基于量子多元宇宙算法的磁光成像增强

为了提高磁光成像增强效果,采用量子多元宇宙算法。首先铁磁材料施加磁场时,磁场的N、S级产生的光强差别性使得磁光成像区域的亮度由暗到明逐渐变化,焊缝磁光成像的像素灰度值与焊缝亮度成正比;接着引导滤波减少磁畴区域对磁光成像的影响,atctan函数对磁光成像区域增强;最后给出了算法流程。实验显示磁感应强度变化随着交变电压的增加而变大,霍尔探头离焊缝中心越远,则磁感应强度越小,磁感应强度在焊缝中心呈现对称分布,最小值在焊缝中心处,即磁场N级、S级交接处;磁畴特性随低频交流电压增加表现越明显;本文算法使得磁光成像增强效果清晰,评价指标较优。     

基于改进粒子滤波的电力线载波通信语音增强

针对噪声和混响环境下的电力线载波机语音通信系统聆听上的困难,研究了为实现多路电力线载波机复接器所采用的粒子滤波的语音增强算法,提出了一种基于粒子群优化的改进粒子滤波算法,它将语音增强问题转换为从带噪语音中对纯净语音的估计过程,引入粒子群优化的方法来产生建议分布,使降噪结果更接近纯净语音,从而得到更好的语音增强效果。     

基于动态宇宙算法的磁光成像增强研究

为了提高磁光成像增强的效果,提出动态宇宙算法.首先建立宇宙空间模型,宇宙连接距离随着层的变化而动态改变;接着宇宙间信息交流、位置更新涉及到不同层、相同层;然后基于灰度因子对磁光成像对比度提高,通过灰度积分投影定位获得磁畴位置,总变差模型对磁畴纹理去除;最后给出了算法流程.实验仿真显示交变电压越大产生的磁感应强度越强,漏...     

基于磁光传感器检测微间隙焊缝的图像复原研究

在检测焊缝位置过程中,由于试验环境不稳定,检测过程会受到光照强度变化和图像背景噪声的影响,由磁光传感器采集的焊缝图像会出现图像降质现象,对微间隙焊缝进行准确检测造成困难.因此,文章认为需对焊缝磁光图像进行图像复原处理,研究焊缝检测技术图像复原方法.     

磁-光显微成像亚表面检测系统的研究

磁-光显微成像检测由于受到光强的变化、磁-光薄膜磁畴的变化等外界因素影响,检测系统获取的磁-光图像的分辨率不高.文章从涡流激励装置的设计、磁-光薄膜的选择及制备和图像处理的设计出发,分析了影响磁-光图像分辨率的因素,提出了相应的改善办法,并进行了大量的试验验证,实验结果验证了该设计方法的可靠性.     

有色噪声下基于Unscented粒子滤波的语音增强方法

针对含有色噪声的语音,提出了一种基于Unscented粒子滤波的单通道语音增强方法.采用时变自回归模型(TVAR)对干净语音建模,通过Unscented粒子滤波器估计AR模型的参数并滤除有色噪声.与大多数常用的粒子滤波选择的建议分布不同,Unscented粒子滤波器采用Unscented卡尔曼滤波器生成粒子滤波的建议分布.由于在粒子的更新过程中考虑了最近的观测值,Unscented粒子滤波器能够在粒子数少于传统粒子滤波算法所需粒子数目的基础上改善估计的性能.仿真实验结果表明,在有色噪声背景下该算法具有良好的语音增强效果.     

改进粒子滤波算法的比较

重要性密度函数的选择对粒子滤波至关重要,围绕重要性密度函数的选择,已提出许多改进粒子滤波算法,典型的有扩展卡尔曼粒子滤波(EPF),不敏卡尔曼粒子滤波(UPF)、辅助粒子滤波(APF)及正则化粒子滤波(RPF).详细讨论了4种改进粒子滤波算法的基本思想、性能特.占及主要步骤.通过对一典型标量非线性系统的滤波实验,对4种改进算法的性能进行了仿真比较,实验结果表明,4种改进算法都从不同程度上改善了粒子滤波器的性能,其中,UPF的性能最优.最后,分析了各算法的改进原因.     

基于子带粒子滤波的一种语音增强方法

结合多采样率系统理论中的子带技术与贝叶斯估计理论中的粒子滤波技术,提出了一种基于子带粒子滤波的语音增强方法。该方法首先将语音信号分解成子带信号,建立各子带信号的低阶时变AR模型;然后利用R-B粒子滤波估计时变AR模型参数,对子带信号进行滤波处理;最后根据滤波后的子带信号重构语音信号,实现语音增强。该方法通过子带分解降低了R-B粒子滤波中采样空间的维数,在降低计算量的同时,提高了语音增强系统的性能。计算机仿真结果验证了该方法的有效性。     

改进的粒子滤波算法

针对标准粒子滤波算法重采样后粒子多样性丧失问题,提出一种在粒子补偿的基础上,利用预测值与观测值的方差进行粒子重采样的改进粒子滤波算法。该算法是在标准粒子滤波算法的基础上,加入粒子补偿的步骤,然后利用预测值与观测值的方差在权值较高的粒子周围进行重采样来改善标准粒子滤波算法中粒子多样性丧失问题。实验结果表明:在相同条件下,改进粒子滤波算法比标准粒子滤波算法具有更小的平均均方误差(RMSE)和更高的目标跟踪精度,数据表明,其目标跟踪精确度提高30%以上。     

基于DSP的改进粒子滤波算法硬件实现

粒子滤波算法在处理非线性、非高斯系统方面有明显的优势,但较大的运算量限制了其实时性的应用。针对这一问题,文中研究利用DSP处理器高速运算的特点实现粒子滤波算法。文中针对粒子滤波的粒子退化问题给出重采样方法,详细给出了DSP实现粒子滤波算法的流程,对DSP的存储资源进行了优化设计。利用典型模型进行算法实现验证,结果表明：采用DSP实现的粒子滤波算法可对状态参量进行精确处理,验证了DSP用于非线性、非高斯系统的粒子滤波算法实现的有效性。     

基于改进的PHD粒子滤波的多目标跟踪技术

有限集统计学（FISST）理论将任意时刻目标状态的集合视为多目标集值状态,而相应的传感器观测值集合被视为多目标集值观测。通过随机有限集建模并利用集合的微积分运算可推导出最优多目标贝叶斯滤波器。然而由于涉及集合微积分运算,最优多目标贝叶斯滤波器的运算量极大。概率假设密度（PHD）滤波器是最优多目标贝叶斯滤波器的一阶矩近似,可以实现在关联不确定、目标数目未知或变化情况下的多目标状态估计。相比于最优多目标跟踪技术,基于PHD滤波器的多目标跟踪技术的运算复杂度得到了有效的降低,更易于工程应用。但在密集杂波背景下PHD滤波器的粒子实现方法仍然存在运算复杂度过高的问题。本文针对密集杂波的情形,提出一种有效的杂波滤除方法,在不影响滤波性能的情况下,降低了运算复杂度,提高了滤波效率。      

基于PCA改进的粒子滤波算法研究

本文首先对几种经典的航迹滤波算法进行说明,包括扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、粒子滤波算法,并针对无迹卡尔曼滤波算法以及卡尔曼滤波算法要求系统是近似高斯后验分布模型,对系统要求较高,以及粒子滤波算法实验过程中出现的粒子退化的问题提出一种改进的粒子滤波算法,并设置仿真实验,通过对比实验验证改进的算法的可行性.     

一种改进的MCMC移动步骤的U粒子滤波算法

粒子退化是标准粒子滤波算法的主要缺陷。针对这一缺陷,提出了一种改进算法,在提出的具有MCMC移动步骤的U粒子滤波算法上进行性能分析,从样本产生和对MCMC移动步骤的使用两个方面对算法进行改进,减小了算法的计算量,提高算法的运算速度。仿真结果表明,改进后的算法大大减少了运算量,从一定程度上提高了运行效率。     

基于高斯粒子滤波算法的改进及应用

针对粒子滤波存在的样本贫化现象,提出了一种优化重选样本粒子的粒子滤波算法。这种方法在引入最新量测后将状态后验概率密度逼近为一个高斯分布,在粒子贫化问题逐渐凸显后,通过该分布重新采集粒子后再进行运算,有效缓解了传统方法在粒子贫化后出现的滤波精度下降的问题。仿真结果表明,新的粒子滤波算法有更高的滤波精度和运行效率。     

粒子滤波算法研究

本文介绍了几种粒子滤波算法,然后详细的介绍了各算法存在的主要问题,以及各种改进算法的优势。最后给出了粒子滤波在研究领域中的一些应用。最后通过介绍几种算法对全文做出了总结。     

基于粒子滤波改进的行人跟踪算法

为了提高汽车安全辅助驾驶技术和减少道路交通事故,根据行人运动变化特点,对基于粒子滤波的跟踪算法进行改进,提出一种新的行人跟踪算法.通过将空间距离中心加权和相关信息相结合的颜色直方图的观测模型方法,实现行人目标跟踪.实验结果表明,与基于HSV空间颜色直方图的粒子滤波跟踪算法相比,该算法有效解决复杂背景下局部遮挡和全遮挡问题,并在鲁棒性方面明显地优于前一种算法.     

基于改进粒子滤波算法的纯方位目标跟踪

纯方位目标跟踪是一个重要的研究课题。它要解决的问题是:利用含有噪声的方位数据来估计目标的真实运动轨迹。本文提出了一种基于粒子群优化的改进粒子滤波算法。这种算法可以将最新的观测值引入观测估计,提高了预估精度,减少所需的粒子数,从而实现对目标真实运动轨迹更好的跟踪。     

粒子滤波及其改进算法的比较

针对非线性、非高斯问题,建立了动态状态空间模型,详细分析了贝叶斯滤波的原理。对于满足线性和高斯的状态空间模型,卡尔曼滤波性能是最优的。但是,真实世界的非线性、非高斯问题存在,使得人们不得不寻找一种更好的滤波方法。解决非线性滤波问题最普遍的方法就是扩展卡尔曼滤波。但扩展卡尔曼滤波只适合弱非线性系统,对于强非线性系统,容易导致滤波发散。因而介绍了适用于强非线性、无高斯约束的基于序列蒙特卡罗算法的粒子滤波波器及其改进算法规则化粒子滤波器。最后对上述几种滤波器进行了性能仿真及分析。     

基于DSP的改进粒子滤波算法研究

介绍了粒子滤波基本原理,针对粒子滤波计算量大和难以用硬件实现等缺点对粒子滤波算法进行了改进,使其平均计算周期缩短为原来的90%,应用DSP实现了粒子滤波算法。改进粒子滤波算法主要优化了原粒子滤波算法中权值计算、重采样和输出步骤,使其计算速度和滤波精度有所提高。这种改进粒子滤波算法在DSP系统中进行仿真,结果证明它具有速度快,精度高的优点。     

基于复似然比的粒子滤波改进算法

针对低信噪比微弱目标的实时检测与跟踪问题,提出了基于复似然比的粒子滤波改进算法。该算法弥补了传统粒子滤波利用幅度似然比计算粒子权重而忽略相位信息的缺陷,推导了基于复似然比的粒子权重表达式,从而更好地利用了目标原始信息。同时,基于幅度似然比的权重计算需要多次进行贝塞尔函数运算,而基于复似然比的权重计算只需进行一次贝塞尔函数运算,可以有效降低计算复杂度。仿真结果表明：改进算法不仅在检测与跟踪性能上优于传统粒子滤波算法,所需计算时间也明显降低。