滤波辨识(11):多变量CARARMA系统的滤波递阶广义增广迭代参数辨识

针对多变量受控自回归自回归滑动平均(M-CARARMA)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广梯度迭代辨识方法、滤波递阶递推广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(12):多变量OEARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对多变量输出误差自回归滑动平均(M-OEARMA)系统,即多变量Box-Jenkins系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶递推广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法等。这些滤波辅助模型递阶广义增广迭代辨识方法可以推广到其它有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(13):类多变量方程误差ARMA系统的滤波递阶广义增广迭代参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广迭代梯度辨识方法、滤波递阶广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法。这些滤波递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量方程误差随机系统中。

基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法

在当前机器人导航和环境感知领域,室外大尺度场景下的三维激光SLAM一直是一个挑战性问题。由于GPS信号在某些环境下的不稳定性和激光SLAM的误差累积特性,传统算法在大尺度场景下表现不佳。针对室外大尺度场景下三维激光SLAM(同步定位和地图构建)存在的误差累积严重问题,本文提出了一种基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法。该算法通过利用惯性测量单元(IMU)数据对机器人状态进行预测,同时以激光和全球定位系统(GPS)数据作为观测,更新机器人状态,推导出观测方程和雅可比矩阵,显著提高了建图的精度和鲁棒性。里程计中融合GPS数据的绝对位置信息以解决长时间运行中的误差累积问题。在特征稀疏的环境中,由于约束不足可能导致算法崩溃,GPS数据的引入可以提高系统的鲁棒性。此外,重力对于IMU数据预测机器人状态起到关键的作用。虽然重力是三维向量,但在不发生区域变化的情况下,其模长是不变的,因此被视为二自由度向量。通过将重力的优化转化为旋转矩阵群上的优化,成功避免了重力过参数化的问题,提高了算法的精度。在室外场景下与其他算法进行了性能测试对比并且验证了在大尺度场景下的鲁棒性和精度,结果表明:本文算法的均方根误差为0.089 m,与其他算法相比降低了54%。

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。

基于三步迭代滤波器的缓变型时间同步攻击防护方案

针对卫星接收机可能遭受转发式欺骗干扰而造成缓变型时间同步攻击的情形,提出了基于三步迭代滤波器的攻击防护方案.该方案首先引入缓变型时间同步攻击模型和缓变型时间同步攻击感知模型,并利用三步迭代滤波器估计缓变型时间同步攻击感知模型的时钟偏差与时钟漂移,最后依据构建的纠偏模型对钟差与钟漂进行校正.仿真实验结果表明,该方案能在1 s内及时检测出缓变型时间同步攻击,并进行有效抑制,有效降低时间同步攻击对授时精度的影响.

融合迭代平均滤波的RSSI室内定位算法

针对室内定位中,受无线通信距离和环境的影响,紫蜂(ZigBee)观测信号的随机噪声较为显著,导致定位结果的精度和稳定性较弱的问题,提出一种融合迭代平均滤波的RSSI室内定位算法:在数据采集过程中,采用高斯滤波对观测信号进行预处理,并根据接收信号强度指数测距理论建立起路径损耗模型,由此估算出信号接收节点到广播信标节点间的距离;然后,在定位解算过程中,在线性最小二乘算法的基础上融合迭代平均滤波算法,以抑制随机误差对定位结果的影响;最后,采用自研的CC2530 ZigBee模组对算法的可行性和稳定性进行实验验证。结果表明,等权最小二乘算法的点位精度约为0.64m,距离定权后,最小二乘算法的精度提升到0.52m;用等权最小二乘算法融合迭代平均滤波,精度也能达到0.5 m左右,与距离定权最小二乘的精度相当;同时,融合距离定权和迭代平均滤波2种方法的点位精度可以提高到0.35 m左右。

卡尔曼滤波下多源传感器数据互补-加权迭代融合算法

因多源传感器在数据融合过程中,受自身数据差异性影响较大,导致最终的融合结果精准度较低。为此,在卡尔曼滤波算法的基础上,针对多源传感器数据提出一种互补-加权迭代融合算法。建立多源传感器观测模型,找出数据融合过程中的最优加权系数。在多源传感器组合系统中引入卡尔曼滤波算法,结合互补-加权迭代融合算法,建立预测方程、状态方程、滤波互补因子以及估计均方误差方程,实现多源传感器的数据融合。实验结果表明,所提算法可以精准找出最优加权系数,观测误差始终在0.6 m以下,可以实现数据的精准融合。

基于放疗科大孔径CT的自适应迭代重建技术在肺结节穿刺中的应用研究

目的:研究大孔径CT自适应统计迭代重建(ASIR)对肺结节经皮穿刺中图像质量的影响。方法:选取2023年1月—7月于深圳市宝安区人民医院接受大孔径CT引导穿刺的肺结节患者20例。分别应用滤波反投影技术(FBP)和ASIR技术重建图像并评价两组图像质量。主观评价采用Likert评分,客观评价对结节区噪声标准差(SD)、对比噪声比(CNR)和穿刺针针尖位置CT值等资料。结果:图像的主观评价均满足穿刺要求且一致性较好(Kappa值=0.740)。ASIR图像质量随着权重先增加后降低,权重为60%时最佳。和FBP相比,ASIR 60%的Likert评分更高,结节SD和CNR值比较,差异有统计学意义(P=0.004、0.043)。其他统计参数比较,差异均没有统计学意义(P>0.05)。结论:放疗用大孔径CT常规扫描不影响穿刺图像质量,ASIR 60%图像质量更优,可以用于引导肺结节经皮穿刺。

基于迭代扩展Kalman滤波建议分布和线性优化重采样的快速同步定位与构图

针对标准快速同步定位与构图(FastSLAM)方法中由于样本退化及贫化导致自主水下航行器(Autonomous Underwater Vehicle,AUV)及路标位置估计精度严重下降的问题,该文提出一种基于迭代扩展Kalman滤波(Iterative Extended Kalman Filter,IEKF)建议分布和线性优化重采样的FastSLAM方法,通过IEKF融入最新观测值从而降低样本退化,为了降低样本的贫化,将重采样过程中复制的样本与部分被抛弃的样本通过线性组合产生新样本。建立AUV的运动学模型、特征模型及传感器的测量模型,通过Hough变换提取特征构建全局地图,采用改进的FastSLAM方法基于海试数据进行了AUV同步定位与构图试验,结果表明该文所设计的方法能够有效避免样本的退化及贫化,提高了AUV及路标的位置估计精度;此外,一致性分析结果表明所设计算法具有长期一致性。

压电微动台数据驱动迭代前馈补偿与自适应抑振

为消除压电驱动柔性微定位平台高精控制对平台不确定动力学模型的依赖性,提出了一种数据驱动无模型迭代前馈补偿和自适应陷波滤波结合的控制方法来提高平台的跟踪性能。首先,建立了数据驱动无模型迭代前馈控制器,提高系统对噪声和其他干扰的鲁棒性,同时,证明了在无模型迭代前馈作用下,连续参考输入跟踪误差的有界性和闭环系统的稳定性;其次,构建了自适应陷波滤波器来消除平台谐振的影响,对误差信号进行快速傅里叶变换,并设计谐振频率在线提取算法,实现对陷波滤波器参数的在线实时整定,来进一步提升轨迹跟踪精度;最后,利用所设计的无模型迭代前馈控制器和自适应陷波滤波器对压电微动台进行轨迹跟踪实验。实验结果表明:在跟踪三角波信号时,与单独比例-积分(Proportional Integral,PI)控制和结合自适应陷波滤波器的PI控制相比较,最大跟踪误差分别减小78.25%和70.83%,能够有效提升平台的稳定性和跟踪精度。

一种带阻尼因子的迭代扩展型Kalman滤波器

基于迭代扩展型Kalman滤波器（IEKF）与非线性最小二乘问题的Gauss－Newton方法之关系，本文通过引进阻尼因子得到一个修正的迭代扩展型Kalman滤波器（MIEKF），其迭代序列等价于非线性最小二乘问题的Levenberg-Marquardt方法．MIEKF改善了原IEKF的收敛性和估计精度，一个非线性系统的计算机模拟证实了这一点，而IEKF是MIEKF的一个特例。

基于自适应直接快速迭代滤波的滚动轴承故障诊断方法

直接快速迭代滤波(direct fast iterative filtering,DFIF)是最近提出的一种非线性和非平稳信号分析方法。针对DFIF方法需人为设定滤波区间调整参数,且该参数在迭代计算过程中缺乏自适应性等问题,提出了自适应直接快速迭代滤波(adaptive direct fast iterative filtering,ADFIF)方法,该方法基于瞬时频率波动能量差准则,自适应确定DFIF算法外循环每层迭代筛分过程中最优滤波区间调整参数。ADFIF方法能够自适应地将任意非线性和非平稳信号分解为若干个瞬时频率具有物理意义的近似窄带信号和一个趋势项之和。通过仿真信号和滚动轴承故障信号分析,将所提ADFIF方法与原DFIF、自适应局部迭代滤波、变分模态分解、经验模态分解等方法进行对比,结果表明,所提ADFF方法在抑制模态混叠和抗噪性方面具有一定的优势,且能提取出滚动轴承更多故障特征信息。

基于卡尔曼滤波迭代学习的交通信号控制方法

由于城市交通流具有高度的复杂性,路网内存在的非重复性干扰会使迭代学习的交通控制系统动态性能变差。因此,提出了一种卡尔曼滤波器和迭代学习的交通信号复合控制方法,以进一步改善控制系统的鲁棒性和抗干扰能力。该控制方法首先利用卡尔曼滤波器对系统的状态进行观测,在含有随机噪声干扰的情况下,估计系统的最优状态;其次设计了带遗忘因子的迭代学习控制方法,遗忘因子可增强对大幅扰动的抗干扰能力,再通过迭代学习逐渐跟踪系统的参考轨迹;最后,对该算法的收敛性进行了数学证明,而仿真的实验结果也表明在扰动环境下利用提出的方法可以降低干扰对控制系统的影响,在一定程度上提高了道路通行能力、减少了交通拥堵。

基于迭代扩展卡尔曼滤波的锂离子电池SOC估算

基于电池的二阶RC等效电路模型,建立了状态空间方程式,并通过离线参数辨识确定了模型的参数值。为了能够提高扩展卡尔曼滤波算法的估算精度,采用了迭代扩展卡尔曼滤波算法,对状态更新过程进行多次迭代。基于NEDC工况试验数据对算法的电池荷电状态(SOC)估算精度进行验证。迭代扩展卡尔曼滤波对测量噪声具有更好的鲁棒性,尤其是在噪声协方差较大时,能够以更快的速度收敛至真实值。

一种迭代的GPS/INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程。针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法。该算法采用迭代策略,不断利用观测信息实时修正状态预报值。实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响。其滤波解精度明显优于标准Kalman滤波。

迭代扩展卡尔曼粒子滤波器

提出了一种基于迭代扩展卡尔曼的粒子滤波新方法.该方法利用迭代扩展卡尔曼滤波的最大后验概率估计产生粒子滤波的重要性密度函数,使重要性密度函数能够融入最新观测信息的同时,更加符合真实状态的后验概率分布.仿真结果表明,提出的迭代扩展卡尔曼粒子滤波的估计性能要明显优于标准的粒子滤波、扩展卡尔曼粒子滤波和unscented粒子滤波.

基于误差准则和循环迭代的时移地震匹配滤波方法

分析了用于时移地震互均衡处理中的传统匹配滤波算法适用范围,结果表明该方法在滤波算子的反算子为最小相位时效果最好.对该方法难以解决的混合相位问题,推导出通用公式,并提出基于最小平方误差准则和循环迭代的求解方法.理论和实际数据都验证了该方法较已有方法的优越性.

三相桥式整流电路滤波电容的迭代计算

理论上,对电压型三相桥式整流电路而言,滤波电容的值越大,整流电路输出电压的脉动纹波越小,但实际上不会将滤波电容取很大。针对此问题,结合负载功率情况详细分析并描述了电路工作情况,提出一种关于三相整流电路滤波电容的迭代计算方法,为合理选取滤波电容的值提供了理论依据。最后,通过仿真实验验证了该方法的可行性及可靠性。

迭代自适应权重均值滤波的图像去噪

针对现有滤波方法滤除图像椒盐噪声的性能不理想和耗时长等缺陷,提出了一种迭代自适应权重均值滤波的图像去噪方法(IAWF)。首先,利用图像邻域像素与处理点的相似性采用新型方法构建邻域权重;然后,将此邻域权重与开关裁剪均值滤波结合形成新型权重均值滤波方法,充分利用像素间的相关性和开关裁剪滤波的优势,有效提高了算法的去噪效果,同时采用自适应的方式调整滤波窗口大小,以便尽可能地保护图像细节;最后,采用迭代式滤波方法,即如果上述操作还没有处理完噪声点,则迭代去噪直至噪声点处理完毕,实现自动处理。仿真实验结果表明,在各种不同噪声密度下,IAWF在峰值信噪比(PSNR)、失真度,以及视觉效果等方面均优于现有的几种优秀的滤波算法,且具有更快的运行速度,更适用于实际应用场合。