基于Vold-Kalman滤波的阶次分析系统设计与实现

针对传统计算阶次分析方法分辨率低,且无法分辨密集阶次与交叉阶次等缺陷,引入Vold-Kalman滤波阶次分析理论。并通过虚拟仪器技术对上述理论进行编程实现,设计开发了一套阶次分析系统。在仿真实验与实际应用中表明,该方法能有效解决"频率模糊"问题,与传统计算阶次分析相比,可大幅提高阶次谱分辨率,且系统操作快捷方便,分析结果准确可靠。

基于阶次谱的Vold-Kalman滤波带宽优选方法

Vold-Kalman滤波阶次跟踪分析技术以其能够在时域中提取阶次分量,同时避免了传统计算阶次分析的重采样和时、阶次域变换带来的误差等优点,已经成为了一种重要的非平稳状态下旋转机械的故障诊断方法。滤波带宽作为Vold-Kalman滤波阶次跟踪分析技术实现过程的核心参数,决定了该方法分析结果的准确性和稳定性,然而目前针对滤波带宽的选择主要依靠实践经验确定,严重制约了该方法的深入研究和实践应用。因此提出了一种基于阶次谱的Vold-Kalman滤波带宽优选方法,该方法结合了阶次数据的时域、阶次域的特点,并利用标准差指标,实现监测过程可控的Vold-Kalman滤波阶次跟踪分析。该方法可以根据不同故障类型以及使用者精度要求对滤波带宽进行适时更新,具有很大的应用价值。最后通过实验数据说明了该方法的实现过程及其有效性。

Vold-Kalman滤波和高阶能量分离在时变工况行星齿轮箱故障诊断中的应用研究

时变工况下的行星齿轮箱振动信号具有明显的时变调制特点,常规的频谱分析方法难以识别齿轮故障特征频率。提出了基于Vold-Kalman滤波和能量分离的时频分析方法,识别行星齿轮箱的时变特征频率,诊断齿轮故障。与传统的时频分析方法相比,基于Vold-Kalman滤波和能量分离的时频表示具有良好的时频分辨率,而且没有交叉项干扰,能够有效提取非平稳信号中的时变频率成分。分析了行星齿轮箱时变工况下的实验信号,准确地诊断了齿轮故障,验证了该方法的有效性。

基于Vold-Kalman滤波的光栅谐波动态抑制方法

谐波信号失真问题,是影响光栅位移传感器测量精度及分辨力的关键因素之一。针对光栅变速运动情况下的谐波动态抑制难题,探索Vold-Kalman滤波在光栅信号处理中的应用。阐述了Vold-Kalman滤波的基本原理,建立了基于Vold-Kalman滤波的光栅谐波抑制模型,优化设计了Vold-Kalman滤波器的权重因子,开发了基于Labview+FPGA的Vold-Kalman滤波电路,并在光栅信号处理中进行了实验验证。仿真结果表明,经Vold-Kalman滤波后,三次谐波的幅值下降约95%,五次谐波的幅值下降约98%。实验结果表明,经Vold-Kalman滤波后,三次谐波的幅值下降约71.3%,五次谐波的幅值下降约83.2%。仿真及实验结果均证明了Vold-Kalman滤波在光栅谐波动态抑制中的有效性。

基于瞬时频率估计与Vold-Kalman滤波的铣削颤振识别

颤振严重制约了高速铣削加工效率。动态铣削力信号具有非线性、非平稳的特点,常规的信号分解方法难以处理该类信号。提出了一种基于瞬时频率估计和Vold-Kalman滤波的多分量信号分解方法,并运用该信号分解方法识别颤振。基于频谱集中性指标估计信号的瞬时频率参数;用Vold-Kalman滤波器提取对应参数的各信号分量;由于颤振时铣削力信号的能量分布在频域发生变化,由此引入能量熵的定义。采用分解得到的子信号能量熵变化来识别颤振。实验分析表明该方法有效可行。

基于同步提取变换与Vold-Kalman滤波的燃机阶次跟踪方法研究

针对管道、船舶、航空等行业使用的燃气轮机转速频繁变化,难以提取振动信号中目标阶次成分的问题,对燃机振动信号阶次跟踪方法进行了研究,提出了一种基于同步提取变换与Vold-Kalman滤波的燃气轮机振动阶次跟踪方法。首先,对振动加速度信号进行了积分,得到了转子工频成分明显的振动速度信号;然后,参考同步性较差的转速数据在振动速度信号中使用同步提取变换的方法,提取了瞬时频率,即同步精确的转子工频;将振动加速度或速度信号与转子工频作为输入,利用Vold-Kalman滤波阶次跟踪方法,提取了目标阶次成分的时域波形;最后,将该方法应用于实际燃机的振动数据分析中。研究结果表明:该方法能够准确、有效地提取出燃机目标阶次时域波形,可为振动状态监测及预警提供数据支撑。

滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

基于渐进高斯滤波融合的多视角人体姿态估计

针对视觉遮挡引起的人体姿态估计(Human pose estimation, HPE)性能下降问题,提出基于渐进高斯滤波(Progressive Gaussian filtering, PGF)融合的人体姿态估计方法.首先,设计分层性能评估方法对多视觉量测进行分类处理,以适应视觉遮挡引起的量测不确定性问题.其次,构建分布式渐进贝叶斯滤波融合框架,以及设计一种分层分类融合估计方法来提升复杂量测融合的鲁棒性和准确性.特别地,针对量测统计特性变化问题,利用局部估计间的交互信息来引导渐进量测更新,从而隐式地补偿量测不确定性.最后,仿真与实验结果表明,相比于现有的方法,所提的人体姿态估计方法具有更高的准确性和鲁棒性.

矿区沉陷DEM多重滤波方法研究

针对传统地表移动监测方法周期较长、工作量大的问题,通过无人机LiDAR和点云滤波获取地面点云,并构建沉陷DEM,实现地表沉陷监测的方法具有快速、高效的优势;由于现有点云滤波和插值算法构建的沉陷DEM模型仍会包含噪声,限制了该技术在矿区的普及,因此,进一步研究了沉陷DEM噪声的去除方法,对比分析了多重滤波与经典滤波方法。实验分析结果表明:在几种去噪方法中,中值滤波组合维纳滤波的去噪效果最好,保留了下沉盆地的细节特征,能够满足矿区地表形变监测的基本要求。

基于核相关滤波和卡尔曼滤波预测的混合跟踪方法

针对核相关滤波(KCF)跟踪算法在遮挡场景中出现跟踪性能降低甚至跟踪失败的问题,提出了一种核相关滤波和卡尔曼滤波(KF)预测相结合的模型自适应抗遮挡图像目标跟踪算法KCF-KF。首先,考虑到传统KCF目标跟踪算法中缺少遮挡评估的问题,通过引入响应图的峰值旁瓣比来对图像目标的遮挡情况进行判断,并将遮挡类型划分为部分遮挡和严重遮挡。其次,根据遮挡程度采取不同的模型更新策略,当目标无遮挡或者部分遮挡时,替代传统KCF跟踪算法中采用固定学习率更新模型的方法,通过自适应地调整模型学习率来更新目标外观模型,避免跟踪漂移;当目标被严重遮挡时,停止KCF模型更新。最后,应用严重遮挡之前的运动信息构建卡尔曼滤波器状态空间和位置输出模型,设计卡尔曼滤波算法预测运动目标轨迹来估计遮挡情景下的目标位置,从而解决在遮挡场景中目标跟踪失败的问题。采用OTB-2013标准数据集进行大量实验,结果表明:所提的混合跟踪算法KCF-KF的距离精度为0.796,重叠成功率为0.692。与其他传统跟踪算法相比,该混合算法的跟踪精度和跟踪成功率均优于其他算法,并且在遇到目标遮挡挑战时具有更好的跟踪性能,有效地解决了跟踪过程中的遮挡干扰问题。

基于反馈机制的光子微波信号级联滤波方法

光子微波通信过程中,受噪声影响造成带宽变窄,降低了通信效率。为了优化光子微波通信质量,提出基于反馈机制的光子微波信号级联滤波方法。利用形态学腐蚀和膨胀去除信号模糊程度后,将相似度较高的信号聚集为连续区域,完成微波信号去噪。选用卡尔曼滤波器对微波信号测量噪声初次滤波,使用均值滤波以及双门限输出方案二次滤波双路光电反馈下生成的微波信号。通过两种滤波器的级联处理,去除微波信号中不同的杂波,实现窄线宽光子微波信号级联滤波。实验结果表明,所提方法级联滤波波动幅度小,能够平稳输出滤波结果,且不同温度下的级联滤波衰减特性相对平稳。

基于肌电−惯性融合的人体运动估计:高斯滤波网络方法

本文研究了基于肌电(Electromyography,EMG)−惯性融合的人体运动估计问题,提出了一种序贯渐进高斯滤波网络(Sequential progressive Gaussian filtering network,SPGF-net)估计方法来形成肌电和惯性的互补性优势,以提高人体运动估计精度和稳定性.首先,利用卷积神经网络对观测数据进行特征提取,以及利用长短期记忆(Long short-term memory,LSTM)网络模型来学习噪声统计特性和量测模型.其次,采用序贯融合的方式融合异构传感器量测特征,以建立高斯滤波与深度学习相结合的网络模型来实现人体运动估计.特别地,引入渐进量测更新对网络量测特征的不确定性进行补偿.最后,通过实验结果表明,相比于现有的卡尔曼滤波网络,该融合方法在上肢关节角度估计中的均方根误差(Root mean square error,RMSE)下降了13.8%,相关系数(R^(2))提高了4.36%.

基于改进自适应滤波的MEMS陀螺振动误差抑制研究

本文提出一种基于改进自适应滤波的MEMS陀螺随机振动误差的补偿算法。该算法采用简化Sage-Husa自适应滤波算法估计量测噪声,并通过协方差匹配技术引入收敛性判据抑制了滤波的发散,它提高了实时性且减少了计算量。实验结果表明:经过改进算法滤波后,MEMS陀螺随机振动误差的方差减少97.76%,与常规卡尔曼滤波相比,改进算法的方差减少了72.66%,验证了改进的自适应卡尔曼滤波算法可以有效地抑制MEMS陀螺因随机振动引起的输出误差。

高斯感知约束空间异常的相关滤波目标跟踪

针对目标在复杂场景运动过程中容易出现跟踪丢失问题,提出一种高斯感知约束空间异常的目标跟踪算法。以高斯均匀分布为分布规律建立目标特征采样点,采用卷积结构提取目标的外观模型以及权重模型;为了约束空间异常,在目标函数中构建空间正则项,同时更新目标权重模型,减小空间过拟合的产生,增强跟踪器的空间异常适应性;应用加权最小二乘法思想,获得权重响应模型中心,确定目标中心,更新跟踪位置,增强跟踪器鲁棒性。使用OTB2015和UAV20L数据集,与其他主流相关滤波算法相比,该算法在目标运动导致低分辨率、遮挡等复杂条件下,跟踪成功率以及跟踪精度较高。

一种高可靠连体式介质滤波器设计

根据椭圆函数响应,采用相对介电常数为37的高品质因数微波介质材料,该文设计了一种低损耗、连体式四级介质滤波器。通过1-4谐振器之间使用级联四元组(CQ)电容加载耦合,经优化后滤波器中心频率为1268 MHz,工作带宽为25 MHz,插入损耗≤2.5 dB,回波损耗≥18 dB,近端带外抑制≥40 dB。根据仿真模型结构参数,优化成型和金属化工艺,制备得到的样品,通过可靠性环境试验表明,该滤波器的性能测试结果与仿真结果吻合良好。

动态时空异常感知的相关滤波目标跟踪算法

针对背景感知算法未与目标的时空域特性建立联系,以及无法准确处理遮挡、形变等异常跟踪情况的问题,提出了能够动态感知时空异常的目标跟踪算法。在相关滤波器训练过程中引入动态空间正则项,使其与样本的时空域特性建立联系;结合响应图的峰值唯一性和锐利信息,提出异常感知方法;利用历史滤波器具有不同置信度的特点以及目标在时域中的连续性,通过异常感知方法自适应选择高置信度的历史滤波器作为时间正则化的参考模板,降低滤波器退化的风险。在OTB50、OTB100和TC128测试基准上进行仿真实验,该算法能够适应外观变化、画面杂乱等复杂条件下的跟踪任务,具有较强的鲁棒性和实用性。

基于多新息最小二乘和多新息扩展卡尔曼滤波算法的锂电池SOC估计

针对现有SOC(荷电状态)估计方法中电池模型参数恒定,没有考虑电池模型参数的动态变化,导致SOC的估计不够精准的问题,文中提出了一种基于电池模型参数在线辨识与SOC估计联合的算法。在二阶RC等效电路模型基础上,采用多新息最小二乘(Multi Innovation Least Squares,MILS)算法对锂离子电池模型中的参数进行在线辨识,从而对电池模型进行实时修正;同时基于修正后的电池模型,采用多新息扩展卡尔曼滤波(Multi Innovation Extended Kalman Filter,MIEKF)算法对电池荷电状态进行估计。MILS算法可以解决在线参数辨识过程中的初始误差累积问题,能够实现模型参数的在线精准辨识,MIEKF算法融合了多新息理论和卡尔曼滤波理论,加入了遗忘因子以削弱历史数据并修正权重,解决了数据过饱和问题,具有较高的准确性和收敛性。实验结果表明,在对电池模型进行参数辨识时,MILS算法、RLS算法辨识的均方根误差分别为1.4、1.9 mV,MILS算法相比RLS算法的估计精度提高了26.3%;对于参数辨识后SOC的估计,MIEKF算法估计的均方根误差为0.0037,EKF算法、AEKF算法估计的均方根误差分别为0.0073、0.0052,MIEKF算法比EKF算法的估计精度提高了49.31%,比AEKF算法的估计精度提高了28.84%;并且在给定SOC初值错误的情况下,文中所提出算法在电池开始工作后30 s左右就能够收敛到真实值,是一种精度高而且鲁棒性好的有效估计方法。

基于多端口参数提取和主动空间映射法的腔体滤波器设计

为提高微波腔体滤波器的设计效率,文中提出了一种基于多端口参数提取和空间映射法的滤波器快速设计方法。通过添加额外内部端口提取腔体滤波器电磁模型的Y参数,从而计算出耦合矩阵,再结合空间映射法将求解滤波器理想尺寸问题转换为逼近理想耦合矩阵问题。最后设计并加工了一款四阶同轴腔体滤波器,在初值偏差很大的情况下,经过四次迭代即可得到满足指标的滤波器物理尺寸,实物调试结果和仿真结果一致性良好,从而证明了文中方法的快捷有效。

基于IPD技术的LC滤波器制备工艺

介质层制备工艺是基于IPD技术的LC滤波器制备的关键工艺。从介质层的制备流程入手,研究了影响PI介质层质量的匀胶、曝光、固化三个关键工艺因素,确定了LC滤波器中介质层的制备工艺参数,实现了厚度8μm、厚度均匀性优于5%、最小互连孔径25μm的介质层制备。按此工艺参数加工,得到LC滤波器样件,经性能测试,所制备LC滤波器的电学性能满足设计指标要求。

小型化低剖面全向滤波天线设计

设计了一个小型化全向微带滤波天线。天线由带通滤波器和微带天线组成,二者共用一个地平面以减小尺寸且采用缝隙耦合方式连接,带通滤波器蚀刻在微带贴片天线的馈线位置处,引入选频滤波功能,在输入馈线前端添加一个横向矩形贴片使整个系统达到良好的阻抗匹配。与传统的微带天线相比,所设计的滤波天线在不改变尺寸大小的基础上引入了选频滤波功能,在通带边缘体现出较高的选择性。仿真与测试结果表明,该滤波天线的阻抗带宽为2.31 GHz~2.56 GHz,且通带内增益平缓,平均增益约为2.1 dBi,在工作频段内呈全向辐射特性。