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。

非线性偏振旋转光纤滤波器模拟

多波长光纤激光器在密集波分复用、非线性频率转换、光纤传感等领域中具有重要应用价值。目前有多种实现多波长光纤激光输出的方式,其中,非线性偏振旋转(NPR)是一种比较常见的方式。理论模拟了NPR光纤滤波器在1550 nm附近的光谱滤波特性,主要包括:在不同的出射角度、光纤双折射和单模光纤长度的条件下,光谱滤波效应的变化情况;自由光谱范围与激光中心波长、正交偏振方向光程差之间的关系。通过对NPR光纤滤波器的光谱滤波效应进行系统地模拟,确立不同参数对滤波效应的作用规律,为相关的多波长光纤激光器的实验研究提供有效指导。

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。

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。

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。

基于Volterra自适应滤波器的水中混响非线性预测

水中混响是主动声呐信号处理中主要的干扰之一,而对水中混响的预测是解决混响背景下信号处理的重要前提.基于二阶Volterra自适应滤波器的混沌时间序列的预测方法是在Takens相空间重构理论的基础上提出的.仿真结果表明,这种非线性自适应滤波预测器能够有效地预测混沌时间序列.同时,由于水中混响具有混沌特性,因而可将这种非线性预测方法应用在水中混响时间序列的预测中.通过仿真得到预期的效果.

车轮转速信号混合噪声的非线性Volterra滤波方法

为保证机车黏着控制品质,提出车轮转速信号所含混合噪声(高斯噪声和冲击噪声)的非线性Volterra滤波方法,并结合混沌优化策略及动态随机局部搜索算子,提出动态随机局部搜索生物地理优化算法对Volterra滤波器模型参数进行优化求解.利用Volterra滤波器的结构优势(具有预测性能、兼具线性和非线性项),既能滤除混合噪声又可满足黏着控制的实时性要求.仿真实验结果表明,经优化求解的非线性Volterra滤波器实现了对车轮转速信号所含混合噪声的有效滤除.

多级Volterra滤波器的非线性系统建模(英文)

提出多级Volterra滤波器非线性建模方法 ,该滤波器等价于文献 [1]给出的分块解耦Volterra滤波器 ,此方法简化了文献 [1]中复杂的推导过程 .通过比较两种滤波器的均方误差 ,进一步分析其与标准Volterra滤波器的性能差异 ,给出刻画该性能差异的误差量 .

一类非线性系统的广义伴随线性方程分析研究

非线性输出频率响应函数是线性系统理论中频率响应函数在非线性系统中的一种推广,越来越多的学者已将其应用在结构损伤检测及故障诊断中.基于Volterra级数理论与由非线性微分方程描述的单输入单输出非线性系统的广义频率响应函数递归计算公式,利用多重积分性质和多维傅里叶变换,将广义频率响应函数映射到了一维频域中,推导出了一类非线性系统的广义伴随线性方程计算公式.研究表明,这类系统的第n阶非线性输出响应是以系统输入激励和前n-1阶非线性输出响应的组合函数作为广义激励作用到系统各阶广义伴随线性方程中的输出响应,最后通过求解一系列线性微分方程可得到这类非线性系统的任意阶非线性输出响应,其结果弥补了伴随线性方程无法求解这类非线性系统的不足.同时,针对广义伴随线性方程的数值计算问题,论文提出了一种耦合计算法,提高了计算非线性输出响应的精度,为非线性输出频率响应函数的计算提供了一种新思路.最后利用广义伴随线性方程与线性算子理论研究了两种典型非线性系统中非线性现象产生的原因,研究结果为非线性系统的分析与设计提供了一种有效途径.

一种宽带非线性信道校正方法

针对高速数传解调器接收宽带高阶调制信号时因信道非线性导致的性能恶化问题,提出一种基于两层自适应均衡网络的非线性信道校正方法。该方法先利用递归最小二乘法获得Volterra非线性前置校正系数,再利用自适应基带均衡器消除信道的剩余影响,以提升解调器的捕获跟踪能力,并在高速数传解调器工程应用中实现2.4 Gb/s 16QAM信号的稳定接收。

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。

基于Volterra滤波器的非线性窄带主动噪声控制系统

窄带主动噪声控制(narrowband active noise control,NANC)技术已广泛用于窄带噪声的抑制中。但是实际声学环境中,往往存在非线性扰动,使得初级噪声在相消点易产生非线性扭曲,单纯的线性NANC系统难以将其滤除。考虑到实际中窄带噪声受非线性扭曲后表现出的特点,提出了一种基于Volterra滤波器的新型非线性NANC系统。该系统最大的特点为线性滤波器与非线性滤波器是独立的,不但能有效的降低受非线性影响的窄带噪声,而且通过线型滤波器可以剔除噪声中的基频部分,只需单独调节非线性滤波器便可以滤除噪声中的高次谐波,为以后系统中非线性部分的进一步研究提供了依据。并使用了一种基于滤波-X LMS(FXLMS)的算法得到控制滤波器权值更新方程,通过大量的仿真实验验证了Volterra滤波器的非线性NANC系统在抑制受非线性扰动或扭曲的窄带噪声中的有效性。

UFMC系统中基于Volterra滤波器的非线性失真补偿方案

为实现通用滤波多载波(UFMC)通信系统高效、可靠的通信性能,需在最大程度上补偿由记忆型高功率放大器(HPA)引起的非线性失真.为解决HPA造成的失真问题,本文提出了一种基于Volterra滤波器的非线性失真补偿(V-NLDC)技术.该技术利用了Volterra级数的稀疏特性和能够模拟任意精度非线性系统的性质以逐次逼近的方式对信号进行预失真.将预失真后的信号传送至HPA,然后采用噪声消除器做进一步噪声消除处理,以达到更小失真度的目的.同时,本研究采用收敛速度快、性能稳定的自适应最小二乘法(RLS),可根据环境变化自适应地计算Volterra滤波器和噪声消除器的系数.通过大量蒙特卡罗仿真实验证实了所提出的非线性失真补偿技术可以很好的补偿由记忆型HPA非线性失真所造成的影响,从而优化系统性能.

利用径向神经网络和Volterra级数滤波器进行海杂波非线性预测

本文利用非线性预测理论建立基于径向神经网络和Volterra级数滤波的海杂波预测,利用IPIX雷达和Logisic混沌映射信号采集海杂波,然后进行非线性预测。实验结果表明,对于Logisic混沌映射信号产生的海杂波,通过设定阈值能够较好的将目标检测出来。在今后的研究中会进一步探究海杂波中变化缓慢的目标的检测,以及高效的基于径向神经网络和Volterra级数滤波器算法的海杂波消波方式。

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。