基于DBSCAN聚类的自适应滤波器剪枝策略

1背景随着人工智能的快速发展和大规模数据集的普及,卷积神经网络(CNN)在计算机视觉领域的应用日益广泛。尽管大型CNN模型能提供丰富的信息表示,但在资源有限的移动设备和可穿戴设备上部署时面临显著挑战。因此,有效轻量化深度CNN模型成为当前研究的重要方向。网络剪枝是一种模型简化技术,通过删除冗余滤波器来降低复杂度。剪枝方法主要分为结构化剪枝和非结构化剪枝。非结构化剪枝以参数为单位进行操作,通常需要特定硬件支持才能显著加速;而结构化剪枝则以通道或滤波器为单位,能在无特殊硬件支持的情况下实现模型加速,因此受到广泛关注。

自适应滤波器的FPGA硬件实现

采用LMS算法和FIR框架结构,对一种基于FPGA硬件的自适应滤波器系统的实现方法展开探讨。系统采用自顶向下的模块化方案设计16阶自适应滤波器。顶层文件包含两个接口、FIR滤波、误差计量和抽头系数共5个模块。系统参数前期均由MATLAB仿真验证选取最优值。硬件测试平台选用以ZYNQ-7000系列芯片为核心的开发板。加噪正弦波信号经系统滤波处理后通过示波器观测,显示去噪效果良好,且通过逻辑分析仪抓取的结果与MATLAB理论仿真结果符合度较好。系统可以封装成一个自适应反复调用的功放IP核,适用于音频、图像、视频等信号滤波处理领域,具有一定的工程应用价值。

采用自适应中心差分卡尔曼滤波器的锂离子电池荷电状态估计

锂离子电池因其能量密度高、使用寿命长等优点被越来越多地应用到卫星、便携式设备和电动汽车等领域.荷电状态作为电池管理系统的重要指标,它的准确监测对保障电池的使用安全、提高电池的使用效率有着重要意义.针对锂离子电池的荷电状态估计,本文提出了一种自适应中心差分卡尔曼滤波算法.首先,设计了一个线性卡尔曼滤波器实现了对测量方程系数的实时估计,从而避免了荷电状态与开路电压关系曲线的测试.其次,考虑到部分工况难以准确地获取模型参数,使用增广向量法并采用自适应中心差分卡尔曼滤波器实现了荷电状态与模型参数的自适应估计.再次,将线性卡尔曼滤波器与自适应中心差分卡尔曼滤波器耦合,实现了荷电状态、模型参数、测量方程系数的联合估计,使得本文所提算法能够更好地应用于电池内部参数未知的复杂工况.为了进一步提高算法的估计精度和对噪声的适应能力,通过迭代法对噪声协方差矩阵进行了动态调整.最后,通过几组实验验证了本文所提算法的有效性.

基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法

图像脉冲噪声移除是获得高质量图像的关键。本文通过热红外相机成像原理研究,提出了一种基于像素梯度自适应迭代中值滤波器的图像脉冲噪声抑制算法。首先,根据相机的调制传递函数计算获取原始图像的最大像素梯度,继而建立相应的像素梯度集合。然后,计算原始图像与对应像素梯度滤波图像的梯度权重均方根误差集合,并将该集合高斯分布的最大值对应的像素梯度确定为最佳像素梯度。最后,根据图像中脉冲噪声的密度和复杂度,确定所提滤波器的自适应窗口大小和迭代次数。大量实验结果表明,所提滤波器对移除8位、16位的单通道脉冲噪声图像展现出良好的鲁棒性。与其他先进方法相比,该方法可以实时移除真实热红外相机采集图像中低密度的随机值脉冲噪声和SAPN,并实现噪声抑制过程中99.5%以上的原始像素不会遭受破坏。除此之外,针对高密度SAPN抑制,该方法获得了具有竞争力的结果,与运行时间较快的滤 波方法相比表现出较好的 PSNR和 SSIM,与 PSNR和 SSIM较优秀的去噪方法相比表现出较快的运行时间。对于极限 SAPN(99%)破坏的图像,也能够恢复有意义的图像细节。

基于FRFT的频域自适应匹配滤波器检测方法

针对浅海混响背景下频域自适应匹配滤波器检测性能下降的问题,提出基于分数阶傅里叶变换(FRFT)的频域自适应匹配滤波器检测方法,该方法利用模板匹配技术,采用滑动窗对接收信号进行最优阶次分数阶傅里叶变换,然后将此过程中得到的FRFT域图与参考信号最优阶次傅里叶变换FRFT域图进行匹配,将离差平方和作为评价相似度的指标,即对离差平方和最小值的位置进行滤波,并对滤波后的信号进行最优阶次分数阶傅里叶逆变换,从而实现混响背景下的目标检测。仿真结果表明,在信混比为-15dB的情况下,该算法可显著提高频域自适应匹配滤波器的检测性能。

基于FPGA彩色图像自适应巴特沃斯滤波器及其应用

传统巴特沃斯滤波器无法对不同图像自适应调整截止频率。针对此问题,提出频率自适应二维巴特沃斯滤波器,通过高频能量在图像总能量中所占比值,自适应地调整截止频率。所采用色彩空间为色相饱和度(Hue Saturation Intensity,HSI),数据格式由浮点数取代定点数,实现高速、高精度的2D-快速傅里叶变换(Fast Fourier Transform,FFT)和2D-快速傅里叶逆变换(Inverse Fast Fourier Transform,IFFT)。深度考虑Xilinx 7系列现场可编辑门阵列(Field Programmable Gate Array,FPGA)硬件底层结构,在xc7a100tfgg484-3芯片上实现该滤波器,并在此基础上实现图像细节增强,增强后图像色彩无明显失真,图像细节更为丰富。经硬件仿真测试,分辨率为512×512的图像完成一次2D-FFT所需时间为6548.892μs,与软件计算频谱结构相似度高达99.9998%。整个设计在资源、功耗和性能之间进行了权衡。

基于自适应尺度混合海森滤波器的面部皱纹检测及评分

为解决全面部皱纹缺乏量化评价方法的问题,提出了一种基于自适应尺度混合海森滤波器(adaptive scale hybrid Hessian filter,ASHHF)的面部皱纹检测方法及评分机制。根据受试者年龄自适应调整海森滤波器的尺寸(σ)范围及步长参数并对其面部高分辨率图像进行滤波,基于81个面部特征点在滤波结果中去除五官、背景,仅保留面部皱纹,使用不同颜色将不同深度的皱纹检测结果标注在原始图像中,最后计算得分量化皮肤衰老程度。以专业医生标注皱纹为参考,50名受试者(年龄为22~65岁)的检测结果表明,相比于传统的固定尺度混合海森滤波器(fixed scale hybrid Hessian filter,FSHHF),ASHHF方法的检测准确率平均提升68.57%,运行时间平均缩短26.26%,评分机制结果与检测准确率的变化趋势一致。综上,本文检测方法能够准确、快速检测面部皱纹分布、深度及宽度,所提评分机制能够科学反映受试者皮肤衰老程度,有望为化妆品、医疗美容等抗衰方法提供功效量化评价手段。

基于神经网络自适应滤波器的数字化电能计量故障检测方法

为了提高数字化电能计量表故障检测的准确性,研究一种基于神经网络自适应滤波器的数字化电能计量故障检测方法。利用电流传感器、电压传感器以及功率传感器采集三种数字化电能计量装置运行数据并实施去噪和归一化处理。提取数据的时域和频域两类四种特征参数,包括方根幅值、偏斜度、频谱幅值、均方根频率。以特征为输入,神经网络自适应滤波器训练后,实现数字化电能计量故障检测。结果表明:检测结果的Z值均在8以上,说明检测结果更接近所设置的真实故障类型,检测更为准确。

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。

自适应极化滤波器的理论性能分析

为适应变化的电磁环境 ,自适应极化滤波器通常先采用极化估计器获得干扰场的极化状态 ,然后以最佳极化进行极化滤波 .因此 ,自适应极化滤波器可用极化估计器、最佳极化计算器、极化滤波器这三者级联构成的开环模型来表示 .在此模型基础上 ,针对基于正交极化双通道测量的信号极化矢量估计算法 ,研究了极化估计器的理论性能 ,证明了极化估计误差近似服从瑞利分布 .通过研究极化估计误差在极化滤波器中的传播过程 ,导出了自适应极化滤波器理论性能的解析公式 ,清楚地揭示了滤波性能与信噪比等因素的统计关系 .

一种新型自适应中值滤波器在超声医学图像中的应用

在中值滤波器的框架下 ,专门针对超声医学图像 ,提出了一种新的自适应中值滤波器 ,其自适应机制的是在一个子窗口内的四个主要方向先分别进行中值滤波 ,再用原始图像与四个子图像的差值产生加权系数 ,之后进一步用四个子图像加权合成新图像。这种滤波方法有较好的细节保护特性和较强的滤噪特性。分析了新滤波器的特性 ,并给出了质量较好的超声心脏滤波图象。

基于自适应滤波器的电网谐波电流预测法

提出一种新的基于LMS算法自适应滤波器的有源电力滤波器(APF)参考电流的预测方法,针对传统LMS算法的缺陷(如收敛速度慢、对非平稳输入信号的适应性差等)作了3点改进,这些改进措施可有效提高自适应滤波器的综合性能.仿真与实验结果证明,采用该方法可有效减小延时对APF补偿效果的影响.

采用核相关滤波器的自适应尺度目标跟踪

由于现存的大多数基于检测的跟踪器都没有解决尺度变化问题,本文在传统的基于检测的目标跟踪框架下设计了一种尺度估计策略,并给出了基于核相关滤波器的自适应尺度目标跟踪算法。该算法利用核函数对正则化最小二乘分类器求解获得核相关滤波器,通过对核相关滤波器的在线学习完成目标位置和尺度的检测,并在线更新核相关滤波器。为了验证本文算法的有效性,选取了10组场景复杂的视频序列进行测试,并与其它5种优秀跟踪方法进行了对比。结果表明,本文提出的方法比上述5种优秀跟踪方法中的最优者的平均距离精度提高了6.9%,且在目标发生尺度变化、光照变化、部分遮挡、姿态变化、旋转、快速运动等复杂场景下有较强的鲁棒性。

渐消卡尔曼滤波器的最佳自适应算法及其应用

本文依据卡尔曼滤波器在使用最佳增益时,其余差序列互不相关的性质,开发了一种新的渐消滤波算法。该算法根据对象输出,在线自适应地调整遗忘因子,从而使滤波器在对象模型存在误差或对象受到外扰时,仍收敛并保持最佳性。该算法已应用于造纸机控制,取得较好效果。

一种全解耦的RLS自适应Volterra滤波器

本文研究了Volterra自适应滤波器解耦问题,提出了一种全解耦的RIS自适应Volterra滤波器.按照Volterra滤波器的伪线性组合结构,采用RIS滤波原理和约束优化理论,导出了满足最小累计平方误差指标的具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种全解耦的RLS自适应Volterra滤波器,给出了滤波器权向量自适应修正的一套公式.仿真结果验证了本文方法的有效性.

基于自适应陷波滤波器的基波与谐波有功功率分别计量

非线性负荷的广泛应用使电网遭受严重的谐波污染,如何准确、合理计量谐波条件下的功率和电能已成为电气测量技术及仪器仪表领域急需解决的问题。电能计量的关键是有功功率的准确计量,文中在单相瞬时功率理论的基础上,提出了基于自适应陷波滤波器的谐波条件下单相基波和各次谐波有功功率分别计量新方法。采用自适应陷波滤波器分别提取出单相电压、电流各自含有的基波和各次谐波分量以及各分量的正交分量,然后通过单相瞬时功率理论分别计量基波和各次谐波有功功率。仿真和实验结果表明,所提出的有功功率计量新方法具有较高的计量精度,尤其是在电网频率变化时,不需要额外的测频或同步采样,仍能快速、准确计量基波和各次谐波有功功率。

自适应联邦滤波器在GPS-INS-Odometer组合导航的应用

针对多传感器观测信息较多、计算效率较低、对动力学模型误差稳键性不佳的问题,提出了一种自适应联邦滤波器并应用于GPS-INS-Odometer组合导航。首先介绍GPS-INS-Odometer组合导航的动力学模型和观测模型,比较分析了信息分配因子和自适应因子的共同特性,论证了联邦滤波器和自适应滤波器的等价性及其等价成立条件,提出了自适应联邦滤波器的信息分配因子构造方法。最后利用实测数据验证了算法的有效性。结果表明,相比于基于GPS和Odometer(里程计)初始方差构造信息分配因子的联邦滤波器,本文提出的自适应联邦滤波器兼容了联邦滤波器高效计算效率,且具有较好的抵抗动力学模型误差效果,能够有效削弱多传感器动力学模型误差对于导航解算的影响,对直接可测参数和间接可测参数的精度提高均起到了积极的作用。

一种新的自适应多级中值滤波器

本文在多级中值滤波器（MLM）的框架下引入了自适应的机制，提出一种新的自适应多级中值滤器（简记AMLM），其中，自适应机制的建立借助于两个自适应子窗口，这两个子窗口根据各基本子窗口的顺序统计量（包括中值）的比较关系．以这些基本子窗口为基本单元自适应构成。新的滤波器与MLM有非常相近的细节保护特性，但是比MLM的滤噪能力有较大提高，此外，与MLM相同，AMLM不需要任何关于信号及噪声的先验知识。本文分析了新滤波器的特性，并给出了显示滤波器效果的实验结果。

基于自适应智能控制的混合有源电力滤波器复合控制

在考虑了有源滤波器的输出滤波器的基础上,建立了并联混合型有源电力滤波器的电气模型,提出了一种基于自适应智能控制的混合有源电力滤波器复合控制方案。其中对谐波电流比例系数采用神经元自适应PID控制算法,根据电网参数的变化自动调节PID控制器的参数;对谐波电压比例系数则采用基于自适应神经网络的解耦控制,仿真和工程应用都表明采用这种复合控制混合有源电力滤波器能达到较好的滤波效果。

基于GA-LSTM自适应卡尔曼滤波的路面不平度识别

准确、快速地识别出车辆当前行驶的路面激励信息,是实现智能底盘控制进而保证车辆平顺性的关键。针对传统路面不平度识别算法准确率低、自适应性差等问题,提出了基于遗传算法(genetic algorithm,GA)优化长短期记忆神经网络(long short-term memory networks,LSTM)自适应卡尔曼滤波的路面不平度识别算法。基于2自由度车辆悬架模型,通过灰色关联法选择LSTM神经网络的特征输入变量,并采用GA优化LSTM神经网络的模型参数以准确识别路面等级,并据此实时更新卡尔曼滤波器算法中的噪声矩阵,实现了在复杂路况下对路面不平度的自适应识别。仿真和试验研究表明,所提出的基于GA-LSTM自适应卡尔曼滤波算法能够快速准确的识别路面不平度与路面等级,与传统卡尔曼滤波算法相比,相关系数、均方根误差和最大绝对误差分别提高3.11%、37.5%和51.2%,表明所提算法对复杂工况具有很好的自适应能力。