自适应混合滤波在脉搏实时监测系统中的应用

针对脉搏传感器在数据采集过程中干扰信号对系统测量精度带来的影响,提出了一种自适应混合滤波算法.该算法将限幅滤波、递推中位值平均滤波、递推平均滤波相结合,并针对采样长度对滤波效果的影响,自适应采样窗口大小的调整,可有效消除偶然脉冲与抑制周期性脉冲的干扰.通过对10名测试者进行测量实验,将心电图机测量数据、使用与未使用自适应混合滤波的脉搏实时监测系统测量数据进行对比.实验结果表明:使用滤波算法后,脉搏测量的算术平均差约为0.4 BPM,比未使用滤波算法整体提高约9倍.     

感知传感器的高精度高分辨率采集系统设计

随着小型化、高精度、低功耗、智能化感知传感器的快速发展,传统采集系统已无法满足高精度要求.设计一套能够测量感知传感器输出微弱电信号的高精度高分辨率采集系统,该系统选用了CodexM4系列处理器STM32F411与分辨率为24位的串行模数转换芯片AD7714,提出了一种基于改进型滑动平均滤波算法的滤波方案.详细介绍了该系统的软硬件设计方案,最后利用模拟感知传感器进行了原理样机的静态精度测试,测试结果表明,基于感知传感器的高精度高分辨率采集系统能够满足高精度、实时性好、稳定可靠的设计要求.     

数字滤波技术在称重系统信号采集中的应用

分析了数字滤波技术中惯性滤波和滑动平均滤波器的数学原理,性能和特点.根据称重系统的实际需要和精度要求,并基于惯性滤波和滑动平均滤波法设计了一种复合数字滤波器.通过实验验证该滤波器能更加有效地滤除称重传感器信号中的干扰信号.并给出了本方法应用的领域和要求.     

抗野值强跟踪Kalman滤波在风场估计中的应用

由于受周围环境干扰和传感器短暂性失效等因素的影响,无人机风场测量数据中包含较大野值或成片野值,影响测量数据的准确性.根据无人机测风的特点,结合Kalman滤波算法、强跟踪滤波算法和抗野值修正算法的优点,通过对滤波发散趋势的分析,提出上述滤波算法的使用条件,构造了一种抗野值抑制发散滤波算法,并进行了实验论证.实验结果表明:该算法能有效克服野值对滤波造成的不良影响,具有良好的抗野值能力、跟踪能力,保证了滤波精度,可适用于无人机风场测量.     

改进Allan方差的自适应滤波在姿态解算中的应用

对低成本的惯性导航系统精度不足从而导致姿态解算容易发散的问题,提出一种改进Allan方差的自适应卡尔曼滤波算法。在滤波之前,先用四元数改进型PID的互补滤波来融合数据,以抑制数据的波动,同时也加快了运算速率,在对噪声进行分析时,运用Allan方差的分析方法,并组合高斯牛顿优化算法,提高了姿态解算的精度,能够对姿态角实现短时间内的稳定以及精确的跟踪。实验结果表明,使用自适应Sage-Husa算法处理两种噪声时比标准卡尔曼滤波算法的精度提高了30%左右,使用改进的Allan方差自适应滤波比使用自适应 Sage-Husa滤波算法精度提高了40%左右,该算法也可用于精确单点定位与伪距定位。     

基于时差法的双声道超声波水流量计

针对中小管径单声道超声波流量计由于声道少而易受流场分布不均匀的影响，提出了一种基于时差法的双声道超声波水流量计。流量计的硬件系统由STM32L431低功耗模块、高精度计时模块TDC-GP22等组成。根据双声道管段结构，提出了基于卡尔曼滤波算法的数据融合方法，将两个声道的测量数据融合并完成滤波处理，提高了流量计的测量精度。实验测试表明，流量计测量误差在2.5%以内，卡尔曼融合滤波算法可以有效提高流量计测量精度。     

基于限幅加权骨骼节点滤波的体感交互技术

为了改善机器人的操作方式,提高体感交互的识别精度,提出了一种基于限幅加权骨骼节点滤波的体感交互技术。首先利用Kinect传感器获取深度场景信息,并通过骨骼追踪技术处理所获得的深度信息以此匹配人体各个关节,建立人体各关节的3D坐标;然后采用空间向量映射的形式计算出各关节转动角度,并利用本文所提出的限幅加权滤波算法,即通过对采集并计算出的关节转动角度进行限幅加权滤波处理,减少了骨骼噪声的影响;最后将转动角度转化为控制指令,通过蓝牙串口将控制指令发送给机械臂控制器,操控机械臂舵机转动。实验结果表明,该方法能够实现体感交互效果,机械臂随人体手臂运动的识别率为96.3%,且限幅加权滤波算法能有效减少骨骼噪声影响。     

基于循环滤波的无线传感器网络室内定位

针对室内接收信号强度定位具有较大误差的情况,提出一种高效的循环加权递推平均滤波算法对测量信号进行滤波.对已测量数据使用最小二乘法进行拟合得到多项式模型,并使用极大似然估计进行定位.实验结果表明,所提出的循环加权递推平均滤波算法在计算量较小的情况下,能够有效提高测距精度,多项式拟合比对数距离路径损耗模型拟合定位精度更高.在室内环境下,提出的算法定位精度达到0.6m左右,接近节点物理性能所允许的最佳定位精度.     

基于海上风电塔倾斜度的数据融合方法研究

针对漂浮式海上风电塔检测系统中倾斜度检测精度较低的问题，提出一种改进量子粒子群算法-互补滤波融合算法对其采集的数据进行优化与融合。首先通过改进量子粒子群算法对互补滤波器中的互补滤波系数η进行寻优，然后将寻优后的参数配置给互补滤波器，最后利用其互补滤波器对加速度计和陀螺仪分别测量的数据进行数据融合得到倾斜度。通过分别与单一传感器数据计算的结果、PSO和QPSO分别参数寻优的互补滤波融合算法融合的结果进行对比可知使用改进的量子粒子群算法-互补滤波融合算法有效地滤除了数据含有的不良外部干扰且提高了倾斜度的检测精度。     

基于Kalman滤波的数据处理多尺度融合算法

针对我国航天测量事后数据处理的现状,提出了一种基于Kalman滤波的数据处理多尺度融合算法;该算法以建立的系统动态模型方程为基础,将多台雷达的测量数据分别在不同尺度上逐次分解,然后在同一尺度上对所有雷达数据进行系统融合处理,从而提高测量数据的处理精度;用该算法处理某次卫星发射任务的理论弹道,计算结果表明:该算法处理的效果明显优于单台雷达直接进行Kal-man滤波处理的效果,并且融合尺度越小,处理精度改善的效果越明显;该算法与α-β-γ滤波算法相比,数据处理精度有较大提高。     

基于新型卡尔曼滤波算法的称重系统实现研究

针对信号采集中存在脉冲干扰和高斯白噪声引起的误差问题,提出了基于新型卡尔曼滤波算法的称重系统实现方案,给出了该称重系统的组成。该算法对信号进行阈值和防脉冲干扰滤波,在防脉冲干扰滤波过程中不断优化阈值滤波中的对比值,消除了干扰幅度较大的非周期脉冲信号;将信号送入下一级滤波器进行时间更新、测量更新,消除了高斯白噪声干扰。一系列试验表明,测量范围内系统灵敏度约为0.15 mV/kg;最大差值为0.1 kg,准确度达到99.7%;经过新型卡尔曼滤波后误差均处于0.4%以下,相比使用传统的卡尔曼滤波算法,系统精度提高到4.5倍。     

强干扰环境下网络情报数据滤波通信系统设计

传统通信系统在强干扰环境下进行通信时,系统会出现性能下降甚至无法通信的问题。设计并实现了一种新的网络情报数据滤波通信系统,设计强干扰环境下网络情报数据滤波通信系统的整体结构;按照网络情报数据滤波通信系统的标准以及分析强干扰的特性,对瞬态电压抑制模块、瞬态保护模块、语音信号输入模块进行设计,采用电磁滤波去噪的方法对故障修复模块进行优化,实现网络情报数据滤波通信系统的设计。实验表明,改进的网络情报数据滤波通信系统较传统的通信系统具有较强的抗干扰能力,通信效果好等明显优势。     

FIR滤波在汽车动态轴组计量信号处理中的应用

为了提高轴组式动态称重系统的精度和稳定性,需要采用FIR(finite impulse response)滤波处理方法,过滤高频干扰.通过Matlab仿真,设计了FIR低通滤波器.同时为了保证动态称重良好的实时性,选择了功能强大的STM32F407微控制器芯片,实现了FIR滤波算法.STM32F407微控制器芯片主频高达168 MHz,且内部集成了单周期的DSP指令集和浮点运算单位(FPU,float point unit),可以轻松实现FIR滤波算法.最后,将该FIR滤波算法应用于轴组式动态称重系统,并进行了相关实验验证.实验结果表明:采用FIR滤波后,对系统中由汽车振动、称体晃动等因素引入的干扰信号有明显的滤除作用,称重精度和稳定性均有所提高.     

变增益联邦KF组合导航定位算法研究

GPS接收模块解算出的伪距误差是GPS/INS组合导航系统的主要误差,采用一种二级联邦卡尔曼滤波组合导航算法加以削弱,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,再通过主滤波器与INS模块解算出的信息进行修正处理,得到校正量和定位位置最优估计。随着滤波步数增加,系统预测误差方差阵逐渐趋于零,状态估计会过分依赖旧量测值,从而导致滤波发散,影响系统定位精度。为有效提高新量测值的修正作用,在联邦卡尔曼滤波组合导航算法中引入一种可变加权系数。仿真结果表明,改进后的变增益联邦卡尔曼滤波算法具备联邦卡尔曼滤波的优点,并且该算法滤波效果有较明显的改善,能有效抑制滤波发散,提高系统的定位精度。     

改进滑动平均滤波在PSO辨识中的应用

在实际系统信号中不可避免的会存在噪声和瞬时扰动,噪声过大会严重影响粒子群优化算法(pso)的辨识结果.针对强噪声环境下利用PSO算法进行参数辨识精度差甚至不能收敛的问题,提出了一种改进的滑动平均滤波算法,通过动态修正滑动平均后的数据相位,来实现无滞后的滑动平均滤波效果.仿真实验表明,对这种改进滑动平均滤波算法应用于PS...     

基于Kalman滤波器的高精度电子称设计

针对传统电子称功能单一、数据稳定速度慢、精度低等问题,设计了一种基于Kalman滤波器的高精度电子称。系统以STM32为主控单元,详细介绍了各个模块的实现方法。首先设计了高精度的应变片式称重传感器,并在该硬件基础上设计了更加快速有效的数据滤波算法,然后从算法的时间复杂度和空间复杂度的角度,对电子称中数据的几种常用滤波方式进行了对比。最后在传统电子称的基础上增加了一些联网、标定等新颖功能。实际测试结果表明,该电子称性能稳定,数据稳定速度快,称重精度满足国家规定的三级称称重标准。     

基于数字滤波算法的风冷热泵机组实验台测控系统设计

为了提高测控系统的测量精度,消除系统中多种干扰噪声的影响,根据风冷热泵机组自身性能及要求,对现有数字滤波算法进行改进,提出一种多级数字滤波算法,有效地消除了测控系统在稳定工作状态下的各种噪声干扰,算法运算效率高、实时性强,滤波效果良好.此外,系统采用通道与测量点双向选择,改善了传统测控系统中测量点与通道固化的缺陷,提高了系统的灵活性和可靠性.实验结果表明,该测控系统功能强大,可操作性强,性能稳定可靠,容错性强,人性化程度高,适合在其他测控系统中推广应用.     

基于信息熵和改进相似度协同过滤算法

为了减少协同过滤算法存在的噪音数据以及数据稀疏性问题,提高算法准确性,本文提出一种基于信息熵和改进相似度的协同过滤算法,使用用户信息熵模型来判断噪音数据,排除噪音数据对实验结果的干扰;使用面向稀疏数据的改进相似度计算方法,使用全部评分数据而不是依靠共同的评分项来计算,对缓解稀疏数据对推荐结果的精确性影响有很大帮助。实验结果表明,该算法能在一定程度上排除噪音数据对结果的影响,缓解数据稀疏对推荐结果精确性的干扰,提高该推荐算法的精确性,且缓解了传统推荐系统算法中常见的一些问题,与传统的协同过滤算法相比,该算法的精确性更高。     

基于卡尔曼滤波的数据融合算法与应用研究

针对无人机飞控系统对输入的多传感器信息融合时传统卡尔曼滤波算法容易出现滤波发散,滤波精度和系统的实时性降低的问题,研究了一种改进的自适应滤波算法,可以让数据融合后的信息精度更高,实时性更强。改进的算法是在Sage-Husa滤波的基础上引入滤波收敛性判据,并提出了基于改进的Sage-Husa滤波算法的联邦卡尔曼滤波器的设计,可以抑制滤波发散,提高滤波精度和稳定性。同时引入强跟踪滤波算法的思想,调整增益矩阵,改进滤波算法,提高系统突变情况下的滤波处理能力。最后,通过对特定的自主避障系统用改进后的算法与传统卡尔曼滤波算法进行MATLAB仿真比较,仿真结果显示改进的自适应滤波算法在系统模型参数失配和实变噪声情况未知时,可以较好地保持滤波的精度和实时性。     

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。