模型相关噪声的广义离散随机线性系统的次优滤波

本文讨论了广义离散随机线性系统的次优滤波问题，给出了一种次优滤波算法。本文考虑的是模型噪声和量测噪声相关的情形，借助于扩充状态变量法并采用通常的卡尔曼滤波方法以及最小方差估计方法给出了所要的递推计算公式。     

Kalman滤波用于舰船运动姿态估计的研究

讨论了 Kalman 滤波用于舰船横摇运动姿态估计的应用方法与应用效果针对海浪干扰及测量噪声均为有色噪声的情况下,提出了如何使用 Kalman 次优滤波器和最优滤波器进行舰船横摇运动姿态的估计和预报的理论基础与方法.在IBM 计算机上进行了数字仿真,并给出了仿真的统计结果与仿真曲线.结果表明,采用本文研究的方法进行舰船横摇运动姿态的估计,可获得令人满意的结果。     

基于直方图和区域信息的图像去噪滤波器

提出了一种去除图像中椒盐噪声的新型滤波器．该滤波器给出了一种有效的估计原图像直方图的方法，利用该直方图所携带的原图像的信息进行滤波；并根据椒盐噪声的特点，对滤波窗口中的像素进行排除最大和最小的操作，滤除椒盐噪声点；同时该滤波器还根据图像区域特性差异采用了不同的滤波方法．实验表明该方法滤波效果优于传统的滤波器和其他模糊滤波器，特别是当噪声概率超过0．3时，这种优势尤为明显．     

Bernoulli—Gaussian序列的检测方法研究

ＢｅｒｎｏｕｌｉＧａｕｓｓｉａｎ序列的检测问题存在于具有跳变输入的Ｋａｌｍａｎ滤波及最优平滑等实际应用中。基于系统频域特性和极大似然原理，得到了一种最优似然比检测指标，并给出了基于该指标的一种次优检测方法。实例仿真验证了方法的有效性。     

小波变换信号消噪技术研究

通过对信号与噪声奇异性分析，给出信号与噪声的小波变换模极大值在各个尺度上的表现截然相反的结论，并给出了一种非线性的消噪方法。该方法与传统的消噪方法不同，即不同于低通滤波器滤波，而是根据信号与噪声的奇异点性质不同进行滤波。实验结果表明，这种方法在改善信噪比的同时，又保持相当高的时间分辨率，并且计算简单，有很好的去噪效果。     

基于多小波噪声方差阈值的信号滤波方法

对信号和噪声的多小波变换进行了研究，根据它们多小波变换下呈现出的截然相反的特征，即随着变换尺度的增大，噪声的变换值迅速减小，而信号的变换值增大，利用相关算法推导并给出了多小波噪声方差阈值的计算公式，基于阈值提出了一种新的多小波信号滤波方法，该方法在噪声方差估计的基础上，对噪声信号变换系数进行处理，减小由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数进行处理，减少由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数重构信号，对该方法用典型的GHM双小波进行了仿真分析，结果表明，本文的方法具有很好的滤波效果。     

基于方向信息的多尺度边缘检测方法

对噪声图像进行不同方向的滤波，根据方向滤波的信息，定义了方向信息测度作为判定噪声点与边缘点的度量．使用了二次Ｂ样条小波进行边缘检测，根据方向信息测度调整边缘检测中的滤波尺度，实现了多尺度边缘检测的自适应尺度调整．最后给出了实验比较结果，表明该方法对于方向特征明显的一类图像是比较有效的     

噪声相关粒子滤波算法

对标准粒子滤波在处理非线性系统状态估计中噪声独立假设的局限,该文研究分析了一种噪声相关粒子滤波算法。在常用的系统状态模型基础上,分析了噪声相关时建议分布函数的具体分布形式,并以高斯相关噪声为背景,在重要性权重条件最小方差意义下推导了最优建议分布函数的数值表达式。所设计的滤波器有效弥补了传统粒子滤波算法在噪声相关情况下的缺陷,拓展了PF算法的应用范围。仿真实验表明了该方法的有效性。     

基于自适应组合滤波的惯性导航系统初始对准方法

针对系统噪声不确定情况下的惯性导航系统非线性初始对准问题,提出了一种基于自适应组合滤波的初始对准方法.首先给出了一种基于Kalman/UKF组合滤波的神经网络实时训练算法;进而提出了基于Kalman/UKF组合滤波的非线性系统状态估计方法,该算法利用神经网络在线估计系统噪声,并利用Kalman/UKF组合滤波在线同时估计初始对准的状态量和神经网络的权值;最后将该算法应用于惯性导航系统非线性初始对准问题中,并进行了仿真研究.仿真结果表明:自适应组合滤波算法不仅保证了初始对准的精度,而且具有更好的实时性,是解决惯性导航非线性初始对准问题的一种有效且实用的方法.     

基于多帧平均和小波分析的X射线影像图像去噪处理

分析了低强度X射线影像系统图像噪声来源及特点，以此提出了处理该图像噪声的“多帧平均滤波 小波变换滤波”的复合算法。通过对峰值信噪比的计算表明，该方法明显优于任何单一算法，取得较好效果。     

基于粗集方法改进的图象中值滤波

研究一个基于粗集理论的图象中值滤波方法。首先根据图象灰度和邻域灰度均值相似程度，建立粗集等价关系和相应划分集合，然后得到基于粗集方法的图象中值滤波框架，给出了该方法具体实现的实例。该图象值滤波与传统中值滤方法相比较，在有效抑制噪声的同时，能更好地保护边缘信息。     

一阶离散Markov信号的顽健滤波

对一阶Ｍａｒｋｏｖ信号的最佳滤波问题进行了讨论。基于Ｗｉｅｎｅｒ滤波理论，给出了一种新的顽健滤波公式。利用它，可以对信号中的脉冲噪声加以有效的清除。     

边缘检测中B样条小波有效尺度的研究

在多尺度边缘检测方法中,滤波尺度的选取应有一个有限的范围,如何确定这个尺度范围,在以往的文献中没有进行明确的分析．文中通过对加噪图像中的边缘进行分析,确定可以检测出边缘的最小尺度,同时根据高斯白噪声在小波变换中的特点,确定了抑制噪声所需要的最大尺度,为多尺度边缘检测中定量调整滤波尺度提供了依据．文中给出了相应的实验结果．     

汽车衡自动称重系统称重信号处理的理论研究

通过对汽车衡自动称重系统的传感器输出信号进行分析,针对噪声信号形式,给出了汽车衡自动称重系统信号处理的数学模型,给出了用于称重数据处理的滤波算法、建立了称重信号的转换过程数学模型,采用布拉克曼窗函数进行加权抑制能谱泄漏,去除了汽车重量信号中的噪声,得到了汽车质量真值.     

基于自适应卡尔曼滤波加速度与位移融合的结构位移实时估计

实时高精度位移测量在工程结构的安全和寿命评估方面有着重要作用。为提高基于全球导航卫星系统技术的位移测量的精度及稳定性，本文提出了一种融合加速度和位移数据的自适应多速率卡尔曼滤波方法，来实时获取精度提升的位移信息。由于不合理的噪声参数设置会使位移估计的精度严重下降，本文利用加速度和位移数据测量噪声各自的特点，以分开估计相应噪声方差的思路来实现自适应估计。考虑传感器噪声的性质，自适应滤波中对噪声参数的估计可简化为仅对位移噪声方差进行估计。利用Sage-Husa估计器实现位移噪声方差的自适应估计，使滤波能在噪声参数未准确获知的情况下进行稳定的位移实时估计。首先，讨论了自适应滤波中初始噪声参数的影响，确定了初始系统噪声参数的选取原则。然后，分别在时不变与时变位移噪声环境下，观察该滤波应用于不同频率的谐波位移信息下的估计性能。最后，以某1.5MW风电塔在风-地震耦合作用下塔顶结构响应的数值模拟，来说明本文的自适应滤波在一般工程结构应用中的有效性。结果表明，即使初始噪声参数设置有误或位移噪声具有时变性，本文方法依然具有较好的估计效果及鲁棒性。上述研究成果可为结构实时高精度位移监测提供一定理论支撑与参考。     

两种在线估计偏差与噪声自适应滤波的分析与比较

给出了状态与偏差自适应滤波及Ｓａｇｅ－Ｈｕｓａ自适应滤波。将这两种滤波进行比较，发现这两种滤波具有相同形式，但对增益矩阵及噪声方差的选取有所差别，这决定了其滤波性能和应用的不同。     

一种降低图像脉冲噪声的有效方法

图像除噪一直是数字图像处理中的一个重要环节。为抑制噪声，改善图像质量，使用滤波技术对图像信号进行平滑处理是最基本也是十分重要的技术手段。提出了一种部分中值峰谷修正滤波方法。仿真结果表明，这一方法在去除图像噪声的同时有效地保护了图像的边缘和细节，显示出良好的去噪性能。     

图像非线性滤波技术的研究

中值滤波是图像处理中常用的一种非线性滤波方法,该方法能够在有效地去除噪声的同时保持图像的边缘细节,解决了多数线性滤波在去噪的同时模糊图像这一缺点,能获得较好的图像复原效果。适当设计的加权中值滤波能更好地保护图像的细节信息,调节滤波模板参数可以获得理想的滤波效果。另外,中值滤波可以有效抑制脉冲干扰。本文讨论了中值滤波和加权中值滤波,并给出了相应的实验结果和结论。     

整流滤波电路中一些参数的计算

本文给出了整流滤波电路中输出电压、纹波电压和纹波系灵敏的计算公式，使用这些公式，可以方便的设计整流滤波电路。     

加权多级中值滤波

基于中值滤波和加权算法,提出了一种新的非线性滤波方法。和中值滤波相比,它具有更好的平滑噪声和边缘保持功能。实例表明该算法可以给出良好的滤波结果。