基于观测方程重构滤波算法的锂离子电池荷电状态估计

滤波算法中观测方程的准确性在电池状态评估中起着决定性作用。然而,该文通过试验发现,由于温度、工作电流和荷电状态(SOC)的影响,即使使用精度较高的电池模型,扩展卡尔曼滤波(EKF)算法中观测方程的输出值与实际电压之间仍会存在较大误差,即产生了较大的新息。该文提出一种基于观测方程重组的增强型扩展卡尔曼滤波(E-EKF)算法。该算法的核心思想是利用具有温度、SOC和电流自适应能力的误差修正策略对观测方程进行重组,实现算法中新息的降低,进而提高SOC估计的准确性。使用两种不同温度下的典型工况试验对E-EKF算法的性能进行了验证。试验结果表明,该算法能够适应不同的温度和工况,并具有较高的SOC估计精度。

Kriging点云滤波改进算法及监测试验研究

为进一步提高三维激光扫描技术的量测精度,从优化滤波算法的角度出发,基于Kriging改进算法,考虑描述对象的空间相关性质,针对点云数据的滤波处理问题,研究点云格网化滤波的优化方法。以实际工程为依托,通过现场监测比对试验,对三维激光点云数据进行格网化处理和分析,将试验得出的变形数据与传统方法的量测数据进行对比。结果表明:基于Kriging滤波的改进算法不仅能够高效识别和提取隧道轮廓断面可视化数据,而且可以高效、准确地获得隧道变形;试验的拱顶下沉数据与传统量测数据较接近,而周边收敛数据则有一定的差异。三维激光扫描技术下的隧道变形监测在一定的环境条件下能较好地反映隧道变形的真实情况,为隧道工程的施工提供有效的安全预警。

自适应组合滤波算法在3D假肢模型中的应用

针对经典统计滤波算法无法自适应选取参数以及传统双边滤波算法难以兼顾保特征和光顺性的问题,提出一种自适应组合滤波算法。首先引入基于局部点云体积的自适应标准差倍数以灵活滤除假肢点云大尺度噪声;在滤除大尺度噪声的基础上,引入一种新的协方差矩阵加权方式,提高估计点云法向的准确性,并通过法向夹角变化程度的均值对特征权重因子进行改进,增强双边滤波因子的保特征性,旨在光顺三维假肢模型小尺度噪声。与单独使用统计滤波、双边滤波相比,所提算法在3个假肢模型的最大误差E_(max)至少降低了5%;平均误差E_(ave)至少降低了6.9%。仿真结果表明,该改进算法在有效剔除假肢模型大尺度噪声的同时又避免了过光顺和去噪不彻底,可以较好地保持模型中的几何特征。

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。

机载激光雷达点云数据地面滤波算法综述

机载激光雷达技术作为遥感信息获取领域的全新手段,因具有快速、准确获取地面三维坐标信息的特点,在地形测绘、环境监测、森林防护和城市三维建模等应用领域发挥着越来越显著的作用。地面滤波技术作为提取数字高程模型的核心环节,大量国内外学者对此做了许多专门的研究。本文在前人研究的基础上进行了系统性的梳理和总结,首先简要介绍了机载激光雷达系统的发展现状;随后探讨了地面滤波技术的发展历程,并对其进行了系统分类和梳理;最后,总结了当前地面滤波算法存在的不足之处,并展望了该领域未来的发展趋势。

改进的北方苍鹰算法优化粒子滤波算法

针对标准粒子滤波过程的权值退化和样本贫化问题,提出一种改进的北方苍鹰算法优化粒子滤波算法INGOPF(Improved Northern Goshawk Optimization for Particle Filter)。首先,利用透镜成像学习策略增加种群多样性,在优化初始解的同时增加种群搜索范围,使算法尽可能搜索到潜在的最优解,增加算法的搜索能力。其次,将改进的北方苍鹰位置更新公式用于优化迭代更新,然后将最优最差学习策略与透镜成像学习策略结合,克服算法陷入局部最优和易早熟的情况,提高算法的收敛精度。最后,将INGOPF应用于锂电池的寿命预测。仿真结果表明:与标准粒子滤波以及粒子群算法优化的粒子滤波方法相比,INGOPF有效提升了粒子多样性、系统状态估计精度、滤波稳定性和实际运用能力。

地电场地铁干扰滤波算法适用性研究

地铁运行对应城地震监测站地电场观测造成显著干扰,其中最大干扰幅度可达33 mV/km,平均干扰幅度约14 mV/km。为改善观测数据质量,对比分析应城地震监测站地电场正常日变化和干扰数据的时频特征,分别采用均值滤波、经验模态分解和数学形态学滤波方法对干扰数据进行滤波处理,并对比分析几种方法的滤波效果,及形态学结构元素的尺度因子对滤波结构的影响。结果表明,使用均值滤波和广义形态学滤波方法,可有效去除地电场地铁干扰,建议受地铁干扰的地电场台站使用以上2种方法对观测数据进行处理,以提升其使用效能。

基于PCA-XGBoost算法的哑铃状SIR差分滤波器设计

随着多业务无线通信技术的发展,具有共模抑制能力的差分带通滤波器越来越受到人们的关注,但是设计差分微带滤波器的传统方法过程复杂且耗时较长。针对这些问题,结合非线性赋权的极限梯度提升(eXtreme Gradient Boosting,XGBoost)算法,通过训练和学习滤波器结构参数和相应频率响应S参数的关系辅助进行滤波器的设计,设计了一款基于改进阶跃阻抗谐振器(Stepped Impedance Resonator,SIR)的哑铃状差分带通滤波器。该滤波器的中心频率为2.6 GHz,相对带宽为7.3%,通带内插入损耗优于0.95 dB,回波损耗优于20 dB,通带内共模抑制优于42 dB,并且具有较宽的阻带。实物测试结果与算法预测结果的一致性,验证了PCA-XGBoost算法(Principal Component Analysis,PCA)用于滤波器辅助设计的可行性。

基于改进高斯滤波算法的图像去噪方法

随着激光技术在光学测量和精密加工等领域的应用日益广泛,对图像的质量要求也越来越高。然而,在实际应用中,图像常常受到散斑噪声的影响,导致图像质量下降。现有方法由于采取的平滑技术较为简单,对于散斑噪声的抑制能力有限,为此,设计基于改进高斯滤波算法的图像去噪方法。测试结果表明,设计方法展现出了优秀噪声抑制性能,保留了图像的主要特征。

基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

基于FPGA的分段近似双边滤波算法设计与实现

为了增强图像显示的质量以及减少基于现场可编程逻辑器件(FPGA)双边滤波算法中硬件资源的消耗,设计了一种分段近似的双边滤波算法。通过分段近似计算减少了双边滤波中值域的存储容量以及输出的数据位宽,从而降低了计算复杂度和硬件资源消耗。在Zynq-7000和Sparten-7的FPGA平台上实现了分段近似的双边滤波算法,研究了不同高斯噪声及在其最佳的值域标准差下的滤波和边缘保持性能。结果表明,本文算法在性能上与传统的双边滤波算法相当,并且与传统的双边滤波算法相比,其查找表(LUT)和数字信号处理模块(DSP)的使用量减少了9.9%和71.1%,且功耗仅为0.128 W。本文算法适合用于硬件资源有限的图像滤波应用场景。

扩展卡尔曼滤波的改进蛇定位算法在WSN中的应用

针对接收信号强度指示(Received Signal Strength Index,RSSI)定位易受到环境因素的影响,提出了一种基于RSSI扩展卡尔曼滤波的改进蛇定位算法(RSSI Extended Kalman Filter-based Improved Snake Optimization Localization Algorithm,RSSI-EISL)。该算法利用扩展卡尔曼滤波(Extended Kalman Filter,EKF)模型对RSSI信号值进行平滑处理,使其能够抑制噪声和异常值对估计结果的影响,从而提高测距的准确性和鲁棒性。通过引入Levy飞行和非线性收敛因子的改进蛇优化算法(Improved Snake Optimization Algorithm,ISO),提升了蛇优化算法(Snake Optimization Algorithm,SO)的寻优能力,使之能够更加准确地计算出待测节点的坐标。根据仿真结果显示,相较于基于RSSI最小二乘定位算法(RSSI Ordinary Least Squares Localization Algorithm,ROL)、基于RSSI EKF的灰狼定位算法(RSSI Extended Kalman Filter-based Grey Wolf Optimization Algorithm,REGL)和基于RSSI EKF的蛇定位算法(RSSI EKF-based Snake Optimization Localization Algorithm,RESL),RSSI-EISL的定位精度分别提高了26.4%、8.75%和5.6%,算法的收敛速度和全局搜索能力也有所提升。

基于卡尔曼滤波算法的无人机定位控制

对于无人机飞行过程中精准定位问题,以四旋翼无人机为研究对象,针对随机噪声干扰下无人机位置测量值与真实值存在较大误差的情形,提出一种基于卡尔曼滤波的无人机定位算法。仿真结果表明,经卡尔曼滤波后的无人机位置测量值与真实值之间误差明显减小,验证了卡尔曼滤波算法可以提高无人机定位的控制精度,仿真结果同时还说明若想要达到最佳的滤波效果,测量噪声协方差数值取值要合适,过大或过小都会对滤波效果产生影响,文中研究内容对无人机定位精准控制具有一定的借鉴意义。

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FFRLS和ASR-UKF滤波算法的锂电池SOC估计

锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响。结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性。

基于滤波算法的隧道全时域激发极化超前探测正演方法

为进一步提高隧道全时域激发极化多参数超前探测的效果,采用滤波算法进行计算时间域等效电阻率,采用有限单元法进行计算,提出一种基于滤波算法的隧道全时域激发极化超前探测正演方法。该方法针对时间域Cole-Cole表达式计算收敛性差的问题,引入滤波算法进行时间域激发极化等效电阻率的计算,提高算法的收敛性;针对正演过程中大型矩阵求解影响计算效率的问题,引入OpenMP并行算法,实现隧道全时域激发极化超前探测正演的加速运算。最后,开展数值算例和物理模型试验。研究结果表明:该正演方法对异常体有敏感响应,且在加快正演速度具有显著优势。通过基于滤波算法的隧道全时域激发极化超前探测获得的观测数据与实际探测数据较为相符,这为基于全时域激发极化隧道超前探测提供了一种可行的正演算法。

基于序贯滤波的三维多模型跟踪算法

在三维机动目标跟踪领域,单模型跟踪算法已经无法满足高机动目标的跟踪要求,而多模型算法因其能够处理多种不同场景和变化,能够更有效地应对目标机动运动的多样性和不确定性。三维高机动目标跟踪相较于二维机动目标跟踪,因其复杂的空间动态特性,需要更多的模型构成模型集来实现精确跟踪。这种情况导致经典的交互式多模型算法设计非常复杂,计算资源消耗过大。而传统的多模型算法,由于没有考虑模型之间的交互性,其跟踪性能不佳。针对以上问题,借鉴序贯滤波的思想,本文提出了一种新的多模型跟踪架构。这一架构将序贯滤波与多模型算法相结合,将上一时刻多模型的融合结果作为下一时刻每一个模型滤波的输入,这一过程极大地简化了交互式多模型算法中复杂的交互实现过程。同时,针对模型集组合问题,将三维运动解耦为几种二维运动模型和一维运动模型的组合集,形成新的三维空间机动目标跟踪模型集。通过对仿真模拟数据和实测数据的跟踪对比结果表明,相较于传统的多模型算法,本文提出的基于序贯滤波修正的多模型算法在跟踪精度上有显著的提升,且其跟踪精度与交互式多模型算法相当,但在运算时间上则远远优于交互式多模型算法,显著降低了运算资源的需求。

基于参考滤波器及互相关算法的砷化镓光纤温度解调方法

本文提出了一种基于参考滤波器及互相关算法的新型砷化镓光纤温度解调方法。该方法利用二次高斯滤波方法实现数据平滑预处理,采用长波通滤波(LPF)波形作为参考波形的改进型互相关算法,实现砷化镓光纤温度的解调。基于获取的互相关运算相关系数结果,采用多次多项式拟合,进一步提高互相关算法解调精度。在-30℃至250℃的测温范围内,该方法的波长解调误差可达到±0.0016 nm,平均温度解调误差为±0.388℃。相较于现有的归一化光强解调法,采用LPF波形作为参考波形的互相关算法在抗噪性能上实现了2.64倍的提升,且较之于未使用LPF参考波形的互相关算法提升了2.08倍。

应用集合卡尔曼滤波算法对土壤呼吸速率同化及NEP估算

为了对净生态系统生产力(NEP)进行准确估算,以长白山通量观测站观测数据为基础,构建土壤温度、湿度耦合因子的更新模型(线性函数、指数函数、二次式函数),结合集合卡尔曼滤波算法(EnKF)获取高精度土壤呼吸速率数据,应用陆地生态系统碳循环综合模型(InTEC模型)准确估算NEP。结果表明:二次式模型的EnKF算法同化结果估算效果最好,决定系数(R^(2))为0.782,均方根误差为52.90 g·m^(-2)·a^(-1);指数模型EnKF算法同化结果估算值的R^(2)为0.755,均方根误差为56.47 g·m^(-2)·a^(-1);线性模型EnKF算法同化结果估算值的R^(2)为0.742,均方根误差为62.80 g·m^(-2)·a^(-1)。选取二次式模型优化后的土壤呼吸速率数据,InTEC模型模拟长白山通量观测站长时间序列净生态系统生产力的R^(2)为0.900,均方根误差为61.77 g·m^(-2)·a^(-1);InTEC模型模拟东北三省森林生态系统2003—2010年的净生态系统生产力年均值,由初始模拟的30.07 g·m^(-2)·a^(-1),经EnKF算法更新后提升到176.87 g·m^(-2)·a^(-1)。因此,采用EnKF更新土壤温度-湿度耦合因子获取的土壤呼吸速率数据,能够提高InTEC模型估算NEP的精度,为大区域尺度森林生态系统NEP估算提供技术支持。

基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计

为了提高锂电池荷电状态(SOC)估计的精度,提出了一种基于动态遗忘因子递推最小二乘法和改进粒子滤波算法相结合的锂电池SOC估计方法。针对固定遗忘因子递推最小二乘法在电池参数辨识中难以同时保持快速收敛和稳定性的问题,引入动态遗传因子,以模型辨识值和实际值的残差为变量构建修正公式,实现遗忘因子动态调整。为了改善粒子滤波(PF)的粒子多样性丧失问题,采用白鹭群优化算法(ESOA)对粒子滤波算法进行优化。仿真结果表明,基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计误差始终保持在0.3%以内,平均绝对误差和标准差为0.15%和0.17%,与其他算法相比具有更好的精度和稳定性。