SLAM精度的向量加权平均自适应调节研究

针对粒子滤波算法需要大量粒子以提高精度以及重采样导致的粒子多样性缺失的问题,提出一种自调INFO(向量加权平均算法)优化的粒子重组粒子滤波算法。首先,通过向量不同的加权平均规则,使得最优粒子引导粒子集向期望区域移动,以此提高估计精度;其次,实时计算最优粒子附近的粒子密度,当密度大于阈值时,自适应调整迭代次数,实时监测粒子密度,根据此指标引入次优粒子的作用自适应调整粒子集分布;最后,重采样阶段将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性。通过仿真实验检验改进算法在SLAM中的性能,结果表明该算法较标准算法相比,其位姿与路标估计精度更高且鲁棒性更佳。

融合加窗和自适应加权引导滤波改进的Canny算法

针对Canny算法滤波过程中图像细节部分缺失和无法有效去除噪声,并且无法动态识别图像边缘的问题,提出一种融合加窗和自适应加权引导滤波的Canny算法。该算法对Canny算法做出两点改进:一是使用加窗滤波器对图像进行处理,有效滤除噪声,然后对图像进行数学形态学滤波处理,有效增强图像边缘;二是引入分段权值模型对引导滤波算法的正则化参数自适应修正,使其能够根据梯度信息区分边缘和非边缘,从而达到动态识别图像边缘的效果。相比传统Canny算法,改进算法处理后的信噪比提高了1.05~5.22 dB,品质因数提高了0.16~0.35。实验结果表明:改进算法能有效滤除椒盐噪声,识别出比较清晰和完整的边缘。

LLCL滤波并网逆变器的改进型加权平均电流控制策略

加权平均电流(WAC)控制因其对并网逆变器固有的降阶特性而备受关注。然而,数字控制延时引起的系统反向谐振峰易导致传统WAC控制失效,并网逆变器对弱电网下电网阻抗的适应范围减小。鉴于此,本文不从WAC控制的降阶角度出发,而是通过逆变器与电网互联系统等效阻抗模型的网侧电流稳定性角度重新审视,提出一种采用LLCL滤波并网逆变器的前馈复矢量滤波器改进型WAC控制策略,用以提升并网逆变器等效输出阻抗在低频域的相位,可使其在奈奎斯特全频域内的相位均高于-90°,进而增强系统的稳定性。最后,通过仿真分析验证了所提控制策略的有效性。

自适应模糊加权均值滤波器

为了在滤除退化图像中高斯和冲激混合噪声的同时更好地保护图像的细节 ,运用模糊数学的思想提出了一种基于模糊隶属度的加权均值滤波器。该算法利用模糊隶属度函数的概念和裁剪均值滤波器的思想 ,对均值滤波器的权值加以优化 ,使其不仅在降低高斯噪声的能力和保护图像细节方面较传统的均值滤波有所提高 。

一种基于空间距离加权的自适应矢量中值滤波器

矢量中值滤波器(vectormedian filter,VMF)是一种经典和高效的矢量滤波器,主要用于消除彩色图像中的脉冲噪声,但它没有考虑在滤波器窗口内各个像素由于位置的不同而对滤波效果产生的不同的影响。根据人类视觉感知,在一个滤波器窗口中,即使二个像素具有相同的颜色值,其中离中心像素较近的像素应当对中心像素影响较大,而距离较远的像素对中心像素影响较小。基于此,试图将空间距离对滤波效果的影响量化,提出了一个基于心理距离的加权公式,并结合传统的矢量中值滤波器VMF,构造出了一种新的基于空间距离加权的自适应矢量中值滤波器。实验表明,新的矢量中值滤波器,在抑制脉冲噪声、色调保持、细节或边缘保护方面,胜过传统的VMF和其他几个基本的典型矢量滤波器。

幅相二元距离加权的自适应滑动平均滤波

对于光谱图、心电图、线阵CCD光斑图等尖峰型信号,既要滤除噪声又要保持信号峰的位置、幅度、面积、边缘陡度等特征,这是一对难以兼顾的矛盾。在分析了常规加权滑动平均滤波算法的基础之上,提出了幅相二元距离权系数的概念。它不仅考虑了参与加权滑动平均运算的采样数据点间在相位上的相关性,同时也考虑了它们在幅值方面的相关性,有效地解决了峰脚数据被拉高的问题。通过动态调整相位距离阈值或幅值距离阈值,有效地解决了峰顶数据被拉低的问题,从而建立了基于幅相二元距离加权的自适应滑动平均滤波算法。该算法已成功应用于基于线阵图像的视觉式全参数车轮定位检测系统中,使得光斑位置亚像素检测精度从原来的0.5像素提高到了0.03像素。

一种频率自适应滑动平均滤波器的电网同步方法

针对电网电压畸变条件下电力电子变流器的同步锁相问题,提出一种基于频率自适应滑动平均滤波原理的同步锁相(MA-PLL)方法.该方法在传统的同步锁相环基础上,利用滑动平均滤波器在零点频率处的高衰减性能,消除畸变电网条件下电压谐波及不平衡分量对同步锁相的精度影响;采用频率自适应和幅值归一化方法,提高锁相环在电网电压频率变化与幅值波动时的跟踪性能;采用小信号分析法,对锁相环系数进行设计和选取,提高锁相环的动态响应.实验结果表明:在电网电压畸变、不平衡以及频率变化情况下,提出的方法均能准确快速地获得电网的相位和频率信息.

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法。该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性。进而利用Sage-Husa估计算法得到自适应UKF滤波算法。该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性。为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器。一个带3传感器非线性系统的仿真例子说明了该算法的有效性。

一个基于相邻像素兼容度的模糊加权平均滤波器

在文献[1]的基础上,提出几个改进的模糊加权平均滤波器。本文的方案不仅同时考虑了相邻像素对中心像素的兼容性以及中心像素对相邻像素的兼容性,而且还考虑到了权系数对局部环境的适应性。实验结果表明,该方法相比文献[1]中的模糊加权平均滤波器以及标准的均值滤波器、中值滤波器在噪声消除与边缘保留方面具有更好的性能。

自适应加权镜像阈值层叠滤波器

与传统的阈值层叠滤波器相比,镜像阈值层叠滤波器不仅具有低通滤波的特性,还具有带通和高通的特性。但由于镜像阈值层叠滤波器比传统的阈值层叠滤波器的正布尔函数长度有显著增加,从而使计算量增加,为解决这一问题,提出了一种镜像自适应加权(MAW)算法。该方法充分考虑了镜像阈值分解的特点,并通过引入自适应领域加权误差准则建立了代价向量,在迭代过程中,对代价向量的层叠性进行快速约束,并判断其收敛性,最终获得了基于最优正布尔函数的自适应加权镜像阈值层叠滤波器(AWMSF)。为了验证该滤波器的滤噪性能,对最优AWMSF进行了性能分析,结果表明,AWMSF在滤除噪声的同时,能更好地保持图像的细节信息,并可减少迭代次数,从而使计算复杂度大大降低。

乡村振兴绩效评价指标体系构建与评价方法——基于自适应语言加权聚合算子

由于决策环境的复杂性以及人类思维的模糊性,人们往往会面对的语言信息多属性决策问题。为解决这一问题,我们给出一种基于自适应语言加权聚合算子的多准则决策方法,该方法可以在决策评价过程中如何降低认知偏差等因素给属性权重的可靠性和稳定性带来的影响。为此,首先提出了在新的语言集下多准则决策的聚合算子,包括语言加权几何平均算子和语言加权算术平均算子。在此基础上,针对区间变量构成的不确定语言信息集,提出一种自适应语言加权算术平均决策方法。最后利用该方法判断乡村振兴绩效优劣的合理性和实用性。

电网畸变条件下基于滑动平均?自适应陷波滤波器的基波相位提取

风力发电等分布式发电系统并网时,需要实时检测电网电压的基波频率和瞬时相位,现实电网中含有的未知次数的谐波不利于实现准确锁相。为此,利用滑动平均滤波器(moving average filter,MAF)在滤除谐波的同时,实现了基波及基波正交分量的提取。考虑到基波频率对MAF性能的影响,将自适应陷波滤波器(adaptive notch filter,ANF)作为基波频率提取单元,得到电网畸变条件下基于MAF-ANF基波相位提取方法。该方法能够在电网电压畸变且谐波次数未知情况下实现基波相位的准确提取,同时能够快速跟踪频率突变。实验结果验证了该方法的有效性。

基于数字控制延时的LCL型并网逆变器强鲁棒性加权平均电流控制策略

加权平均电流(WAC)控制因其对LCL型并网逆变器固有的降阶特性而备受关注,通过对逆变器控制系统的环路增益进行零极点对消,达到将三阶系统降为一阶系统的目的。但是,传统WAC控制未充分考虑数字控制延时对系统造成的影响,数字控制延时的存在导致系统无法进行理想降阶,并网逆变器对弱电网的鲁棒性较差。鉴于此,提出了一种基于数字控制延时的LCL型并网逆变器强鲁棒性WAC控制策略,在耦合点电压前馈通道引入一阶高通滤波器,进而对系统反向谐振峰进行完全补偿,以提高并网逆变器对弱电网的适应性。最后,通过仿真分析验证了所提控制策略的有效性。

变步长自适应算法在有源滤波器谐波检测中的应用

对已有改进自适应算法性能进行分析,并尝试将其应用于有源滤波器谐波检测中。实验表明这些变步长算法的性能极易受到系统中噪声信号的干扰,改进效果不明显。该文提出了一种新的变步长自适应谐波检测算法。算法采用归一化的处理方法,以误差信号e(n)在待检测信号中所占比率K(n)作为自适应回馈量,并通过K(n)的相干平均估计来调节算法的步长。其优越性在于:即使在有较大噪声干扰的情况下,谐波检测过程也能保证既具有较快的动态响应速度,又保持较高的检测精度,而不像传统算法那样必需在两者性能上进行折中选择。仿真和实验结果证明了理论分析的有效性。文章还对该算法的收敛性和稳定性进行了分析,并就算法中参数的选取提供了参考标准。

一种基于双滑动平均滤波器的单相软件锁相环

为了提高基于同步参考坐标系的单相软件锁相环在电网谐波畸变情况下的性能,提出了一种基于双滑动平均滤波器的单相软件锁相环。该锁相环采用双滑动平均滤波器来滤去同步坐标系中dq轴上由单相电压奇次谐波转化而来的4k+4(k=0,1,2,…)次谐波,以得到用来锁相的基波相位。考虑到单相电压频率变化会造成锁相环的锁相误差,先采用角频率重构模块得到变化后的频率,再利用加权平均值法来减小频率变化对所述锁相环滤波部分的误差。实验结果表明,该锁相环可以在单相电压含有谐波和频率变化的情况下准确得到基波的幅值和相位,并具有良好的动态响应特性。

基于多重渐消因子的自适应卡尔曼滤波器

现有计算渐消因子的自适应卡尔曼滤波器得到的通常是标量渐消因子,从而导致各滤波通道具有相同的调节能力,不利于提高滤波精度。针对该问题,提出了一种利用估计均方误差和新息协方差估计值来计算多重渐消因子的方法,通过一组并行工作的基于限定记忆指数加权的新息协方差估值器来计算渐消因子,并根据估计均方误差把渐消因子分配给各滤波通道,从而提高自适应卡尔曼滤波器整体性能,仿真结果证明了所提方法的有效性。

一种改进型的自适应基本矢量方向滤波器

基本矢量方向滤波器BVDF(Basicvectordirectionalfilter)是保护彩色图像色调的一种经典的矢量滤波器,主要用于消除彩色图像中的脉冲噪声和色调异常的噪声(vectorswithatypicaldirections),但它没有考虑在滤波器窗口内象素之间的空间距离对滤波效果的影响。根据人类视觉感知,在一个滤波器窗口中,即使二个象素具有相同的颜色值,其中离中心象素较近的象素应当对中心象素影响较大,而距离较远的象素对中心象素影响较小。基于此,论文试图将空间距离对滤波效果的影响量化,提出了一个基于心理距离的加权公式,并结合传统的基本矢量方向滤波器BVDF,构造出了相应的新的基于空间距离加权的自适应基本矢量方向滤波器。实验表明,新的自适应基本矢量方向滤波器,在抑制脉冲噪声、色调保持、细节或边缘保护方面,胜过传统的基本矢量方向滤波器BVDF。

保持图像细节的局部自适应去噪滤波器新方法

去噪算法在现代图像处理应用中占有极其重要的地位。然而图像去噪的过程总是伴随着图像的模糊。本文提出了一种对彩色图像细节保持较好的局部自适应的去噪算法--基于个数判断噪声的前提下结合线性插值、非线性插值(这里主要指中值滤波)滤波对噪声图像进行处理,得到较理想的效果。和领域平均法、倒数梯度加权法、纯线性插值法、纯中值滤波法等相比较,其效果改善明显。

基于自适应加权平均的TCP友好拥塞控制机制

TCP友好拥塞控制是保证实时媒体流和组播业务在Internet广泛应用的关键技术.基于收端TCP模拟方案TEAR(TCPemulationatreceivers),提出了一个根据丢包类型和当前拥塞周期的持续时间动态调整加权平均参数的拥塞控制机制,称为自适应TCP友好拥塞控制方案ATFCC(adaptiveTCP-Friendlycongestioncontrol).仿真结果表明,ATFCC方案在速率平滑程度和TCP友好性方面的性能优于TCP友好速率控制协议TFRC(TCP-Friendlyratecontrol).

基于自适应加权平均的路网MFD估测融合方法

路网宏观基本图(Macroscopic Fundamental Diagrams,MFD)的估测方法有基于固定检测器数据估测法和基于浮动车数据估测法,但很少有文献将两者结合起来,鉴于此,本文提出以车联网环境下联网车数据估测的交通参数为检验数据,引入动态误差,建立两个自适应加权平均数据融合模型,对两种估测法所得的路网加权交通流量和路网加权交通密度分别进行数据融合,从而更加准确地估测路网MFD.为验证模型的有效性,以广州天河区核心路网为研究区域,通过Vissim交通仿真建模分析,对比各种估测法所得路网MFD参数的平均绝对相对误差、路网MFD的状态比和差异值.结果表明,经数据融合后的路网MFD参数平均绝对相对误差和路网MFD差异值均最小,最接近标准路网MFD.