基于GA-LSTM自适应卡尔曼滤波的路面不平度识别

准确、快速地识别出车辆当前行驶的路面激励信息,是实现智能底盘控制进而保证车辆平顺性的关键。针对传统路面不平度识别算法准确率低、自适应性差等问题,提出了基于遗传算法(genetic algorithm,GA)优化长短期记忆神经网络(long short-term memory networks,LSTM)自适应卡尔曼滤波的路面不平度识别算法。基于2自由度车辆悬架模型,通过灰色关联法选择LSTM神经网络的特征输入变量,并采用GA优化LSTM神经网络的模型参数以准确识别路面等级,并据此实时更新卡尔曼滤波器算法中的噪声矩阵,实现了在复杂路况下对路面不平度的自适应识别。仿真和试验研究表明,所提出的基于GA-LSTM自适应卡尔曼滤波算法能够快速准确的识别路面不平度与路面等级,与传统卡尔曼滤波算法相比,相关系数、均方根误差和最大绝对误差分别提高3.11%、37.5%和51.2%,表明所提算法对复杂工况具有很好的自适应能力。

自适应差分阈值的心电信号R峰检测算法

针对传统差分阈值算法的不足,设计了一种自适应差分阈值算法实现对R峰的准确检测。该算法能够依据R峰高幅值、高斜率的特征自适应更新信号检测阈值,并且根据R-R峰之间的心率间隔特征,设计回溯判定机制提升算法的灵敏度和适用范围。文中选用MIT-BIH心率失常数据库中的心电数据作为信号样本,采用带通滤波和小波变换相结合的方法完成对心电信号的去噪,依据自适应阈值检测实现对心电信号的R峰特征提取。从实验结果来看,自适应后的差分阈值法将心电信号的检测准确率提高到了99.59%,灵敏度达到了99.64%,减少了R峰检测过程中漏检、误检情况的出现,提高了检测的准确性。

基于自适应滤波的无人机视觉导航误差补偿方法研究

为精确校准复杂自然环境下无人机的导航误差,提出基于自适应滤波的无人机视觉导航误差补偿方法。通过对视觉图像信号采取经验模态分解,构建无人机视觉导航图像的本征模函数,运用自适应滤波消除本征模函数噪声;采用长短期记忆网络构建无人机视觉导航误差的线性预测模型;考虑空变性残留误差和运动误差,运用子图像划分策略将图像分割成若干个迭代块,引入校准比例指数,利用最小熵自聚焦法完成无人机视觉导航的误差补偿任务。研究结果表明:基于自适应滤波的无人机视觉导航误差补偿方法具备良好的图像去噪效果,可以精确校准无人机视觉导航误差且鲁棒性较强。

基于自适应滤波算法的超声波气体流量计

针对超声波气体流量计在使用过程中普遍存在的测量精度不高、稳定性差等问题,提出并实现了基于时差法和新型自适应滤波算法的超声波气体流量计。该流量计硬件部分由STM32F103主控芯片、高精度计时芯片TDC-GP22等组成,保证了系统的计量精度;软件部分采用了一种改进型卡尔曼滤波算法,在保证滤波效果的同时有效提高响应速率,并且将其与算术平均滤波相结合,根据流体渡越时间差的变化率提出了新型自适应数据滤波算法。通过实验对比发现,该新型滤波算法有效降低了系统的测量误差,在0.25~40 m^(3)/h流量范围内,系统的最大测量误差为1.08%,满足1.5级精度标准,同时使得系统零漂减小为原来的一半,大大提高了系统的稳定性,满足了实际工程应用的需要。

基于自适应滤波时间常数的储能逆变器下垂控制

典型下垂控制下的储能逆变器在受扰时存在频率变化率过大问题,采用低通滤波器的下垂控制则存在振荡问题。为此,提出一种基于自适应滤波时间常数的储能逆变器下垂控制策略。首先推导建立了包含滤波器的下垂控制储能逆变器输出频率小信号模型,然后采用根轨迹法分析了滤波器时间常数对其稳定性的影响,进一步提出一种自适用滤波时间常数下垂控制策略,并给出了参数设计准则。最后,通过MATLAB/Simulink仿真对所提策略进行了验证。结果表明,所提方法可有效减小频率变化率并抑制振荡,从而降低分布式电源脱机的风险。

基于对数-双曲正切函数的自适应滤波算法及异常点识别

为了识别并消除轮式移动机器人在行驶过程中引起偏移的异常点,针对自适应滤波器所存在的鲁棒性,提出了一种新的自适应滤波器代价函数,用于设计鲁棒的自适应滤波算法,这个新的函数称为对数-双曲线正切函数,该算法能对对磁导航混合信号进行盲提取,有效地识别出异常点。通过最速下降法分析了所提出的算法的均方差(MSD),并推导了该算法的稳态解析表达式,验证了算法的稳定性。在给定的环境下,仿真结果表明,该算法具有良好的性能,所提出的代价函数使滤波器拥有更快的收敛速度和较小的稳态误差。

自适应混合滤波算法在微型飞行器姿态估计中的应用

针对低成本惯性测量单元(IMU)存在漂移和噪声干扰等问题,提出了一种具有自适应参数调节的混合滤波算法。采用四元数法进行系统模型的描述,用梯度下降法对加速度计测得的数据进行处理,再通过互补滤波器将其与陀螺仪测量值进行融合,形成混合滤波算法。同时,考虑到飞行姿态的复杂性,进行参数λ的自适应调节,因而改进后的混合滤波算法,能保证各种飞行姿态变化情况下实时姿态的最优估算。实际系统在线实时性能测试表明,提出的算法简单,估计精度高,易于在嵌入式系统中实现,具有较高推广应用价值。

基于自适应高斯滤波的电站历史数据稳态检测方法

引入基于高斯滤波的自适应去噪算法,结合R检验法进行历史数据的稳态检测.选取某1 000MW机组的总风量数据,在相同参数条件下对该方法和中值滤波法进行仿真对比.结果表明:自适应高斯滤波法具有更好的去噪效果和突变点信息保留能力,基于该方法的稳态检测对短时间稳态检验的灵敏度较高,且对稳态与非稳态的状态切换边界识别更准确.

自适应投票快速中值滤波算法研究

中值滤波是图像处理中常用的滤波方法,其优点是能有效滤除图像中的噪声像素,同时还有一定的保持图像边缘的效果;其缺点是滤波速度慢、图像边缘细节保持效果不理想。在分析中值滤波及其改进算法的基础上,提出了自适应投票快速中值滤波算法(AVMF)。该算法一方面利用图像噪声的特征自适应筛选出需要滤除的噪声像素,另一方面利用滤波窗口的中值元素的特点以及滤波窗口移动的特性,采用完全不排序的投票法快速计算中值。使用Lena图像对AVMF算法进行测试实验,实验结果表明:AVMF同多种中值滤波改进算法比较,不仅能有效滤除噪声和较好地保留图像边缘细节,而且极大地提高了滤波处理速度。

自适应相干模板法滤波的分析及改进

讨论了一种自适应相干模板法的改进方案。该方案通过跟踪周期性干扰信号的频率变化 ,微调采样频率 ,改善了自适应模板法滤波性能。通过对采集结果的分析 ,证明了这一方案的可行性。该方法较传统的自适应模板法有较大性能的提高 ,其可以跟随周期性干扰的变化自动调整干扰信号陷波频带的中心位置 ,从而取得较好的滤波效果。模拟实验结果表明 ,该方法对滤波效果有显著的改善。

灰度文本图像自适应二值化滤波算法设计及应用

将自适应滤波与局部阈值二值化有机结合起来,提出自适应二值化滤波算法,旨在将淹没在噪声和失真中的灰度文本图像的二值图像信息通过滤波的方式恢复出来。采用改进的大津法计算局部阈值,对滤波结果进行二值化。依据二值化的结果估计滤波的误差,并调整滤波器参数。实验结果表明该算法克服了光照不均和噪声对灰度文本图像二值化的影响,得到了较理想的二值图像。

基于主成分分析法的窗口自适应粒子滤波算法

传统的窗口固定的粒子滤波跟踪算法在运动目标尺度发生明显变化时不能有效地跟踪目标。针对这一问题,提出了一种跟踪窗口尺寸和方向自适应变化的粒子滤波跟踪方法。该方法将主成分分析法引入到粒子滤波框架中,通过分析目标区域内像素值的协方差矩阵得到包含目标区域取向和尺寸信息的椭圆跟踪窗口。实验结果表明,该跟踪算法能自适应于目标区域形状的变化,在目标尺寸和方向发生变化时能很好地跟踪和确定目标区域。

格型滤波自适应权向量法的DSP实现

自适应权向量法（ＡＷＶＭ） 检测弱信号常用ＬＭＳ滤波算法． 这种方法的最大缺陷之一是滤波器的权系数仅根据总误差值来调整的． 因此， 这些权系数相互有牵连， 这是ＬＭＳ自适应滤波器收敛响应较慢的原因之一． 克服这一缺点的一种方法是采用格型滤波算法． 应用格型ＬＳＬ滤波于ＡＷＶＭ 中检测噪声中的高频弱信号， 并应用ＤＳＰ实现高速数据处理，

保持图像细节的局部自适应去噪滤波器新方法

去噪算法在现代图像处理应用中占有极其重要的地位。然而图像去噪的过程总是伴随着图像的模糊。本文提出了一种对彩色图像细节保持较好的局部自适应的去噪算法--基于个数判断噪声的前提下结合线性插值、非线性插值(这里主要指中值滤波)滤波对噪声图像进行处理,得到较理想的效果。和领域平均法、倒数梯度加权法、纯线性插值法、纯中值滤波法等相比较,其效果改善明显。

模型参考自适应IIR递归滤波器辨识新算法

针对自适应IIR滤波器算法容易陷入局部极小点的缺陷,提出了一种新的自适应递归滤波辨识算法。该算法采用模型参考自适应系统设计了辨识参数自适应律,基于Lyapunov理论保证了自适应递归算法的稳定性,而且辨识参数收敛。仿真结果表明了该算法的可行性和滤波器结构的正确性。

基于自适应滤波的超声杂波抑制方法

在超声衍射时差(time of flight diffraction,TOFD)法检测获取的回波中,作为固定存在的侧向直通波信号会导致近表面缺陷信号不易于识别.针对这一问题,提出一种基于自适应滤波技术的杂波信号抑制方法.该方法通过迭代滤波器自身参数,调节参考信号以满足待处理回波中杂波的时基抖动变化要求,并予以去除,从而分离出与其混叠的近表面缺陷信号.阐明了基于自适应滤波技术的杂波信号抑制原理,并利用所提方法对计算机仿真信号及人工缺陷检测回波进行了杂波抑制处理.结果表明,所提方法可有效滤除超声TOFD法检测回波中具有时基抖动特性的杂波信号,并提取近表面缺陷信号.

数字化变电站交流信号的自适应滤波测量法

在采用合并单元集中控制多台光电互感器完成采样的应用中,大多采用固定采样频率,直接运用传统的交流测量算法计算超差。文中采用梯度下降法设计了一种自适应滤波交流测量法,采用一组自适应滤波器产生拟合于被测交流信号的信号,完成被测信号的测量和分析。仿真结果表明该方法用于稳态信号测量时,自适应滤波器收敛周期小于6个周期,具有测试精确、综合运算量小等优点,可满足远动和计量测量的精度和实时性要求。文中同时给出了高次和非整次谐波信号分析解决方案,该方法在装置设计中已得到实际使用。

自适应滤波的新方法——几何中心法

自适应滤波器的性能曲面具有某些有益的几何特性 ,根据这些特性 ,本文提出FIR自适应几何中心法(FIRAGCM) ,然后通过转化IIR滤波器的性能曲面 ,得到全局收敛的IIRAGCM算法 .与梯度法不同的是 :FIRAGCM算法无需步长选择 ,需要的存储量极少 ,并且收敛迅速 ,IIRAGCM继承了FIRAGCM的全部优点 ,并且大幅度提高了收敛精度 .仿真结果表明 。

一种基于三阶累积量的准则及自适应滤波算法

该文提出了一个基于三阶累积量的“优度准则”。基于此准则,利用最速下降法,得到一种新的基于三阶累积的梯度型自适应滤波算法,该算法用于平稳和非平稳的MA(Moving Average)模型系统辨识的计算机模拟仿真结果表明:该算法有良好的收敛性能及对时变系统的跟踪能力。

基于PSO算法和Butterworth低通滤波器的参数自适应故障测距时域法

利用故障前、后线路两端电气信息,分别建立参数自适应和故障测距时域观测方程;利用粒子群优化(PSO)算法的全局寻优能力,构造相应的PSO求解模型以求取最优解,从而确保了观测方程求解的精确性和稳定性;分析了所需信息时间窗与计算冗余时间的关系。另外,提出了Butterworth前置低通滤波器方案,以消除故障暂态高频信号频谱混淆和线路参数依频特性的影响。基于电磁暂态仿真程序ATP-EMTP,采用JMarti依频线路模型建立超高压输电系统仿真模型进行全面系统的仿真验证,结果表明所提故障测距方案在精度、稳定性和实用性等方面都能很好地满足工程要求。