基于多次波和自适应预测误差滤波器的地震近炮检距数据重建方法

地震数据采集过程中,受野外施工条件的制约,往往很难获得完整的地震波场,尤其近炮检距数据的缺失尤为严重.当前,很多地震数据处理方法的应用都依赖于近炮检距数据,如何对近炮检距的缺失数据进行重建,是一个重要的研究课题.本文通过多次波和一次波的互相关构建虚拟一次波,利用数据本身的波场信息,对缺失的近炮检距数据进行插值重建.由于通过多次波构建的一次波与真实的一次波存在振幅和相位方面的差异,提出通过基于非平稳自回归过程的自适应预测误差滤波器来表征虚拟一次波的能量谱,利用最小二乘反演方法重建近炮检距缺失数据,自适应预测误差滤波器通过求解正则化约束下的数学欠定问题来实现局部自适应特征.通过对Sigsbee2B模型和实际数据的测试结果表明新方法可以合理地重建复杂的近炮检距缺失数据.

用自适应预测误差滤波器抑制雷达杂波

研究了ＦＴＦ算法和ＬＳＬ算法实现的预测误差滤波器对雷达地杂波和气象杂波的抑制性能，计算了杂波滤波器的改善因子。计算机仿真结果表明，ＬＳＬ和ＦＴＦ算法可以对杂波进行较大抑制，当用于目标检测时，ＦＴＦ算法具有较高的信杂比改善能力。

基于滤波器和阈值选取的误差扩散法

文章针对误差扩散算法应用到嵌入式打印系统时,由于点增益导致打印输出的半色调图像产生严重人工纹理这一问题,提出了一种新的误差扩散滤波器和阈值选取方法。该误差扩散滤波器,通过重新设置误差分散权重,将当前点产生的量化误差分散到其远离邻近的像素上,产生无点增益的点聚集半色调图像;阈值选取,选取一个最合适的阈值,使输出图像在中间调区域无明显结构性纹理。实验结果表明,使用新滤波器和阈值选取方法处理过的图像经打印机输出后整体上更加柔和,在图像的渐变区域无明显人工纹理,效果更好。

滤波器幅度误差对频域宽带波束形成的影响

阵列系统中,各个阵元的滤波器的幅度误差会对宽带波束形成造成影响。以频域宽带波束形成算法和滤波器幅度误差模型为基础,推导得到了存在滤波器幅度误差时频域宽带波束形成算法中自相关矩阵的表达式。通过对自相关矩阵的分析指出:滤波器幅度误差会引起自相关矩阵的秩增加,在做自适应干扰抑制时需要考虑更多的空间自由度。此外,误差的存在还会造成波束形成的性能下降。还给出了误差和性能损失之间的关系,为宽带相控阵系统中通道滤波器的设计提供了参考。

基于预测误差格型滤波器的航迹关联算法研究

在K近邻域(K-NN)航迹关联算法的基础上,提出一种基于预测误差格型滤波器的关联算法,当融合中心仅获得状态估计值,而没有状态估计协方差矩阵时,将状态估计值通过格型滤波器,利用得到的预测误差代替协方差,为判决门限的选择提供依据,仿真结果表明,这种算法是有效的。

微波着陆系统（MLS）角误差数字滤波器的设计计算

根据国际民航组织附件10关于微波着陆系统（MLS）角误差测试滤波器的定义和要求，推导计算了3种角误差测试数据数字滤波器的差分方程，为编制软件做好了准备。

基于时间域误差反馈滤波器的二阶ΔΣ TDC

在这篇文章中,一个二阶ΔΣ时间数字转换器被提出以获得高的分辨率和宽的信号带宽.所提出的时间数字转换器采用了基于时间域运算电路如时间寄存器、时间加法器等构成的时间域误差反馈滤波器的单环结构.采用SMIC 28nm工艺设计,Spectre仿真结果表明噪声底约为-84dBps^2/Hz,等效到50Msps没有噪声整形的TDC的分辨率约为1.5ps,功耗取决于输入时间间隔,在测量间隔1ns时功耗约为1.24mW,测量范围可达7.5ns.

自适应滤波器在相关能量分析攻击中的应用

针对在能量分析攻击中有噪声的存在、攻击效率不高、攻击成功需要采集大量的能量曲线等问题,提出自适应滤波应用在能量分析攻击中滤除噪声来提高攻击效率。以在ATmega16上运行的AES-128算法的密钥为攻击目标,使用最小均方误差（LMS）自适应滤波器、变系数变步长S型（Sigmoid函数）LMS自适应滤波器及卡尔曼滤波器对原始数据进行滤波,使用相关能量分析（CPA）对原始数据及滤波后的数据进行攻击。实验结果表明,3种滤波后的数据与原始数据相比,正确密钥CPA的相关系数均有不同程度提高,正确密钥与错误密钥的区分程度增大,而且减少了完全猜出正确密钥所需要的能量曲线的条数。攻击成功所需要能量曲线的条数与原始数据相比,卡尔曼滤波后减少了21.5%,LMS自适应滤波后减少了56.3%,变系数S型LMS自适应滤波后减少了60.3%。自适应滤波方法能够明显提高CPA攻击的效率。

基于高阶统计量滤波器的离子浓度信号测量

使用选择性离子电极测量水质分析样品中的离子浓度时,由于溶液中各种离子的相互作用,使信号不可避免地混入超高斯噪声和亚高斯噪声。为了提高离子浓度信号的信噪比和测量精度,采用基于四阶累积量均方误差准则的高阶统计量自适应滤波器(HOSRLS),以抑制离子浓度信号的超高斯噪声和亚高斯噪声。仿真结果表明:较之于低阶统计量的递归最小均方误差自适应滤波器(RLS)方法,HOSRLS方法可有效地消除离子浓度信号的非高斯噪声分量,具有较高的信噪比和收敛速度。

丘陵山地柑橘果园机器人自主导航与精确控制系统设计与试验

为实现丘陵山地柑橘果园机器人的自主导航,设计了一种基于激光雷达和惯性传感器的果园自主导航系统.使用激光SLAM融合多传感器所获数据,并利用误差状态卡尔曼滤波器进行位姿优化,从而构建果园的三维全局点云地图.对全局地图进行分析和处理,确定机器人的安全行驶区域,并应用基于机器人运动学多约束条件的三次非均匀B样条曲线轨迹优化算法实现路径规划,使用NDT-ICP算法实现机器人在全局地图中的定位.为适应丘陵山地果园地形复杂性,提出了一种基于预瞄跟踪的自校正增量PID控制策略,利用递归最小二乘法实时调整PID参数,并在机器人履带式行走机构上进行了系统整合测试.试验结果表明,误差状态卡尔曼滤波器优化后的地图精度与优化前相比有明显提升.机器人以1.2 m/s速度行驶时,导航控制系统的直线行驶平均位置偏差和航向角偏差分别为0.18 m和4.2°,转弯行驶平均位置偏差和航向角偏差分别为0.38 m和16.7°,可满足丘陵山地柑橘果园智能农机自主导航作业需求.

一种适用于有限长度混合相位未知脉冲的最小平方反褶积新方法

普通的最小平方反褶积只有在子波为最小相位脉冲和反射序列为白噪声的假设下才是成立的,而对于混合相位未知脉冲来说,这种最小平方反褶积就不再适用了。本文提出一种适合于有限长度混合相位未知脉冲的最小平方反褶积方法。运用此法只需预先估计一个混合相位子波的长度。合成数据的试验结果表明,该方法有较好的效果,且对预先估计出的子波长度不敏感。文中还证明混合相位未知脉冲最小平方反褶积等效于一种有间隙的平滑误差滤波器的作用,而这种有间隙的平滑误差滤波又可分解为一个前向多步预测误差滤波与一个后向多步预测误差滤波之和。可以预计这种新的反滤积方法将在地震数据处理中得到有效的应用。

EasiPLED:一种基于监督学习理论的无线传感网络分组丢失和错误原因识别方法

信道错误和冲突是导致无线网络中分组丢失和错误的两类主要因素.有效识别分组丢失和错误的原因是实现高性能无线传感器网络协议的基础.然而传感器节点资源的有限性和无线通信环境的复杂性给该问题的研究带来挑战.如何提高分组丢失和错误原因识别方法的准确率,同时保持低的识别开销和易于在节点上实现是该文研究的重点.基于监督学习理论提出一种轻量级的、准确实时的分组丢失和错误原因识别方法EasiPLED.Easi-PLED通过大量实地场景统计实验对分组接收情况进行分析,提取基于RSSI、LQI和F-BER组成的特征向量作为监督学习模型的输入,并实现了一种低开销、控制和数据分组驱动相结合的F-BER计算方法.为了降低噪声、射频硬件本身和高度动态变化的通信环境对特征值计算的影响,作者提出了一种基于误差滤波器的特征值预测方法.通过3种监督学习方法对二元和多类EasiPLED分类模型进行离线训练和检验,结果表明EasiPLED获得至少79.8%的准确率.最后基于EasiPLED的概率轮询协议验证了EasiPLED的识别性能.实验结果表明,与已有最新方法相比,该文方法最大可以将轮询成功的概率提高43.5%.

基于多向背景预测的红外弱小目标检测

杂波背景中的弱小目标检测是红外图像处理中的一个重要问题。普通的二维滤波背景预测方法可以用来检测图像中的小目标,但是也存在对复杂场景的适应性差,杂波边缘虚警高的问题。通过分析二维最小均方滤波背景预测算法的方向特性,在对图像四邻域滤波残差进行像素级加权融合后,得到了一种基于多方向融合自适应滤波背景预测的弱小目标检测方法。对构造图像和实际红外云杂波场景中的小目标检测仿真表明,该方法对不同背景适应性较强,在保持目标检测概率的同时显著抑制了杂波边缘虚警,有效提高了杂波背景中小目标的检测性能。

改进的Burg最大熵法在管道检测中的应用

短时间序列、高分辨率、强抗噪能力的功率谱估计是管道超声内检测的关键技术.针对Burg最大熵法存在的问题,从减小递推算法初始阶段误差出发,提出二阶预测误差滤波器系数倒推法,由二阶滤波器系数修正一阶反射系数,保证递推初始阶段最大熵原则,以适应短时间序列谱估计,算法在管道内检测实验中得到了较好的结果.

基于预测原理的回声状态网络在线盲均衡算法

针对非线性信道,基于预测原理提出了回声状态网络(ESN)在线盲均衡算法,首先将具有良好非线性映射能力的ESN代替传统的线性预测误差滤波器,并采用递归最小二乘(RLS)算法计算网络的输出权值,使网络预测误差达到最小;然后进行幅值和相位的调整。仿真实验表明,对于16QAM信号,所提算法可以有效降低非线性信道对发送信号产生的畸变。与其他基于预测原理的盲均衡算法相比,所提算法有更低的均方误差值和更快的收敛速度。

预测反褶积在压制周期性多次反射波中的应用研究

多次波一直是常规地震资料处理中的一种干扰波,预测反褶积能通过压缩地震子波来压制多次波干扰,进而提高地震资料的纵向分辨率,以便更精确地识别地层构造。介绍了预测反褶积的基本理论,并分别用合成地震记录和Tesseral软件模型模拟的地震记录做多道预测反褶积,压制了周期性多次波干扰,提高了资料的分辨率,取得了较理想的结果。

极化SAR相干斑抑制的非局部加权最小均方误差滤波算法

目的相干斑的存在严重影响了极化合成孔径雷达(Pol SAR)的影像质量。对相干斑的抑制是使用SAR数据的必不可少的预处理程序。提出一种基于非局部加权的线性最小均方误差(LMMSE)滤波器的极化SAR滤波的方法。方法该方法的主要过程是利用非局部均值的理论来获取LMMSE估计器中像素样本的权重。同时,在样本像素的选取过程中,利用待处理像素的极化散射特性和邻域块的异质性来排除不相似像素以加速算法,同时达到保持点目标和自适应调节块窗口大小的目的。结果模拟影像和真实影像上进行的实验结果表明,采用这种方法滤波后影像的质量得到明显改善。和传统的LMMSE算法相比,无论是单视的影像还是多视的影像,本文方法去噪结果的等效视数都高出8视以上;峰值信噪比也提升了5.8 d B。同时,去噪后影像分类的总体精度也达到了83%以上,该方法的运行效率也比非局部均值算法有了较大提升。结论本文方法不仅能够有效抑制相干斑噪声,还能较好地保持边缘和细节信息以及极化散射特性。这将会为后续高效利用SAR数据提供保障。

突发性链路感知的自适应链路质量估计方法

提出了一种无线传感器网络中突发性链路感知的自适应链路质量估计方法 EasiLQE。节点周期性地发送控制分组,采用长周期主动探测机制探测链路的质量;同时,节点被动侦听接收到分组的RSSI均值,当低于某一阈值时,触发短周期链路质量探测过程。最后节点使用基于误差的滤波器估计链路在未来一段时间内的质量。实验结果表明,EasiLQE既能实时准确地感知突发性链路在短时间内的持续变化,又能平滑短暂的低幅度波动而保持良好的稳定性,同时维持较低的估计开销。

视频运动目标跟踪算法研究综述

视频运动目标跟踪是计算机视觉领域的研究热点,具有广阔的应用前景。近年来,深度学习等技术的引入使得目标跟踪算法的准确性得到极大提升,但是当目标发生形变、尺度变化、被遮挡等情况时,容易导致跟踪失败。为了进一步改进运动目标跟踪算法,文中系统地梳理了现有的运动目标跟踪算法,将其划分为经典的跟踪算法、基于相关滤波的跟踪算法和基于深度学习的算法,分别从算法的基本原理、算法性能等方面进行详细的阐述,并对未来的发展趋势进行了展望。

一种突发性链路感知的自适应链路质量估计方法

高效、准确、实时而又稳定的链路质量估计是保证无线传感器网络上层协议性能的基础.针对复杂网络环境下高度动态变化的突发性链路,结合被动侦听和主动探测机制提出了一种突发性链路感知的自适应链路质量估计方法EasiLQE.节点通过周期性的发送控制分组,采用长周期主动探测机制探测链路的质量;同时,节点被动侦听RSSI均值,当低于某一阈值时,触发短周期链路质量探测过程.最后节点使用基于误差的滤波器(error-based filter,EF)估计链路在未来一段时间内的质量.实验结果表明,EasiLQE既能实时准确地感知突发性链路在短时间内的持续变化,又能平滑短暂地低幅度波动而保持良好的稳定性,同时维持较低的估计开销.