直线度评价中稳健高斯滤波方法的研究

为消除线性高斯滤波在评价开放轮廓时所引起的边界效应及轮廓异常点对滤波效果的影响,提出了将稳健高斯回归滤波方法应用到直线度评价中.对同一组圆柱母线的采样数据,分别利用线性高斯滤波方法、高斯回归滤波方法和稳健高斯滤波方法进行滤波处理.实验结果表明,将稳健高斯滤波方法应用到直线度滤波中能减小高斯滤波失真的影响,可有效地提取轮廓信息,提高了评价精度,便于实际应用.     

基于高斯混合模型的非高斯随机振动幅值概率密度函数

针对非高斯振动信号的幅值概率密度函数难以用数学模型表述的问题,提出了基于高斯混合模型的非高斯概率密度函数表示方法。首先,基于时域样本信号得到非高斯振动信号的高阶矩估计值。其次,基于高斯随机过程偶次高阶矩之间的定量关系,结合二阶高斯混合模型建立方程组,求解得到混合模型中每个高斯分量的方差和权值。然后,将各高斯分量的权值和方差代入高斯混合模型,得到适用于对称非高斯振动信号的幅值概率密度函数。最后,通过仿真信号和实测振动信号,验证了该方法的有效性和适用性。     

燃气表气阀配合面表面粗糙度稳健高斯算法

气阀配合面表面粗糙度决定着燃气表的机械与物理性能.为了加快表面粗糙度评定速度,根据高斯权函数的对称性,推导了高斯滤波器的快速卷积算法;采用光谱共焦传感器扫描工件表面轮廓的方式,比较了线性高斯滤波、回归高斯滤波、稳健高斯滤波在气阀配合面表面粗糙度提取过程中的优缺点.结果表明:新型稳健高斯滤波不仅能解决边界畸变问题,还能消除深谷或高峰等异常信号的影响,提高了表面粗糙度评定精度.     

基于高斯滤波的扫描图像去网

运用高斯滤波基本理论,通过对RGB图像进行分通道处理,即对R,G,B等3个通道分别进行高斯滤波处理,再经通道合并为彩色图像,并对经过处理后的彩色图像进行锐化处理。用本去网算法与扫描仪自带的去网算法进行了比较,在主观的基础上结合清晰度值,提出的去网算法所达到的效果更好。     

高斯滤波在花岗石表面粗糙度研究中的应用

阐述了花岗石表面轮廓的特点,提出先对原始轮廓曲线进行高斯滤波,然后再进行粗糙度计算的方法;并对用高斯滤波和最小二乘中线两种方法计算的粗糙度进行了比较,认为高斯滤波方法更适合花岗石表面轮廓的粗糙度研究.其计算方法较为可靠和简捷.     

基于高斯和粒子滤波的动态称重数据处理

由于动态称重过程中的噪声干扰,导致动态称重信号处理中存在数据处理速度慢与精度低等不足.为了提高动态称重的快速性与准确性,本文将高斯和粒子滤波算法应用于动态称重数据处理.在对动态称重系统建立状态空间模型的基础上,引进高斯和粒子滤波算法,利用高斯和逼近状态的后验密度,提高了对状态分布估计的精确性.实验结果证明,高斯和粒子滤波方法有效地提高了动态称重的速度与精度,比较实验结果说明本文方法优于传统的扩展卡尔曼滤波和粒子滤波效果.     

表面粗糙度测量中的高斯滤波快速算法

应用高斯函数的逼近法和冲激响应不变法,设计出用于表面粗糙度测量的高斯数字滤波器,并给出了其零相移的递归滤波算法,算法简洁,易于实现。递归计算方法的计算量小,计算效率高。适当增加滤波器节数,在不增加很多计算量的情况下,可以达到很高的精度。文中给出的滤波器例子,传输偏差大约为2％和1％,处理一次表面测量轮廓数据,在当今最普通的计算机上,滤波时间小于1s。     

一种非白非高斯数据的数值仿真方法

使用复合抽样法,可以产生具有指定概率密度形式的加性分布非高斯序列。通过在极零图上直接指定数对极零点,可以实现定性色化低阶自回归滤波器设计。把非高斯激励序列通过自回归滤波器,即可得到非高斯信号处理仿真研究中频繁使用的非高斯有色序列。结合一组混合高斯有色数据数值仿真实例,演示了这一由复合抽样法加定性色化构成的非白非高斯数据快捷数值仿真方法的有效性。     

混合高斯有色数据的生成方法

详细介绍了混合高斯有色数据生成中的各类抽样及色化方法后,结合一组仿真实例,验证了混合高斯有色数据的各种具体生成方法及其性能。     

基于高斯粒子滤波的当前统计模型跟踪算法

对于非线性系统估计问题,高斯粒子滤波器可以获得近似最优解,与粒子滤波器相比其优点是不需要重采样步骤和不存在粒子退化现象.采用高斯粒子滤波代替当前模型自适应跟踪算法中的卡尔曼滤波,将高斯粒子滤波与当前统计模型的优点相结合,提出了一种新的当前统计模型自适应跟踪算法,用于非线性非高斯系统的机动目标跟踪.MonteCarlo仿真表明,该算法跟踪精度优于标准的交互多模型算法和当前统计模型自适应跟踪算法,实时性好于交互多模型粒子滤波算法.