复杂系统故障诊断的新型滤波方法研究

针对复杂系统故障诊断问题,采用一种相关噪声统计特性未知情况下的粒子滤波方法,该方法给出了相关噪声的统计模型,并详细推导了相关噪声统计特性的分布函数。在新方法的框架内采用噪声未知统计特性和系统故障状态的联合递推估计,为复杂系统的故障诊断问题提供了一种新的思路。仿真实验验证了该方法对于复杂系统故障诊断中的有效性和精确性。     

随机线性多变量系统参数估计的偏差校正法

在文［６］研究的基础上，把文［６］中提出的偏差补偿最小二乘法（ＢＥＬＳ）推广到多变量线性系统的辨识中。分析表明，只要有色噪声与系统的输入信号统计不相关，我国总可以通过对输入信号顶滤波的方法将已知零点嵌入到被辨识系统中，然后利用这些零点提供的信息消除噪声引起的辨识偏差。这种方法的特点是其辨识过程不依赖于有色噪声的模型。     

具有噪声信息与状态模型不确定系统的IMM自适应滤波

卡尔曼滤波器广泛用于解决线性高斯系统的状态估计问题.然而,在实际应用中过程噪声和系统模型参数先验信息未知,且量测受到异常值干扰,给准确估计系统状态带来极大困难.针对具有噪声信息和状态模型不确定的动态系统,提出一种广义交互式多模型自适应滤波算法.该算法设计多个模型并行的方式对系统不确定进行处理,对于每个模型,建立Skew-T分布非对称重尾噪声表示模型,为了解决过程噪声与系统协方差相互耦合难以求解的问题,利用逆威沙特分布对系统预测协方差矩阵进行描述,并通过变分贝叶斯推理递归计算系统状态的后验分布.仿真结果和实验验证表明,在噪声信息和状态模型不确定条件下,所提出算法具有较高的估计精度.     

适应噪声环境的解释学习算法

在现实世界里，ＡＩ系统难免受到噪声的影响．系统有效工作与否取决于它对噪声的敏感性如何．解释学习ＥＢＬ（ｅｘｐｌａｎａｔｉｏｎ－ｂａｓｅｄｌｅａｒｎｉｎｇ）也不例外．本文探讨了在例子受到噪声影响的情况下，解释学习的处理问题，提出了一个算法ＮＲ－ＥＢＬ（ｎｏｉｓｅ－ｒｅｓｉｓｔａｎｔＥＢＬ）．与现有的解释学习方法不同，ＮＲ－ＥＢＬ在训练例子含有噪声时仍然可以学习，以掌握实际的问题分布；和类似的工作不同，ＮＲ－ＥＢＬ指出了正确识别概念对于噪声规律的依赖性，试图从训练例子集合发现和掌握噪声的规律．可以相信，在识别概念时，借助于对噪声规律的认识，ＮＲ－ＥＢＬ可比ＥＢＬ和类似工作有更高的识别率．ＮＲ－ＥＢＬ是解释学习和统计模式识别思想的结合．它把现有的解释学习模型推广到例子含有噪声的情形，原来的ＥＢＬ算法只是它的特例．     

联邦模糊自适应卡尔曼滤波在速度+姿态传递对准中的应用

在系统动态模型和噪声统计特性无法完全获得的情况下,通过调整卡尔曼滤波器的相关参数提高弹载子惯导对准性能,其效果是很有限的,采用联邦模糊自适应卡尔曼滤波方法进行速度＋姿态匹配传递对准,并对算法进行了可行性分析与仿真验证。仿真结果表明,在系统动态模型和噪声的统计特性不确定的情况下,速度+姿态匹配传递对准的联邦模糊自适应卡尔曼滤波短时间内能够较好地估计出弹载子惯导的初始姿态失准角,是一种非常有效的信息融合方法。     

一种基于MRF理论去除Range图象噪声的方法

Ｒａｎｇｅ图象的相关结构可被认为是受噪声干扰的分段光滑面，一旦曲面的参数被确定，那么就可以利用这些参数建曲面，从而大大减少图象中的噪声，Ｒａｎｇｅ图象中，几乎所有象素的统计特性往往与共邻近象的统计特性相关，文中利用ＭａｒｋｏｖＲａｎｄｏｍＦｉｅｌｄ（ＭＲＦ）理论来模型这种相关性，将曲面确定问题转化为一个后验均值求解问题。     

有色噪声中非线性动态系统的BP网络辨识

前馈多层神经网络为复杂的非线性系统提供了一种极具吸引力的模型结构。本文不利用仅含一个隐层的前馈多层神经网络来拟合离散时间非线性动态系统的问题进行了探讨。由于有色噪声的存在会导致网络模型偏差产生，文中引入了一种对噪声建模的方案。借助于非线性模型检验技术，本文给出了在有色噪声存在的情况下，利用ＢＰ网络辨识离散时间非线性动态系统的一般方法，仿真结果亦表明该方法行之有效。     

基于极大似然准则和最大期望算法的自适应UKF 算法

针对噪声先验统计特性未知情况下的非线性系统状态估计问题,提出了基于极大似然准则和 最大期望算法的自适应无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法.利用极大似然准则构造含有噪声统计特性的对数似然函数,通 过最大期望算法将噪声估计问题转化为对数似然函数数学期望极大化问题,最终得到带次优递 推噪声统计估计器的自适应UKF算法.仿真分析表明,与传统UKF算法相比,提出的自适应UKF算法 有效克服了传统UKF算法在系统噪声统计特性未知情况下滤波精度下降的问题,并实现了系统噪 声统计特性的在线估计.     

基于信息补偿的自适应联邦滤波算法

针对采用标准卡尔曼滤波器必须知道系统噪声统计特性的局限性，研究了一类系统噪声未知情况下的自适应联邦滤波方法，指出了自适应滤波方法应用于联邦结构时应当注意的问题，提出了一种基于信息补偿的自适应联邦滤波算法。SINS／BDS／GPS组合导航系统的仿真结果表明，该方法可以有效抑制系统噪声未知情况下的滤波发散现象，提高了滤波的稳定性和估计性能。     

地铁站低频电磁噪声采集与特性分析

地铁站与外界之间的低频无线电通信受噪声干扰严重,为了实现对噪声的有效抑制,在武汉市采集了多个地铁站内的低频电磁噪声数据,分别从时域、频域和统计域的角度对噪声特性进行了分析,提出采用Alpha稳定分布模型描述噪声的统计特性,通过无穷方差检验、Q-Q图、基于特征函数的P值拟合优度检验、计算R_square指标等方法分析了Alpha稳定分布对噪声数据的拟合性能.研究结果表明,地铁站低频电磁噪声分布具有非高斯特征,可以用Alpha稳定分布很好地描述其分布特性.     

彩色图像矢量滤波技术综述

彩色图像滤波是彩色图像处理的最基本的研究领域之一。彩色图像滤波技术可以分成标量滤波法和矢量滤波法两大类。其中,标量滤波法只是早期的滤波方法。大量的研究表明,矢量滤波法比标量滤波法更加有效,因为它更能保护彩色图像的光谱特性。为使人们对彩色图像矢量滤波技术及其应用有个系统的了解,该文首先全面地总结了彩色图像矢量滤波的基本理论和方法,并跟踪该领域的最新进展,同时分析介绍了彩色图像矢量滤波技术的一些典型应用;然后对彩色图像矢量滤波技术进行了分类,并对每种类型的滤波算法中经典和目前最常用的算法做了详细的介绍和阐述;接着结合笔者对该领域的研究,提出了一些新的研究方法;最后,对于一些有代表性、经常使用的矢量滤波算法,以冲击噪声为例,给出了其视觉上的滤波效果和客观的评估数据。     

Class Noise vs. Attribute Noise: A Quantitative Study

Real-world data is never perfect and can often suffer from corruptions (noise) that may impact interpretations of the data, models created from the data and decisions made based on the data. Noise can reduce system performance in terms of classification accuracy, time in building a classifier and the size of the classifier. Accordingly, most existing learning algorithms have integrated various approaches to enhance their learning abilities from noisy environments, but the existence of noise can still introduce serious negative impacts. A more reasonable solution might be to employ some preprocessing mechanisms to handle noisy instances before a learner is formed. Unfortunately, rare research has been conducted to systematically explore the impact of noise, especially from the noise handling point of view. This has made various noise processing techniques less significant, specifically when dealing with noise that is introduced in attributes. In this paper, we present a systematic evaluation on the effect of noise in machine learning. Instead of taking any unified theory of noise to evaluate the noise impacts, we differentiate noise into two categories: class noise and attribute noise, and analyze their impacts on the system performance separately. Because class noise has been widely addressed in existing research efforts, we concentrate on attribute noise. We investigate the relationship between attribute noise and classification accuracy, the impact of noise at different attributes, and possible solutions in handling attribute noise. Our conclusions can be used to guide interested readers to enhance data quality by designing various noise handling mechanisms.     

一种新的高密度椒盐噪声滤波算法

针对现有算法对高密度椒盐噪声滤波不足的问题,提出一种新的高密度椒盐噪声滤波算法。通过噪声检测将含噪图像的像素分为信号点和噪声点,对每一个椒盐像素,计算以该像素为中心的窗口内非椒盐像素中值,信号点则保持其灰度值不变直接输出,重复以上过程,直到没有噪声点被替换。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改进算法有更好的滤波性能。     

相似邻居数目图像脉冲噪声滤波算法

为了去除图像随机脉冲噪声的同时保留边缘,提出一种新方法。该方法首先利用图像局部灰度相似性来构造相似邻居数目图,一个像素的相似邻居数目在窗口内最大或数值较大,才可能认为是没有受到噪声干扰的像素。根据噪声密度不同采用不同方法检测。实验结果表明,阈值能适应性不同图像类型,滤波结果优于大部分已有算法,且算法复杂度低于大部分改进的中值滤波算法。     

种子像素滤波法去除随机脉冲噪声

为了在去除图像高密度随机脉冲噪声的同时最大程度地保护图像边缘和细节,提出一种新方法。该方法首先利用图像局部灰度相似性,提取种子像素;然后只对种子像素进行开关中值滤波,去除误判的种子像素,采用自适应变窗口尺寸;最后利用种子像素先探测漏选的种子像素,接着重构非种子像素。实验结果表明,与其他方法相比,该方法是综合性能最优之一。     

基于功率谱收敛的低压电力载波信道中的噪声检测与建模

在低压电力线载波信道中,复杂的噪声特性是阻碍低电压电力线载波通信广泛应用的主要原因之一,因此,准确的噪声模型对于设计和优化电力线通信系统具有重要意义;为了得到更加准确的噪声模型,给出一种等效背景噪声和功率谱收敛算法;通过对多组拟合参数的求解,并以归一化理论和噪声特性为基础,实现功率谱收敛算法对准确噪声模型的搭建;通过低压电力线信道噪声分析,得出功率谱收敛算法能够收敛,功率谱收敛值0.535%,表明噪声模型可以准确地反映实际噪声特性,验证了功率谱收敛算法在噪声模型中应用的可行性。     

一种新的线性混合滤波器

提出一种新的滤波器,称为线性混合滤波器（简称为LMF）,它适用于恢复被一类混合噪音（即一致脉冲噪音与高斯噪音）污染的数字图像。当混合噪音强度在一定范围内变化时,它具有自动调节机制。与若干已知的同类滤波器相比,LMF的速度更快,具有简单而统一的控制参数计算公式,而不是关于参数的选取范围。而且从实验结果可见,用LMF时峰值信噪比得到提高,均方误差得到降低。     

一种高效稳健的差分视频噪声估计算法

提出了一种高效稳健的白噪声方差估计算法，算法首先对连续的两帧视频进行差分运算以获得更多的亮度平坦区域，进而在差分图像和原始图像中以一定的准则寻找亮度平坦块，最终从这些平坦块中估计出噪声的方差。大量的实验结果表明，本文算法不仅在低噪声水平和高噪声水平时保持了良好的估计准确性，而且对于图像含有大量纹理信息以及图像含有极少平坦块的情况，也给出了准确的估计结果，表现出了良好的稳健性。     

CCD扫描噪声建模及自适应滤波算法

为去除图像因扫描引入的电荷耦合器件(CCD)噪声,提出一种基于变窗口的自适应滤波算法。分析CCD主要噪声：散粒,固有和输出噪声的噪声特性,建立CCD扫描噪声模型,根据噪声和边缘处理方式的不同设计了局部和全局自适应滤波器。实验结果表明,该算法具有较好的信噪分离能力,在充分抑制噪声的同时,很好地保持了边缘,提高对比度,视觉效果良好。