贝叶斯估计在静态倾角计算中的应用

目的:在采用三轴加速度计的倾角测量系统输出值解算中存在灵敏度非线性的情况下,为提高测量精度。方法:通过采集加速度传感器三个轴的测量值,应用三种不同的倾角计算方法对静态倾角进行计算;然后利用贝叶斯估计算法对计算结果进行数据融合计算。结果:融合计算结果的平均误差相比单一解算算法减小了77%以上,且误差分布更均匀。结论:采用贝叶斯估计融合以后的计算结果克服了单一算法固有的灵敏度非线性问题并且进一步降低了测量噪声,有效提高了静态倾角测量系统的测量精度。     

QR分解的最小二乘格型自适应滤波算法在噪声主动控制中应用

在噪声主动控制系统中?,滤波-x递归最小二乘(FxRLS)算法收敛速度快但计算量大。本文提出了格型联合估计滤波器结构与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的噪声控制方法,该方法对联合估计过程进行了改进并得到了基于各阶估计误差的联合过程估计权系数更新关系,格型联合估计器结构简单,QRD-LSL自适应滤波算法数值稳定性好。仿真结果表明本文提出的噪声控制方法有良好的噪声控制效果,收敛速度快,计算量小,稳态误差小,跟踪性能好。     

双目标相干源窄带信号波达方向估计算法

利用水下目标发出的窄带信号,能够实现目标方向的精确估计。针对均匀线列阵接收水下目标窄带信号的特点,提出一种相干源波达方向(Direction of Arrival,DOA)估计的快速算法。通过精确估计目标信号对应的空间频率,直接计算出单目标或双目标信号的波达方向。对该算法进行了理论推导,通过仿真对算法进行验证,并对影响DOA估计精度的因素进行了分析。仿真结果表明,该算法具有较高的估计精度,不受信号时间长度的影响,算法计算量小,便于实时处理,具有较好的工程应用前景。     

基于贝叶斯频谱估计的行波测距算法研究

本文研究了贝叶斯频谱估计的基本理论和基本方法,并在此基础上提出了一种新的高频信号行波测距算法.该算法根据行波理论,在故障电缆测试端进行数据采集,再应用贝叶斯频谱估计算法对测得的数据进行分析,得出相位差,从而计算出故障点的位置.由于分析方法上的改进,在故障点的测量精度上获得了很好的效果.     

时延估计方法的分析

对周内外时延估计的最新研究现状及各种算法进行研究,在研究了大量时延估计文献的基础上,分析了广义相关法、广义相位谱法、自适应算法及其改进算法,分析了各种算法之间的关系以及各自的特点。重点论述了现代信号处理算法与时延估计算法相结合的各种时延估计方法及其在非平稳信号中的应用,同时,分析了带宽对时延估计精度的影响及宽带信号的时延估计方法,指出了时延估计算法还需要进一步研究的方向。     

基于迭代更新策略的快速高精度频率估计方法

基于滤波器组的谱估计方法用于信号频率估计频率虽分辨率高,但滤波器组中心频率格点划分缺乏先验知识,谱峰搜索过程存在计算复杂、信号不匹配问题。基于MVDR(Minimum Variance Distortionless Response)谱构造指标函数,将谱峰搜索问题等价为标量指标函数局部极小值问题求解,通过构造一组最速下降方向及自适应步长对极值频率迭代更新,实现对信号频率的直接估计。新算法不仅回避中心频率点组划分及传统的谱峰搜索,且有效缓解信号不匹配,估计精度、计算效率更高。对单成分信号频率估计精度与计算量进行新算法与现有算法的性能比较,并用于多成分信号频率估计。     

多通道近场广义互相关算法研究

广义互相关时延估计方法(GCC)由于计算简单和易于实现,在被动声源定位系统中得到了广泛应用,在此基础上,提出了多通道近场广义互相关算法。该算法建立时延估计矩阵,得出方位估计函数,用最小方差估计出最优的方位估计量。仿真实验表明,这种方法使估计精度得到提高。     

基于投票策略的图像配准算法(英文)

针对二维刚体图像配准,本文提出了一种由粗到细的图像配准方法.该方法首先由多尺度Harris角点检测算法提取出参考图像和目标图像的特征角点,采用基于投票策略的特征点匹配算法进行初步配准,有效地减少假点和不稳定点,然后对变换矩阵参数进行初估计,采用基于窗的精细算法对变换矩阵参数进行精估计,并得到最终的变换矩阵.实验结果表明,该算法具有高精度,对噪声鲁棒和低计算量的特点.     

全局运动估计及其在视频编码中的应用

对全局运动估计进行了研究,并提出了它的改进算法。在有局部运动的情况下,改进算法的计算速度和准确性都有明显提高。研究了全局运动估计在视频编码中的应用。在视频压缩它是spirte编码的关键技术,这 种技术较之传统编码方法有较好的编码性能。利用MPEG－4的软件测试平台进行了MPEG－4校验模型中已有算法的实验比较,结果表明,改进的全局运动估计的计算速度明显提高,视频编码的性能得到了改善。     

Bootstrap重采样Bayesian方法在白车身制造尺寸不合格率估计中的应用

白车身质量是汽车整车质量控制中的重要环节,针对白车身制造尺寸质量控制中检测数据属于小样本数据、数据处理分析不能采用一般大样本条件下统计分析方法的问题引入Bootstrap重采样Bayesian方法。通过对白车身尺寸质量的不合格率进行定义,分析简单计算、滑动计算、β分布Bayesian计算等3种估计不合格率的方法,引入Bootstrap重采样技术结合Bayesian方法进行不合格率的估计,并通过Matlab软件对4种算法进行仿真比较。仿真结果表明,Bootstrap重采样Bayesian方法的预测精度高于其余3种方法,适用于小样本情况下白车身制造尺寸不合格率的估计。最后通过一个实例演示了Bootstrap重采样Bayesian方法在白车身制造尺寸不合格率估计中的应用流程。