一种彩色图象的非线性自适应滤波算法

本文提出了一种应用于彩色图象去噪和平滑的非线性自适应滤波算法。该算法应用微分算子确定被处理象素及其邻域内的象素点是否为噪声点 ,在具有视觉统一性的色度空间中对图象进行高斯加权时 ,不仅去除噪声点的影响 ,而且应用分类准则 ,对象素及其邻域内的点进行分类 ,选取同类点参加滤波。该方法有效抑制了噪声点的影响 ,提高了滤波的视觉效果。

基于多核学习的在线非线性自适应滤波算法

在在线非线性自适应滤波应用中,由于基于多核学习的算法具有更高自由度并且能够利用更多数据特征,相比基于单核学习的算法在性能上有很大提升。首先给出具有相同"字典"的多核仿射投影算法,该算法是多核学习方法和仿射投影算法的结合。然后基于相干准则针对多核仿射投影算法的特例,对应不同高斯核带宽,利用相干稀疏准则构造不同"字典",提出利用自适应l1-范数正则项来解决归一化多核最小均方非线性自适应滤波算法在非平稳信号下"字典"存在冗余核函数的问题。最后数值仿真结果与比较验证了所提算法的有效性。

基于非线性自适应滤波算法的齿轮传动系统振动主动控制

为了削减齿轮传动系统的振动响应,提出了在靠近激励源处附加压电堆作动器同时抑制两对齿轮振动的双通道主动控制结构。鉴于FxLMS自适应滤波算法对非线性系统应用的局限性,采用了一种非线性自适应滤波双线性FxLMS(BilinearFxLMS,BFxLMS)算法。由于次级通道的准确性对于BFxLMS算法的控制性能有很大的影响,而应用较广的叠加噪声次级通道辨识技术会降低控制系统的效果,因此采用了一种直接估计误差技术对次级通道进行在线辨识,搭建了二级齿轮传动系统振动主动控制试验台,利用dSPACE作为控制器进行了半实物仿真试验。试验结果表明,在以两对齿轮啮合基频为衰减目标时,应用BFxLMS算法和FxLMS算法控制的齿轮箱体上的振动都有明显的减弱,而BFxLMS算法在齿轮传动系统主动控制应用中有更好的控制效果,在第一对齿轮啮合基频处可以达到11dB的衰减量,在第二对齿轮啮合基频处可以达到10dB的衰减量。

非线性时空正则化的相关滤波目标跟踪算法

针对目标跟踪过程中跟踪模型容易漂移,以及对于多样性形态变化的目标不能进行鲁棒跟踪的问题,结合生物视觉感知规律提出了非线性时空正则化的相关滤波目标跟踪算法。在目标函数中提出贴近人类视觉感知幂定律的非线性滤波更新的时间正则项,相比于时空正则相关滤波器(spatial-temporal regularized correlation filters,STRCF)中固定的时间正则项,非线性滤波更新的时间正则项可以根据跟踪的时间变化进行自适应更新,同时采用交替乘子法降低算法复杂度。提取非线性的梯度方向直方图(histogram of oriented gradient,HOG)特征,使用符合生物映射的对数极坐标进行尺度适应。根据最大响应值与平均峰值相关能量的关系进行遮挡异常检测,降低模型漂移的机率,增强算法的抗遮挡能力。实验结果表明,该算法在OTB2015数据集上的精确率和成功率分别达到89.8%和83.3%,该算法相比于STRCF在精确率上提升了2.5%,在成功率上提升了3.2%,在OTB2013与OTB2015数据集上的11种属性的分类对比中,该算法在旋转、低分辨率、背景杂乱、光照变化等因素干扰下的目标跟踪中具有较高的精确率和较强的鲁棒性。

基于非线性自适应比例因子的雪豹优化算法

针对雪豹优化算法在求解复杂优化问题时,存在全局勘探能力不足、寻优精度低等问题,提出一种改进的雪豹优化算法。首先,基于分段Logistic混沌映射初始化从而提高初始种群多样性;其次,引入非线性比例因子用于平衡算法的全局勘探能力和局部开发能力;然后,提出了一种差分变异策略,在第一次种群更新位置后,使用5个随机个体提高全局搜索能力和算法收敛能力,在第二次种群更新位置后,使用3个随机个体保证在求解过程的中后期也具有一定的全局勘探能力,尽可能避免陷入局部最优。通过在IEEE CEC2022基准函数测试集上测试,并与其他算法进行比较,结果表明所提出的算法在种群质量、求解精度以及算法稳定性上均有较大提升。最后将所提出的算法应用于工程优化,计算结果进一步证实了算法的强优化能力。

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。

基于自适应非线性维纳过程的剩余寿命预测

作为预测与健康管理的核心技术,准确的剩余寿命预测对于提高系统的安全性与可靠性具有重要意义。在实际工程应用中,同类产品的不同个体之间通常存在差异,其退化路径并不相同。这就导致通过同类产品历史数据所学习到的模型或参数并不能准确拟合新设备的退化过程。为解决这一问题,基于非线性维纳退化模型提出了一种自适应寿命预测方法。建立同时考虑个体不确定性与测量不确定性的自适应非线性维纳退化模型,并通过卡尔曼滤波、期望最大算法与Rauch-Tung-Striebel平滑减弱维纳过程的马尔科夫性,实现参数的在线更新。通过时间-空间变换推导出对应剩余寿命分布概率密度函数的解析表达式。仿真退化数据与C-MAPSS退化数据集被用于实验验证,实验结果表示,所提出的自适应非线性维纳退化模型能够在线更新模型参数,提高预测精度。

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。

基于神经网络的非线性滤波残差估计非均匀校正算法

目前由于非均匀性技术的限制,红外焦平面阵列具有条纹非均匀性,这种非均匀性一般是一种固定的模式噪声,它会在原有非均匀性的基础上随着时间和温度的变化而变化。传统的残差计算忽略了非均匀性的特点,场景细节的变化会被误认为非均匀性而被过滤掉。提出了一种基于场景的条纹非均匀性校正算法。该方法采用非线性滤波的方法滤除单柱图像的非均匀性,并计算与原始图像的实际残差,然后利用前一帧的预测残差和实际残差得到当前残差。最后,根据场景鬼影抑制参数自适应校正计算增益系数和偏置系数。实验结果表明,提出的算法在200帧测试图像中滤除了61.3%的非均匀性,与其他自适应校正算法相比,非均匀性校正效果更明显,并且在一定程度上有效地保护了图像边缘,收敛速度快,质量高,能有效去除列条纹和非均匀随机噪声。

一种新的自适应非线性卡尔曼滤波算法

为避免由于系统噪声统计特性不准确所导致的滤波性能下降问题,改进了一种基于新息的系统噪声方差调整方法,并将其与扩展卡尔曼滤波、Unscented卡尔曼滤波和差分滤波相结合,形成自适应非线性卡尔曼滤波。将此方法应用到非线性测量光电跟踪系统中,并与采用基本非线性卡尔曼滤波进行性能对比。仿真实验结果证明该方法可以实时调整系统噪声方差,有效地避免由于系统噪声统计特性不准确所带来的滤波性能下降的问题,而且其性能明显优于基本非线性卡尔曼滤波。

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。

非线性自适应抗差滤波定轨算法

讨论了应用卡尔曼滤波进行卫星精密定轨所遇到的一些问题,提出了一种新的非线性自适应抗差滤波定轨算法。该方法首先采用非线性滤波来提高定轨精度,避免了模型线性化误差的影响。另外,采用双因子方差膨胀模型来自适应地调节观测噪声的协方差阵,以控制观测异常对定轨结果的影响;通过自适应因子实时调节状态噪声协方差阵,以降低状态异常对定轨结果的影响。通过CHAMP卫星定轨计算,验证了新方法的可行性和有效性。

自适应CRBF非线性滤波器及其改进学习算法

传统的随机梯度算法由于采用基于二阶统计量的平方误差代价函数,因此含有的信息量较少,难以实现更高的精度。针对此问题,以基于高阶统计量的指数平方误差作为代价函数,结合基于两层RBF网络凸组合的非线性自适应滤波器,提出了最小指数平方误差自适应学习算法。非线性系统辨识和非线性信道均衡的实验仿真结果表明,该改进算法的收敛性能明显优于传统的随机梯度算法。

一种非线性自适应滤波的快速算法

本文提出一种自适应Volterra滤波的快速算法．Volterra滤波是非线性自适应滤波的常用而有效方法，但因其计算量大而在实际应用中有许多局限性．快速算法能显著降低计其复杂度．我们描述了快速算法的原理、理论结果及实现方法，分析比较了快速算法和现有算法的复杂度．文中给出了一个仿真实例。

秩排序非线性滤波器的自适应优化算法

在图像处理中,秩排序非线性滤波器具有非常重要的作用。本文从加权顺序统计滤波器的自适应优化算法出发,导出了加权中值滤波器、秩选择滤波器和置换滤波器等几种重要的秩排序非线性滤波器的自适应优化设计算法,这些算法采用迭代计算实现,并可以在MAE、MSE和Lγ准则下得到最优解。模拟实验表明,这些算法具有非常好的收敛效果,并可以很好地用于类似图像的非平稳信号的处理。

非线性自适应 IIR 滤波器的组合梯度算法

非线性自适应ＩＲ滤波器的组合梯度算法朱幼莲张玲华（常州技术师范学院，常州２１３００１）（南京邮电学院，南京２１０００３）在自适应滤波中，线性滤波器因其本质的简单性而广为应用．但是，在非高斯和高斯背景下的最优滤波是非线性的，非线性自适应滤波器常具有比...

基于非线性深度递归算法的锅炉模糊自适应控制

目的 锅炉系统具有滞后、非线性等特点,传统控制方法对于锅炉的非线性控制效果不理想,本文提出一种改进的模糊自适应控制方法。方法 改进的模糊自适应控制方法采用非线性深度递归算法,解决锅炉系统存在的非线性问题以及执行器执行能力的上限问题。结果与结论使用非线性深度递归算法设计新的控制器,分析并证明了系统的闭环稳定性。以锅炉为控制对象,完成系统仿真,验证了算法的有效性。

基于非线性滤波的自适应交互式多模型算法

研究了基于非线性条件下的自适应交互多模型算法,并将EKF及UKF引入自适应交互多模型算法(AIMM)。交互多模型算法(IMM)是机动目标跟踪中比较有效的方法,然而传统IMM算法中的滤波参数完全是人为先验确定的,并没有利用当前时刻量测中的信息,文中给出基于后验概率的模型转移概率自适应交互多模型算法。最后通过一个仿真实例比较了AIMM中EKF方法与UKF方法及传统IMM方法的优劣,并分析了结论。