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.

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。

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。

一种高斯-重尾切换分布鲁棒卡尔曼滤波器

为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heavy-tailed switching distribution based robust Kalman filter,GHTSRKF)。首先,通过自适应学习高斯分布和一种重尾分布之间的切换概率将噪声建模为GHTS(Gaussian-heavy-tailed switching)分布,所设计的GHTS分布可以通过在线调整高斯分布和新的重尾分布之间的切换概率来对非平稳重尾噪声进行建模,具有虚拟协方差的高斯分布用于处理协方差矩阵不准确的高斯噪声。其次,引入两个分别服从Categorical分布与伯努利分布的辅助参数将GHTS分布表示为一个分层高斯形式,进一步利用变分贝叶斯方法推导了GHTSRKF。最后,利用一个仿真场景对几种不同的RKFs(robust Kalman filters)进行了对比验证。结果表明,所提出的GHTSRKF算法的估计精度对初始状态的选取不敏感,精度优于其他RKFs,它的RMSEs最接近噪声信息准确的KFTNC(KF with true noise covariances)的RMSEs(root mean square errors),且当系统与量测噪声是未知时变高斯噪声时,相比于现有的滤波器,GHTSRKF具有更好的估计性能,从而验证了GHTSRKF的有效性。

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。

基于强跟踪滤波器的水中高频振荡放电参数分析

为探明水中放电高频振荡阶段参数及其变化特性,提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)和强跟踪滤波器的时变参数辨识方法。通过该方法分解水中放电实验平台采集的电压、电流信号得到不同频率特征的信号分量,对最适应原始波形的信号分量开展Hilbert变换并求得相应的瞬时幅值、频率,进而得到所需的电阻和电感。实验数据离散度分析结果表明,放电进程中参数变化具有随机性,故利用强跟踪滤波器进一步对实验数据进行辨识处理,可有效地降低随机放电造成的离散性,并获得具备普适性的电阻值和电感值。偏离度分析结果表明,辨识电阻与测量数据除在气泡崩塌阶段随机性过大外,前期偏离度集中在23.26%以下,降低了偏离度处于80%~110%内数据点的干扰,电感偏离度集中在2.35%以下。该方法能够有效地应用于水中高频振荡放电过程的时变参数处理研究中。

一种基于动态残差的自适应鲁棒无迹卡尔曼滤波器定位算法

针对标准无迹卡尔曼滤波(UKF)定位算法无法满足移动机器人在不平整地面运动时高精度定位要求的问题,结合抗差估计理论,提出了一种自适应鲁棒无迹卡尔曼滤波器(ARUKF)定位算法。ARUKF根据动态残差对UKF的预测值进行抗差自适应调整,减小了外部干扰对系统预测值的影响,提高了系统的精度与鲁棒性,通过减少采样过程的运算量加快了运算,并提高了系统实时性。仿真和现场测试结果表明,相较于UKF算法和基于Sage-Husa的改进UKF算法,ARUKF算法对不平整地面产生的扰动能更快收敛,具有更加优异的精度、鲁棒性和实时性,平均距离误差小于2 mm,平均角度误差小于0.016 rad,可以满足更苛刻的建筑施工现场放线要求。

基于LMS自适应滤波器的PMSM谐波抑制方法

为有效抑制电流谐波,在原有的PI控制器基础上,基于最小均方自适应滤波器(LMS-ANF)改造控制器结构,使得永磁同步电机特定次电流谐波得到抑制。通过在传统d,q坐标系矢量控制算法的基础上增加自适应滤波器模块,将采样得到的实际电流作为输入,提取、放大实际电流中的特定次谐波电流,通过PI调节器对谐波误差放大后的电流进行调节,得到控制电压,取得了良好的谐波抑制效果。通过仿真以及台架实验,证明了该控制策略对于抑制电流谐波的有效性。

视觉驱动梯度域滤波重构的自适应渲染算法

蒙特卡罗路径追踪渲染算法结果图像往往受噪声影响,现有去噪算法效率较低且容易丢失图像细节.因此,本文提出一种视觉驱动梯度域滤波重构的自适应渲染算法.首先在预渲染阶段获取特征图像同时通过引导滤波器对特征图像进行预滤波;然后通过图像视觉显著性划分区域进行滤波重构,在显著区域利用融合图像梯度信息的双边滤波器进行平滑去噪,非显著区域利用均值滤波器进行快速去噪;最后利用SURE(Stein′s Unbiased Risk Estimator)计算像素颜色估计量的均方误差引导自适应采样.实验结果表明,与同类算法相比,本文算法可以在更短时间内渲染出具有更优质视觉效果的图像,本文算法的结构相似性(SSIM)和峰值信噪比(PSNR)均有显著提高,运行时间平均降低8.6%以上.

基于Matlab的自适应滤波器设计

滤波器在电子设备中已得到广泛的应用,而自适应滤波器可以不必事先给定信号及噪声的自相关函数,它可以利用前一时刻已获得的滤波器参数自动地调节现时刻的滤波器参数,从而实现最优滤波。介绍了自适应滤波器原理,并对LMS自适应算法进行了分析,最后用Matlab对自适应低通滤波器进行了仿真和实现,并分析了该自适应滤波器的性能。

自适应滤波器设计及MatLab实现研究

自适应滤波器技术因其各方面的优越性能,已经在数字通信、工业控制和雷达等领域获得了广泛应用。本文主要介绍自适应滤波器的Matlab设计方法,且以LMS算法作为范例进行MatLab仿真,结果可见设计的自适应滤波器具有良好的性能和较强的可操作性。

面向低轨卫星的低资源大带宽自适应成形滤波设计

由于低轨卫星通信过程中信号电平动态变化较大,为了提高信道利用率系统需要根据通信链路情况自动控制传输速率。为保证系统通信不中断,满足实时通信的需求,提出了一种面向低轨卫星的低资源大带宽新型成形滤波器设计方法,该方法采用并行多相级联积分梳状(Cascade Integrator Comb, CIC)滤波器的方式设计成形滤波器,能够实现几百kHz至几百MHz大带宽信号的成形,解决高、中、低速信号自适应连续成形滤波问题。相比传统成形滤波器的高速信号处理能力提高了8倍,能节省乘法器资源95%以上,适应低轨卫星通信场景下星载处理使用。仿真结果表明该滤波器对信号的成形效果和带外抑制情况与传统滤波器几乎一致。

基于LabVIEW与MATLAB的自适应滤波器设计研究

针对MATLAB环境下设计自适应滤波器不便构建成一个虚拟仪器系统的问题,采用LabVIEW和MATLAB混合编程方法,通过LabVIEW中的MATLAB Script节点导入MATLAB脚本程序,设计了基于LMS、RLS两种算法的自适应滤波器,并在LabVIEW与MATLAB环境下进行了仿真对比。实验结果表明,所设计的虚拟滤波器性能良好,编程容易,人机接口界面良好,便于工程技术人员快速开发,在现代信号处理领域有很好的参考价值。

基于Matlab/Simulink的天线系统自适应滤波器的仿真实现

为了使天线系统接收和显示的信号更清晰,达到消除系统噪声和电磁干扰的目的,针对中国科学院新疆天文台南山观测基地对射电天文观测和深空探测(探月工程和火星探测)的特殊要求,利用Matlab/Simulink强大的数值计算与仿真功能实现了一种依据自适应方法滤除噪声的滤波器。首先选择脉冲星1910+0728和1913-0440的观测信号为滤波参考信号。在Matlab上通过编写M文件设计了滤波算法并有效滤除了噪声。然后运用Simulink进行建模仿真,通过不断改变系统阶数与步长找到了滤波效果最好的自适应滤波器,确定了其最优参数为8阶,迭代步长为0.005。实验表明在这种阶数和步长下,滤波器能在保证快速滤波的前提下有效地还原接收信号的轮廓,将偏差降到最小。仿真最终结果表明自适应滤波器滤波效果良好,实用性强,满足了射电天文观测和探月的需求。

基于LMS算法和Matlab的自适应滤波器的设计

根据LMS算法性能特点,在Matlab环境下编写了基于LMS算法的有限长自适应滤波器的程序(*.m),用所设计的滤波器对受白噪声干扰的语音信号及正弦波信号进行滤波.理论分析和仿真结果表明,所设计的自适应滤波器具有快速的跟踪能力和收敛性能,且稳态误差较小.

基于扩张式主从自适应陷波滤波器与动态频率跟踪的永磁同步电机无传感器控制

磁链观测法是永磁同步电机在中高速区域一种有效的无传感器控制方案。但是由于逆变器非线性、初始位置误差、电流测量偏置等因素,磁链估计结果将不可避免地含有斜坡信号、直流偏置和各次谐波等多种干扰信号。这些干扰信号的存在将降低无传感器控制的稳态精度,增加转速波动,严重时甚至使系统失稳。针对这一问题,提出了基于扩张式主从自适应陷波滤波器(EMAF)的磁链观测方案。利用不同干扰信号的特性,EMAF可同时跟踪磁链观测中的多种干扰信号;通过对积分对象中的直流偏差进行反馈补偿,EMAF可消除积分环节产生的斜坡信号。进一步地,给出了EMAF的参数整定图解法,将多参数整定问题转换为单参数整定。另外,为了提高频率跟踪环节的动态性能,提出一种考虑电机运动方程的动态频率跟踪算法。相比锁相环或锁频环,该算法在频率变化时可减小频率跟踪误差,避免频率突变引起的暂态振荡。不同条件下的实验结果验证了所提方法的有效性。