自适应Kalman滤波器及其应用

对于带未知噪声统计的单输出系统,本文提出了一种新的自适应Kalman滤波器.应用 现代时间序列分析方法,基于ARMA新息模型的滑动平均(MA)参数的在线辨识,提出了 稳态最优Kalman滤波器增益估计的一种新算法,比Mehra的算法简单.同时还提出了辨 识滑动平均(MA)模型参数的一种新的自适应Kalman滤波算法.此外,给出了在雷达跟 踪系统中的应用,且仿真结果说明了本文算法的有效性.     

基于ARMAX模型的子空间辨识算法

针对于子空间辨识算法辨识闭环系统时,由于输入信号与不可测噪声是相关的,往往会得到有偏估计的问题.提出一种采用自回归滑动平均模型(ARMAX)的闭环子空间辨识方法,通过扩展最小二乘方法(ELs)估计ARMAX模型中的马尔科夫(Markov)参数,使用预测的子空间辨识方法(PBSID)获取系统参数矩阵,避免了采用高阶自回归模型(ARX)所导致的过大的估计方差等问题.算法实例验证结果表明,改进方法能够获得较好的闭环系统一致性估计,辨识精度较高,有非常良好的应用前景.     

图像脉冲噪声滤波算法

针对低噪声污染图像提出了一种改进的中值滤波算法.该算法通过计算滑动窗口内的像素均值和方差,根据数理统计特性,自适应选定阈值,对符合噪声条件的像素进行初次滤除,然后采用开关中值滤波算法对不符合条件的像素再次滤波.实验结果表明,该算法既能有效地去除噪声,又能清晰地保持图像边缘,降低了传统改进型中值滤波算法对阚值的依赖性和对图像边缘细节的损害程度,且滤波性能优于一些典型改进型中值滤波算法.     

一种基于改进的非对称裁剪中值滤波算法

为了在各种噪声密度条件下,都能恢复椒盐噪声污染的图像并能很好地保持图像的细节,提出了一种基于改进的非对称裁剪中值滤波算法清除椒盐噪声.该方法首先对噪声点进行检测,然后基于滑动窗口中噪声点的数目来自适应改变窗口的大小,最后应用一种改进的非对称裁剪中值滤波器计算中值,结果显示该算法各项指标都要优于其它算法.实验结果表明了在各种的噪声密度条件下,该算法能较好地清除椒盐噪声,而且也能较好地保护图像细节,比现存的一些中值滤波算法清除椒盐噪声的效果更加优秀     

改进的UKF在惯导平台误差模型辨识中的应用

为减小建模误差,建立了基于直接法进行惯导平台误差模型辨识的非线性模型.Unscented Kalman滤波(UKF)是一种新的非线性滤波算法,为此将其引入惯导平台的误差模型辨识中.针对系统模型的特点,对标准UKF算法进行了简化改进.改进的UKF算法计算量小、结构简单,滤波精度与标准UKF一致.同时应用扩展Kalman滤波(EKF)算法和改进的UKF算法进行了惯导平台误差模型辨识仿真研究.仿真结果表明,与EKF算法相比,改进的UKF算法的滤波精度显著提高.     

MEMS陀螺仪漂移和噪声的分析和补偿

对陀螺仪数据分析的传统方法是使用kalman滤波器做尾数据处理来降低随机误差,由于陀螺仪传感器随着外界环境的变化的影响会有非线性误差,传统的kalman滤波算法处理的是线性误差,因此引进了适用于非线性系统的EKF滤波.为了快速滤除系统在实际环境中产生的噪声,对传统的中值滤波算法进行了改进,降低其计算复杂度,提出差分-均值中值滤波法.本文首先使用阿伦(ALLAN)方差分析了陀螺仪的误差特性,对于这些误差源分别提出了偏移校正的方法,之后建立自动回归-滑动平均模型(ARMA模型)对陀螺仪数据进行误差建模分析,最后使用EKF算法降低随机误差.实验结果表明该方法比传统的方法滤波效果好、计算复杂度低、实时性好.     

改进的自适应中值滤波算法

自适应中值滤波算法能有效地滤除图像的脉冲噪声,但是,随着噪声密度的增大,算法的滤波性能递减.当前对中值滤波算法进行改进的算法,也存在着相应的局限性.针对中值滤波算法的局限性,提出了改进的自适应中值滤波算法.算法根据滤波窗口的灰度极值进行噪声检测.对噪声点,用滤波窗口的灰度中值代替.如果中值为噪声点,则自适应地增大滤波窗口以取新的中值.如果窗口增大到允许的最大尺寸时,中值依然为噪声点,则取滤波窗口中除灰度极值外的其他像素的灰度均值.对标准图像和医学图像进行仿真实验,实验结果和数据证明,随着噪声密度的增大,标准的自适应中值滤波算法的滤波性能递减;改进的自适应中值滤波算法的滤波性能依然良好,在有效滤除噪声的同时,很好地保持图像的边缘和细节部分.     

动力锂电池SOC估计仿真研究

针对传统的无迹卡尔曼滤波算法(UKF)估计动力锂电池荷电状态(SOC)时,由于滤波迭代过程中系统噪声不确定,可能导致估计结果精度欠佳的问题,提出一种改进的自适应无迹卡尔曼滤波算法(AUKF)动态地估计锂离子电池的SOC.算法以UKF算法为基础,引入改进的Sage-Husa自适应滤波算法,利用观测数据进行滤波递推的同时,实时更新系统噪声的统计特性.以等效电路模型为基础,采用递推最小二乘法辨识模型参数,应用AUKF算法对电池SOC进行估算,并从实际工况进行仿真验证分析.仿真结果表明,上述算法有效的提高了估计精度,误差稳定性较高.     

MEMS加速度计噪声分析与降噪方法研究

针对微机电系统(MEMS)加速度计的随机噪声对输出信号干扰的情况,提出了对加速度计噪声源及噪声类型进行辨识、估计与建模,并确定误差补偿的降噪方法,以提高加速度计精度.采用Allan方差分析法对MEMS加速度计的随机噪声进行分析,得到了影响MEMS加速度计性能的几种主要随机噪声,使用自回归滑动平均模型(ARMA)对加速度计输出数据进行数学建模,以最终预测误差(FPE)准则确定使用的模型与阶次.设计了Kalman滤波算法,对加速度计进行降噪,通过Allan方差方法对Kalman算法滤波效果进行分析.实验结果表明:Kalman滤波能有效降低加速度计的随机噪声.     

改进的UKF在惯导平台误差模型辨识中的应用

为减小建模误差,建立了基于直接法进行惯导平台误差模型辨识的非线性模型.Unscented Kalman滤波(UKF)是一种新的非线性滤波算法,为此将其引入惯导平台的误差模型辨识中.针对系统模型的特点,对标准UKF算法进行了简化改进.改进的UKF算法计算量小,结构简单,滤波精度与标准UKF一致.同时应用扩展Kalman滤波(EKF)算法和改进的UKF算法进行了惯导平台误差模型辨识仿真研究.仿真结果表明,与EKF算法相比,改进的UKF算法的滤波精度显著提高.

     

基于改进粒子群算法的剪切散斑相位图去噪方法

空间相移剪切散斑干涉技术具有全场、非接触、高灵敏度等特点,是动态无损检测的关键技术。针对瞬态剪切散斑干涉获得的高噪声相位条纹图中噪声强度大、条纹复杂等情况,常规粒子群优化算法在高噪声相位图像的去噪处理中存在处理不完整、无法较好保持条纹细节等问题,因此提出一种基于优化粒子群算法的剪切散斑相位图去噪方法。该方法在常规粒子群优化算法的基础上,改进了传统线性惯性权值调整方法,提出非线性权值分配方法,同时通过调整聚集度系数提高了算法局部搜索能力。实验结果表明,该方法能够有效地保护条纹的边缘纹理和相位信息,与常规粒子群优化算法相比速度提高了15%,相位奇异点数减少了21.3%,与其他现有方法相比,所提出的算法的去噪效果更好。     

Consistency of the extended gradient identification algorithm for multi-input multi-output systems with moving average noises

The consistency of identification algorithms for systems with colored noises is a main topic in system identification. This paper focuses on the extended stochastic gradient (ESG) identification algorithm for the multivariable linear systems with moving average noises. By integrating the noise regression terms and the noise model parameters into the information matrix and the parameter vector, and based on the gradient search principle, the ESG algorithm is presented. The unknown noise terms in the information matrix are replaced with their estimates. The convergence analysis shows that the parameter estimation error converges to zero under a persistent excitation condition. Two simulation examples are given to illustrate the effectiveness of the algorithm.     

A novel data filtering based multi-innovation stochastic gradient algorithm for Hammerstein nonlinear systems

The identification of nonlinear systems is a hot topic in the identification fields. In this paper, a data filtering based multi-innovation stochastic gradient algorithm is derived for Hammerstein nonlinear controlled autoregressive moving average systems by adopting the key-term separation principle and the data filtering technique. The proposed algorithm provides a reference to improve the identification accuracy of the nonlinear systems with colored noise. The simulation results show that the new algorithm can more effectively estimate the parameters of the Hammerstein nonlinear systems than the multi-innovation stochastic gradient algorithm.     

基于混沌策略状态转移算法的混沌系统参数辨识*

针对混沌系统的参数辨识是一个多维参数的优化问题,提出了基于混沌策略状态转移算法的混沌系统参数辨识方法。该方法是在初始化时以混沌序列初始化种群,在搜索过程中引入混沌变异机制,利用遍历性对状态进行变异操作,避免了过早收敛,提高了全局搜索能力。利用该算法辨识Lorenz混沌系统参数,并与基本状态转移算法和粒子群算法进行比较。仿真结果表明,在有无噪声干扰的情况下,该算法比粒子群算法和基本状态转移算法具有更好的辨识精度且比粒子群算法具有更好的收敛速度,证明了该算法的有效性和抗干扰性,对混沌理论的发展有重要的意义。     

一种多样性控制的粒子群优化算法

针对粒子群优化(PSO)算法的早熟收敛问题,提出一种新的基于群体多样性控制的PSO算法(DCPSO).该方法使得粒子在收缩状态下充分搜索,在发散状态下能够飞离群体的聚集位置,不断的收缩-发散过程保证了群体能在较大的空间进行搜索,减少了粒子群算法的早熟收敛现象.通过对多个标准测试函数的实验结果表明,DCPSO算法在复杂优化问题中具有较强的全局搜索能力,而且比现有的多样性指导的PSO算法(ARPSO)具有更好的性能.     

A method for adaptive estimation of ARMA processes

When the noise process in adaptive identification of linear stochastic systems is correlated, and can be represented by a moving average model, extended least squares algorithms are commonly used, and converge under a strictly positive real (SPR) condition on the noise model. In this paper, we present an adaptive algorithm for the estimation of autoregressive moving average (ARMA) processes, and show that it is convergent without any SPR condition, and has a convergence rate of O({loglog t)/t}^1/2).     

Three‐stage multi‐innovation parameter estimation for an exponential autoregressive time‐series model with moving average noise by using the data filtering technique

This paper studies the data filtering‐based identification algorithms for an exponential autoregressive time‐series model with moving average noise. By means of the data filtering technique and the hierarchical identification principle, the identification model is transformed into three sub‐identification (Sub‐ID) models, and a filtering‐based three‐stage extended stochastic gradient algorithm is derived for identifying these Sub‐ID models. In order to improve the parameter estimation accuracy, a filtering‐based three‐stage multi‐innovation extended stochastic gradient (F‐3S‐MIESG) algorithm is developed by using the multi‐innovation identification theory. The simulation results indicate that the proposed F‐3S‐MIESG algorithm can work well.     

多维滑动和（MA）模型参数的自适应估计

本文利用AR模型LS梯格滤波的有关公式给出了实时辨识多维MA模型参数的递推算法,该算法建立在对模型噪声和观测的自协方差阵和互协方差阵的矩估计基础上,由一个N阶反馈形式的梯格滤波器构成,可关于时间和阶次双重递推,该算法计算量为O(N)的量级,并具备梯格滤波固有的良好数值及结构特性。     

粒子群优化神经网络在动态手势识别中的应用

为了提高动态手势学习训练速度和识别准确率,本文提出一种基于粒子群优化BP神经网络的动态手势识别方法。首先基于自然人机交互需要,定义一套基于机器视觉的动态手势模型;在获取指尖运动轨迹的基础上,提取动态手势的特征向量作为神经网络的输入;利用改进的PSO算法训练BP神经网络,得到神经网络的权值和阈值;最后利用训练过的神经网络识别基于机器视觉的动态手势。测试结果表明:改进的PSO算法能够提高神经网络训练速度和精度,进而提高动态手势识别准确率。     

基于 PSO的快速模糊 C均值图像分割算法 *

利用粒子群算法全局性和鲁棒性的特点 ,可以解决模糊 C均值算法 ( FCM)用于图像分割时对初始值敏感、容易陷入局部极小值的问题。但是设定粒子群算法的初始搜索范围依赖于人的经验 ,并且所设范围往往过大,影响算法的执行速度 ,为此提出用收敛速度快的 K均值聚类法得到的聚类中心作为粒子群算法初始搜索范围的参考 ,缩小粒子群算法的搜索范围 ,提高算法执行速度。实验表明该算法具有较高的分割速度和良好的抑制噪声的能力。