置识别研究

针对物联网异常节点识别结果不准确和时间较长等问题,文章提出一种基于自适应Kalman滤波的物联网异常节点位置识别方法。分析物联网中节点的空间分布情况,组建物联网各个节点之间的通信信道传输模型,引入载波调制方估计各个通信信道特征参量取值,通过自适应Kalman滤波提取异常节点的特征参量,对全部异常特征参量进行融合和过滤处理。分析处理结果,采用特征模糊聚类对物联网异常节点位置识别。通过实验对比可知,所提方法可以高效率高精度完成物联网异常节点位置识别。

具有测量数据丢失的离散不确定时滞系统鲁棒Kalman滤波

研究了具有测量数据丢失的离散不确定时滞系统鲁棒Kalman滤波问题,其中时延存在于系统状态和观测值中.模型的不确定性通过在系统矩阵中引入随机参数扰动来表示,测量数据丢失现象则通过一个满足Bernoulli分布且统计特性已知的随机变量来描述.基于最小方差估计准则,利用射影性质和递归射影公式得到一个新的滤波器设计方法,并且保证了滤波器的维数与原系统相等.与传统的状态增广方法相比,当时延比较大时,该方法可以有效降低计算量.最后,给出一个仿真例子说明所提方法的有效性.

广义离散系统多传感器信息融合Kalman滤波器

考虑了广义离散随机线性系统的多传感器信息融合状态估计问题.在广义系统无脉冲的假设条件下,通过等价变换将其转化为正常系统.应用经典Kalman滤波方法,在线性最小方差信息融合准则下,提出了按矩阵加权的广义系统多传感器信息融合稳态Kalman状态滤波器.仿真结果说明了算法的有效性.

区间系统的离散鲁棒Kalman滤波

着重研究区间系统的鲁棒滤波问题 .通过等价变换 ,将区间系统转换为对应的矩阵范数不确定系统 ,并据此导出区间系统的鲁棒滤波算法 .该算法为一离散验后 ( a posteriori)滤波算法 ,它能保证区间系统的滤波误差有界 .理论分析和实际计算结果表明 ,本算法能达到比验前 ( a priori)