自适应组合滤波算法在3D假肢模型中的应用

针对经典统计滤波算法无法自适应选取参数以及传统双边滤波算法难以兼顾保特征和光顺性的问题,提出一种自适应组合滤波算法。首先引入基于局部点云体积的自适应标准差倍数以灵活滤除假肢点云大尺度噪声;在滤除大尺度噪声的基础上,引入一种新的协方差矩阵加权方式,提高估计点云法向的准确性,并通过法向夹角变化程度的均值对特征权重因子进行改进,增强双边滤波因子的保特征性,旨在光顺三维假肢模型小尺度噪声。与单独使用统计滤波、双边滤波相比,所提算法在3个假肢模型的最大误差E_(max)至少降低了5%;平均误差E_(ave)至少降低了6.9%。仿真结果表明,该改进算法在有效剔除假肢模型大尺度噪声的同时又避免了过光顺和去噪不彻底,可以较好地保持模型中的几何特征。

一种变步长的零吸引归一化自适应滤波算法

为了使最小均方算法对高斯噪声环境和稀疏系统具有更好的收敛速度和稳态误差,提出了一种变步长的零吸引归一化最小均方算法。该算法将改进的Versoria函数的稀疏感知范数与归一化最小均方算法相结合后,引入了一种新的类高斯函数的变步长策略,解决了固定步长条件下算法收敛速度较慢、跟踪性能较差的问题。从理论层面分析了所提算法的收敛性,并基于MATLAB平台讨论了改进的类高斯步长函数中各参数对算法性能的影响。最后将所提算法与其他同类算法应用于不同信噪比条件下的高斯噪声环境以及稀疏环境中进行未知系统辨识实验,仿真结果表明,所提算法具有更快的收敛速度、更好的跟踪能力以及较小的稳态误差。

一种自适应滤波与干扰观测器相结合的大型舰船状态估计算法

为满足航母等大型舰船目标的状态估计要求,提出一种由非线性干扰观测器和强跟踪容积卡尔曼滤波算法融合形成的交互多模型强补偿容积卡尔曼滤波算法。引入非线性干扰观测器,完成由外界不确定因素引起的干扰总量的估计,并对观测器稳定性进行证明。使用估计的干扰值实时修正强跟踪容积卡尔曼滤波的过程参数,最终形成交互多模型强补偿容积卡尔曼滤波算法,完成对目标状态相对准确的估计。研究结果表明:新提出的滤波算法能够较为准确地完成对目标状态的估计,与变结构多模型粒子滤波算法、变结构多模型无迹卡尔曼滤波算法和交互多模型强跟踪容积卡尔曼滤波算法相比,在目标位置和速度估计上具有更高的估计精度。

基于指数加权平均的GNSS/SINS组合导航系统Sage-Husa自适应卡尔曼滤波算法

测量噪声异常会导致GNSS/SINS组合导航系统滤波精度下降,甚至滤波发散。为解决该问题,首先提出适用于组合导航系统的Sage-Husa自适应卡尔曼滤波方法SHAKF;然后根据滤波新息协方差的理论估计值及实际估计值构建控制因子,提出测量噪声均方差突变起始时刻及结束时刻的检测方法,构建基于指数函数变化规律的遗忘因子,进而提出基于指数加权平均的Sage-Husa自适应卡尔曼滤波方法EWASHAKF;最后将EWASHAKF应用于GNSS/SINS组合导航系统,并进行仿真实验。结果表明,相对于SHAKF,EWASHAKF能够准确地跟踪测量噪声均方差的各种变化,进而提高组合导航系统的滤波精度。

模糊自适应Kalman滤波算法在SINS/DR组合导航的应用

针对里程仪测量误差导致组合导航精度降低的问题,提出基于系统工作状态和滤波器新息状态相结合的模糊自适应算法。根据新息的变化确定模糊规则,修正里程仪输出增益,使新息始终保持在零均值附近,利用修正后的新息修正观测噪声方差,降低导航定位的偏差。仿真实验结果证明,该算法能够很好地提高组合导航定位的精度。

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。

自适应滤波算法在可视对讲系统中应用的研究

随着生活智能化程度的不断加深,社区与住宅区的安全也越来越被摆在重要的位置。在可视对讲系统中,对讲是系统的核心,通话的质量决定了对讲的效果。在对传统自适应滤波算法进行全面分析的基础上,针对回声严重影响对讲质量的问题,提出一种改进归一化最小均方算法。研究结果表明,改进归一化最小均方算法可以很好地消除可视对讲产生的回声噪音,显著改善可视对讲系统的对讲质量。

基于改进自适应IMM算法的高速列车组合定位

针对列车高精度定位问题,该文提出基于改进自适应交互多模型(IMM)的高速列车高精度组合定位方法。首先,根据列车定位需求和各传感器特点,设计了卫星接收器、轮轴测速传感器、测速雷达以及单轴陀螺仪4种传感器的组合定位方案。然后,针对IMM融合滤波算法因先验信息不准导致固定参数设置不当的问题,引入Sage-Husa自适应滤波和转移概率矩阵(TPM)自适应更新集成为自适应IMM算法。针对多模型切换的滞后问题,利用子模型似然函数值能快速反映模型变化趋势的特点,将似然函数值设为判定标志,并引入判定窗对TPM矩阵元素进行修正,有效提升了模型的切换速度。最后,基于改进自适应IMM算法对4种传感器定位信息进行融合滤波,实现高速列车的高精度组合定位。仿真结果表明:改进后的算法相比其他自适应IMM算法提升定位精度1.6%~14.7%,并且能通过提高模型间切换速度来有效降低位置误差峰值,同时具备较好的抗噪性能。

水下脉冲激光探测后向散射噪声自适应滤波算法

在信号处理中抑制水体传输中带来的后向散射噪声,是水下脉冲激光探测的关键技术之一。基于同一水域相邻2次探测后向散射的相关性,提出一种改进的归一化最小均方(NLMS)自适应滤波算法。根据后向散射的强度和滤波后目标信号大小控制步长因子,使其对不同距离、不同强度的目标信号均能取得良好的滤波效果。通过计算机仿真和水池实验对算法进行验证,结果表明,对不同距离、不同反射强度的目标,该滤波器算法均能以较低的阶数有效滤除后向散射噪声,保留目标回波信号。与现有的自适应滤波方法相比,大大减少了滤波所需的计算资源,在水下脉冲激光探测系统上具有一定的应用价值。

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。

GNSS/SINS组合导航的改进Sage-Husa自适应滤波算法

针对组合导航系统中标准Sage-Husa自适应滤波算法存在滤波发散的问题,提出一种改进的Sage-Husa自适应滤波算法。首先,对组合导航系统的线性卡尔曼滤波算法采用补偿反馈校正算法获得最优估计,并对滤波器新息向量进行简化;然后,提出一种改进的Sage-Husa自适应滤波算法,该算法具有实现简单并且可以避免状态估计发散的特点;最后,进行基于该算法的GNSS/SINS组合导航实验。结果表明,该算法可以对量测噪声突变方差和缓变方差进行准确跟踪,并且量测噪声方差估计精度与变分贝叶斯滤波方法相当;当量测噪声方差变化时,相对于标准KF算法,该算法可分别提高约20%和21%的位置精度和速度精度,能有效降低未知量测噪声统计特性对组合导航系统滤波精度的影响。

自适应卡尔曼滤波与PSO-GA-BP算法的机器人误差补偿

采用七轴机器人设备夹持激光器的方式对某型号发射筒进行切割开孔加工。在加工过程中,因轨迹精度和绝对定位精度较低,容易对型号产品发射筒产生损伤和误差切割等问题,运用D-H算法建立七轴机器人理想模型,运用正逆运动学数值算法对理想模型进行验证,运用理想模型的理论位姿参数和激光跟踪仪的测量位姿参数基于Sage-Husa自适应卡尔曼滤波求解七轴机器人真实位姿坐标信息,得到理想位姿参数和真实位姿坐标信息的关节误差,然后结合粒子群优化-遗传算法-BP神经网络联合算法对七轴机器人建立误差预测模型,采用七轴机器人理论位姿参数作为输入样本,真实位姿与理论位姿的各关节角度差作为输出样本,通过库卡机器人Workvisual 5.0软件按照模型输出值对七轴机器人的各关节角度值进行补偿。经过仿真实验和加工,各关节误差补偿后的七轴机器人轨迹误差和绝对定位误差减小72%,满足工艺要求。

基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计

锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响。结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性。

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.

一种针对组合导航滤波发散问题的改进算法

为解决车载组合导航系统中卡尔曼滤波器发散、无法准确跟踪误差变化等问题,设计了一种改进的自适应滤波算法。算法从原理上推导了滤波发散判断依据,结合了Sage-Husa滤波与渐消因子算法,在滤波过程中引入了新息衰减因子,通过对新息协方差进行判断,切换滤波器均方误差阵的更新策略,当出现滤波发散时采用多重渐消因子算法使滤波状态回归正常。对改进后的算法进行了捷联惯导/里程计组合导航仿真试验及实际跑车试验,试验结果表明改进后的自适应滤波算法可以抑制组合导航滤波发散,滤波器适应能力与稳定性得到增强。

基于抗差自适应CKF的水下重力匹配导航SITAN算法

为提高水下重力匹配算法的定位精度和稳健性,将容积卡尔曼滤波应用到水下重力匹配惯性导航中,同时引入抗差估计和自适应因子,提出了基于抗差自适应容积卡尔曼滤波的水下重力匹配导航SITAN算法。利用重力异常模型数据开展仿真实验,结果表明,所提算法能有效修正惯导整体航迹,在观测值未加入粗差的情况下较普通容积卡尔曼滤波算法提高了76%的导航定位精度,在观测值加入30 mGal粗差的情况下,提高了88%的导航定位精度。该研究成果可为后续水下重力匹配导航算法的理论研究及工程实践提供一定的数据支撑。

基于改进LMS的引信回波自适应滤波算法

针对无线电引信回波在信号处理过程中易被噪声覆盖的问题,引入步长补偿因子和反馈控制的思想,提出一种基于改进最小均方(LMS)算法的引信回波自适应滤波算法。该算法在正态函数的基础上引入步长补偿因子共同约束步长取值,提高算法的收敛速度;采用当前误差信号与前一时刻误差信号的互相关值动态调整算法参数,实现对不相关噪声的抑制;同时结合步长归一化处理,增大步长的选择范围,使算法收敛速度更快,稳定程度更高。仿真实验结果表明:该算法可以有效降低噪声对引信回波信号的影响,且与原有算法相比在收敛速度和稳态误差上具有较好性能。

基于自适应滤波算法的超声波气体流量计

针对超声波气体流量计在使用过程中普遍存在的测量精度不高、稳定性差等问题,提出并实现了基于时差法和新型自适应滤波算法的超声波气体流量计。该流量计硬件部分由STM32F103主控芯片、高精度计时芯片TDC-GP22等组成,保证了系统的计量精度;软件部分采用了一种改进型卡尔曼滤波算法,在保证滤波效果的同时有效提高响应速率,并且将其与算术平均滤波相结合,根据流体渡越时间差的变化率提出了新型自适应数据滤波算法。通过实验对比发现,该新型滤波算法有效降低了系统的测量误差,在0.25~40 m^(3)/h流量范围内,系统的最大测量误差为1.08%,满足1.5级精度标准,同时使得系统零漂减小为原来的一半,大大提高了系统的稳定性,满足了实际工程应用的需要。

基于自适应优化选择-抗差自适应卡尔曼滤波混合模型的GNSS+5G组合定位

PNT系统的构建是通信和导航领域的关键课题。发展能够兼容集成不同类型PNT手段,提供具备较好的弹性和环境适应性的综合PNT体系已成为当前刻不容缓的重要任务。5G和北斗系统的出现和发展,为PNT体系走向更综合、更弹性提供了新的思路。据此,本文提出了一种基于GNSS+5G组合数据的自适应优化选择-抗差自适应卡尔曼滤波(AOS-RAKF)算法,以实现城市复杂环境中的高精度定位估计。该算法主要由两个模块组成,即基于AOS的5G基站测量数据优化和基于AOS-RAKF算法的GNSS+5G组合定位。其中,基于AOS的5G基站测量数据优化模块通过自适应优化选择因子实现更好的观测数据重选。GNSS+5G组合定位模块利用优化后的5G数据和GNSS建立耦合结构模型,再利用RAKF方法实现移动车辆的高精度定位。半实物仿真测试结果表明,复杂城市环境下与使用原始测量数据的GNSS、单5G、传统的GNSS+5G组合定位相比,本文AOS-RAKF方法显著提高了定位精度。

一种基于空域占比自适应暗通道去雾算法

针对暗通道去雾算法存在的天空区域颜色失真的问题,提出了一种基于空域占比自适应暗通道去雾算法。该算法首先引入阈值迭代法,对有雾图像天空区域进行自适应分割;接着计算有雾图像空域占比,当占比大于设定阈值0.05时,对天空区域前1%个最高亮度像素求均值作为大气光值,否则加权平均求取全局大气光值;对于非天空区域依然按照暗通道先验计算透射率,而在天空区域引入修正因子,自适应修正天空区域透射率,同时采用引导滤波对其进行细化;最后通过大气散射模型恢复无雾图像。实验结果表明,所提算法改善了天空区域颜色失真现象,有效去除了图像雾气,恢复了图像的细节信息,且时间复杂度有所降低,具有一定优势。