多传感器非线性系统序贯观测融合二阶扩展卡尔曼滤波器

对多传感器非线性系统提出了一种序贯观测融合二阶扩展卡尔曼滤波(Second-order Extended Kalman Filter,SOEKF)算法。该算法的中心思想是根据传感器观测数据到达融合中心的先后次序依次进行处理。研究表明,提出的序贯观测融合SOEKF算法比集中式观测融合EKF算法具有更高的精度;与集中式观测融合SOEKF算法精度相当,且具有更低的计算复杂度。目标跟踪系统的仿真验证了算法的有效性。

单相半桥并联有源滤波器非线性控制策略研究

在本文中,研究了通过半桥逆变器控制与光伏系统集成的单相并联有源电力滤波器的问题,使用基于平均非线性模型开发的双环控制系统处理上述问题。内环采用滑模方法进行设计,以实现功率因数校正。在外环中使用比例积分 PI调节器,通过增量电导算法来保证最大功率点跟踪 (MPPT)。最后,通过坊真软件下的理论分析和仿真结果,证明了提出的控制策略达到了相应目标。

非线性时间一致性的相关滤波目标跟踪

针对现有目标跟踪算法主要采用线性约束机制LADCF(Learning Adaptive Discriminative Correlation Filters)跟踪模型容易漂移的问题,提出非线性时间一致性的相关滤波目标跟踪算法。首先,结合史蒂文斯定律,提出贴近人类视觉感知特性的非线性时间一致项,使模型相对平滑地跟踪目标,从而保证跟踪连续性,避免跟踪模型漂移;其次,采用交替方向乘子法(ADMM)求解最优函数值,保证算法的跟踪实时性;最后,利用史蒂文斯定律非线性更新滤波器,使滤波器更新因子可以根据目标的变化增强和抑制滤波器,以适应目标变化,防止滤波器退化。在4个标准数据集上与主流相关滤波和深度学习算法对比实验,相较于基线算法LADCF,所提算法的跟踪精确度和成功率在OTB100数据集上分别提升了2.4和3.8个百分点;在UAV123上分别提升了1.5和2.5个百分点。实验结果表明,所提算法能有效避免跟踪模型漂移,降低滤波器退化概率,跟踪精确度和成功率较高,面对遮挡、光照变化等复杂场景时具有较强的鲁棒性。

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。

多传感器非线性系统的序贯观测融合扩展卡尔曼滤波器

针对多传感器非线性系统,提出了一种序贯观测融合扩展卡尔曼滤波器(EKF)算法,其主要思想是根据传感器观测数据到达滤波器的先后次序依次进行融合处理。研究表明,提出的序贯观测融合EKF算法与传统的最优集中式观测融合EKF算法估计精度相当,且具有更低的计算复杂度,目标跟踪系统的仿真验证了所提算法的有效性。

一种抑制直扩通信窄带干扰的新型非线性自适应预测滤波器

为了更有效地抑制直接序列扩频通信中的窄带干扰，论文提出了一种非线性Laguerre滤波抑制直扩频通信窄带干扰的方法，给出相应的自适应算法。该方法利用具有IIR和FIR滤波器特点的Laguerre时延单元构造非线性自适应预测滤波器。该方法可以使预测器的记忆深度与预测器的阶数解偶，以更少的阶数达到更优的抑制性能。仿真实验结果表明：与Vijayan和Poor传统非线性自适应预测滤波器相比，该滤波器能够保证均方误差的收敛稳定性，并能在信噪比改善提高1-2dB的前提下，使滤波器阶数降低为原来的1／3～1／5，具有一定的现实意义。

非线性量测下的机动多目标跟踪

为了解决非线性量测下机动多目标跟踪实时性差、跟踪误差大以及对杂波变化鲁棒性较差的问题,基于随机有限集理论,提出了一种采用量测转换和模糊算法改进的多模型δ-广义标签多伯努利滤波器。首先,推导了交互多模型的δ-GLMB滤波器,通过去相关无偏量测转换实现位置量测从极坐标系到笛卡尔坐标系的无偏转换,并通过预测值去除量测误差和其协方差的相关性造成的滤波估计偏差,实现了非线性场景下的机动多目标跟踪;然后,通过航迹和量测的关联新息以及目标的机动约束构建联合波门,降低了杂波量测的数量;最后引入改进的模糊算法,以目标的模型后验概率为输入,根据模型的分离程度自适应调节运动模型的过程噪声,增加滤波精度。研究结果表明:在杂波环境下,通过与CKF-JMS-δ-GLMB、CKF-IMM-δ-GLMB等非线性多模型滤波器对比,所提算法计算时间较小,且跟踪精度更高,鲁棒性强。所提算法避免了传统的非线性处理方式计算量较大的问题,并且具有较好的杂波抑制特性,提升了非线性量测下机动多目标跟踪的性能。

一类非线性滤波器——UKF综述

回顾了UKF算法的发展,从一般意义讨论了UT变换算法和采样策略的选择依据,并给出了UKF算法描述.从条件函数和代价函数入手,在给出多种采样策略的基础上对UKF采样策略进行了分析和比较.最后对UKF算法未来可能的研究方向进行了探讨.

稀疏网格平方根求积分非线性滤波器

针对具有加性噪声的非线性高斯动态系统的状态估计问题,本文提出一种新的基于稀疏网格法的平方根求积分滤波器(SSRQF),该滤波器通过稀疏网格取点来近似计算多维积分并进行平方根滤波.与常规QF的积分点数随着维数呈指数增长相比,该方法的积分点数随着维数呈多项式增长,减少了计算量;理论分析表明,无味卡尔曼滤波器(UKF)只是稀疏网格求积分滤波器(SQF)的一个特例,因此SSRQF在精度和取点上比UKF更为灵活.仿真实验表明,SSRQF的滤波精度均高于UKF和扩展卡尔曼滤波器(EKF),是一种效率较高的高精度非线性滤波算法.

非线性滤波器在红外图像增强中的应用

讨论了非线性滤波器在红外图像增强中的应用。首先提出了改进的基于局部统计特性的红外图像对比度增强算法，然后给出了基于（α，β） 裁剪均值滤波器的红外图像噪声滤除算法，最后通过计算机仿真实验表明，改进的对比度增强算法其性能优于灰度线性变换； （α，β）裁剪均值滤波器不仅具备了普通均值滤波器和中值滤波器的优点，而且还克服了两者的不足，有效地滤除了高斯分布、脉冲及均匀分布噪声。

非高斯噪声下基于U-粒子滤波器和似然比的非线性系统故障诊断

针对普通粒子滤波器在非线性系统随机系统故障诊断中的'退化'现象和估计精度的不足,进而影响诊断准确率的问题,提出应用U-粒子滤波器(Unscented particle filter,UPF)进行改进的方法。在建立正常/异常UPF滤波器模型的基础上,推导基于UPF的似然概率密度函数和似然比(Log likelihood ratio,LLR)计算方法,构造故障的检测律和诊断律,并给出完整的故障诊断算法,不仅能准确预报故障发生的时刻,而且可以诊断出故障的类型。最后在某直升机非线性舵回路上进行了试验验证,结果证明了该方法的有效性和优越性。

结合非线性滤波器的形态小波域声呐图像去噪

针对现有声呐图像去噪方法"保边去噪"能力不足的问题,提出了一种结合非线性滤波器的形态小波域声呐图像去噪方法.首先,在形态小波完备重构条件下构建了二维形态中点小波.其次,对形态中点小波的细节分析算子进行多重化处理,对信号分析算子采用取中值的更新提升方案提升,并且为克服形态小波的"块状效应",将图像的平均处理方法应用在形态中点小波去噪过程中.最后,在不同背景下进行多方面的仿真对比实验,实验数据显示形态中点小波的各项评估指标优于现有的小波去噪方法,验证了所提方法的可行性、有效性和可靠性.

一种非线性扩散滤波器的设计方法及其应用

非线性滤波器在保留图像重要特征方面表现出良好的性能 .这些非线性图像滤波大多源于求解初始值为输入图像的非线性扩散方程 .设计合适的扩散系数可以控制扩散方程的扩散行为 ,使得在平滑图像的同时能够保留图像的重要特征信息 .该文给出了一种非线性异性扩散滤波器的设计方法 .通过引入图像特征来选取合适的局部坐标系 ,将整体坐标系中的扩散系数矩阵的设计问题转化为局部坐标系中沿各坐标方向的扩散系数的设计 .这种设计方法简单 ,便于更好地理解扩散滤波器的扩散行为 ,具有更加明确的物理意义 .实验结果说明了此方法的可行性 ,在图像的保边光滑处理方面具有明显的效果 .

基于Gauss-Hermite逼近的非线性加权观测融合无迹Kalman滤波器

对非线性多传感器系统,基于Gauss-Hermite逼近方法和加权最小二乘法,提出了一种具有普适性的非线性加权观测融合算法.该算法可将一个高维观测压缩为一个低维观测.在此基础上,结合无迹Kalman滤波器(Unscented Kalman filter, UKF),提出了非线性加权观测融合无迹Kalman滤波器(WMF (Weighted measurement fusion)-UKF).与集中式融合UKF (CMF (Centralized measurement fusion)-UKF)相比,该算法计算负担小且具有逼近的估计精度.特别是在传感器数量较大时,该算法在计算量上的优势更加明显.仿真例子验证了算法的有效性.

用Laguerre滤波器实现自适应跳频同址干扰抵消

跳频同址干扰具有频率选择性,是典型的长脉冲响应干扰。Laguerre滤波器同时具有FIR和IIR滤波器的优点,对长脉冲响应干扰具有更优的匹配性能和稳定性。在研究跳频同址干扰多径信道特性的基础上,提出采用自适应Laguerre滤波器实现跳频同址干扰抵消,给出自适应干扰抵消器实现算法和自适应Laguerre滤波器最优极点估计方法。仿真结果表明基于Laguerre滤波器的自适应跳频同址干扰抵消器在恒参信道和时变信道中均能获得良好的抵消性能和稳定性,具有很好的实际应用价值。

非线性预测滤波器在机动目标跟踪中的应用

提出了一种直接根据新息的机动目标跟踪非线性预测跟踪滤波算法。该算法不需要假定目标的机动加速度模型 ,而是将目标的机动加速度作为滤波结果的一部分直接估计出来。对不同机动目标的仿真结果表明 。

F-P可调谐光滤波器的非线性校正在动态应变传感中的应用

对Fabry-Perot(F-P)可调谐光滤波器进行了非线性校正,实现了动态应变传感系统的优化设计,利用该系统完成了应变参量的动态检测与实时解调。本系统无需检测光栅反射谱的实际位置,仅需检测光栅反射谱的变化量即可实现应变量的传感解调。采用二次曲线拟合法对F-P可调谐光滤波器的驱动电压进行非线性校正,在50 nm范围内波长调谐的平均误差降低64.6%,最大误差降低33.8%。采用校正电压驱动F-P可调谐光滤波器进行动态应变传感时波长位置检测的误差降低64.3%。引入移位平均算法后,系统动态应变传感的灵敏度优于3με,实测应变量与理论计算结果之间的误差小于5%。

｜ω｜滤波器对卷积滤波法进行非线性参量B／A成像的影响

非线性声参量Ｂ／Ａ是医学超声组织定征的一个新参量，利用Ｘ射线ＣＴ成像的算法──卷积滤波法可以对一个简单样品进行非线性参量Ｂ／Ａ计算机模拟成像。本文研究了四种｜ω｜滤波器，即ＲＬ滤波器，ＳＬ滤波器，抛物线滤波器和改进的ＳＬ滤波器，分析了它们对卷积滤波法非线性参量成像的图像质量的影响。

基于自适应Volterra滤波器的非线性系统辨识

为了识别非线性系统的参数,本文提出了一种基于自适应Volterra滤波器的非线性系统辨识方法。给出了自适应Volterra滤波器的LMS和RLS算法。数值仿真结果表明,该方法对于非线性定常和时变系统都有效。

一种改进的UKF非线性滤波器研究

针对无味卡尔曼滤波器(UKF)存在的缺陷,提出一种能对多通道数据进行渐消的带多重次优渐消因子的UKF滤波算法(SMFUKF)。该方法基于强跟踪滤波器的概念,通过引入多重次优渐消因子到UKF滤波器,自适应的在线调整UKF滤波器的状态预测误差协方差矩阵、量测预测协方差阵、状态和量测之间的互协方差阵及相应的增益矩阵,从而达到对快速变化的状态进行强有力的跟踪。实验结果表明多重次优渐消因子的引人使得UKF滤波器有可能更多的利用系统的先验知识,SMFUKF滤波器对快速变化的状态将具有更强的跟踪能力。