遥测地形数据中粗差的自动滤除

对于地形遥测数据中引入的脉冲噪声（粗差）,传统的滤波算法往往需要选择滤波门限、自适应能力不强,或者不能在滤除噪声的同时有效地保护信号数据。针对以上问题,提出了一种新颖的脉冲噪声自适应滤除算法,该算法基于数理统计和模糊数学思想,对局部数据（滤波窗口）进行均值和方差估计,并根据估计结果自动选择检噪门限,进而实现噪声检测和平滑。实验结果显示,在脉冲噪声密度小于5%时,该算法的滤波信噪比增益远高于常用滤波算法和其它同类算法;算法对平稳信号的处理效果较好。     

基于模糊粗神经网络的图像脉冲噪声滤除

为了获得在图像噪声滤除和细节保留两方面更好的兼顾与平衡,提出了一种兼有模糊化神经元和不可微粗神经元的模糊粗神经网络。采用融合了爬山法的遗传学习算法,增强了网络在学习过程中,特别是进化后期阶段对最优解的局部搜索能力。仿真表明,融合了模糊信息和粗糙集信息处理能力的模糊粗神经网络在图像融合滤波方面比BP网络和粗集神经网络具有更好的性能,是一种性能很好的混合智能神经网络。     

中值小波阈值混合滤波在粗对准中的应用

捷联惯性导航系统的粗对准过程是实现精确初始对准的前提,也是装备精确导航定位的保证。受外界环境影响,粗对准过程存在着时间长、精度低等问题,初始对准过程的对准时间和精度也受到一定影响。通过分析陀螺和加速度计在粗对准过程中受到的干扰因素,采取中值滤波和小波阈值滤波相结合的混合滤波方法来实现信号消噪。仿真和实验证明,在外界干扰严重的前提下,采用混合滤波方法,粗对准方位姿态角标准差由47°提高至1.588°,为后续的精对准过程提供更好的数据支撑,且缩短了对准时间,提高了装备的快速反应能力。     

自适应中值滤波算法滤除医学图像脉冲噪声

实现了一种滤除医学图像脉冲噪声的自适应中值滤波算法,用均方根误差和噪声对原图像的毁坏程度两个客观评价指标对该算法及传统均值、中值滤波方法进行了比较与评价。根据设定条件检测滤波窗口中心像素是否为脉冲噪声,采取滤波窗口自适应的算法来滤除脉冲噪声,去除了传统中值滤波对所有像素均用中值代替的弊端,减少了不必要的图像细节损失。基于MATLAB的仿真实验表明,对于较大密度的脉冲噪声,该算法在有效抑制噪声的同时,能较好地保护边缘和细节信息。该算法已应用于虚拟内窥镜系统中,取得了令人满意的效果。     

基于扫描线自适应角度限差法的地面点云滤波

针对野外地形逆向工程中树木、建筑物或其他地物的滤波问题,通过分析传统方法中相邻两点限差阈值单一不能满足地形变化的需要,以及相邻三点限差误差积累等缺点,提出了一种基于扫描线的自适应角度限差法。该方法对扫描中心、基准点(已知地面点)和待判断点之间的角度进行限差,该角度随着宏观坡度的变化而变化,从而实现角度对地形的自适应。再通过移动窗口曲面拟合,对结果进一步优化。实验证明,所提出的方法能宏观把握地形坡度变化,较好地解决了起伏较大地形点云的滤波问题。     

抗差自适应Sage滤波及其在组合导航中的应用

针对卡尔曼滤波需要精确已知状态数学模型及其统计特性的问题,提出一种抗差自适应Sage滤波算法.该方法以Sage滤波为基本框架,吸收了抗差估计和自适应滤波的优点,利用Sage滤波开窗法求得观测残差向量和新息(预测残差)向量的协方差阵,由抗差估计方法确定观测噪声协方差矩阵,利用自适应因子调整动力学模型噪声协方差矩阵,以控制观测异常和动力学模型噪声对导航精度的影响.将提出的算法应用到捷联惯性导航(SINS)/合成孔径雷达(SAR)组合导航系统中,并与Kalman滤波和Sage滤波进行比较分析,仿真结果表明,提出的新算法不但能有效地控制观测异常和动态模型异常对状态参数估值的影响,而且能够抵制状态扰动,提高组合导航系统的滤波精度.     

多新息抗差-自适应卡尔曼滤波定位算法研究

针对移动机器人在定位过程中,由传感器测量误差和机器人模型引起的位姿误差导致系统定位精度急剧下降的问题,提出了一种多新息卡尔曼滤波算法.在标准卡尔曼滤波的基础上,当传感器测量值存在误差时,引入抗差权因子,通过改变误差测量值的权值提高滤波器的估计精度;当机器人位姿存在误差时,引入自适应因子,通过调整状态协方差矩阵的大小抵制位姿误差引起的滤波发散.同时,引入了多新息,即多个时刻的新息向量,进一步提高此非线性系统的精度.实验表明:当存在测量误差和位姿误差时,该滤波算法能有效提高定位精度.     

自由曲面视觉测量中一种有效的粗差剔除方法

自由曲面的测量技术广泛应用于工业生产的各个部门。立体视觉测量是一种很有潜力的测量方法，但其中涉及到的粗差剔除是一个难题，本文提出序列建模预报法来剔除三维测量数据中的粗差，该方法具有速度快、准确性高的优点。     

一种基于状态相关因子的抗差自适应滤波算法

提出一种新的基于状态相关因子的抗差自适应滤波算法。采用状态相关因子将非线性系统转换为状态相关系统,建立抗差自适应滤波模型,利用等价权矩阵和自适应因子进行信息分配,从而控制动力学模型异常和观测异常对导航解的影响。特定条件下的仿真计算表明,提出的基于状态相关因子的抗差自适应滤波算法,不仅能够抑制动力学模型噪声和观测噪声干扰,而且滤波计算简单,导航精度相对优于扩展卡尔曼滤波和粒子滤波算法。     

基于容差关系的扩展粗集模型中的知识依赖

论文在基于容差关系的扩展粗集模型中,考虑了条件属性子集与决策属性子集间知识依赖和条件属性子集间的知识依赖两种情况,分别给出了这两种情况下知识依赖和部分知识依赖以及依赖度等概念的定义,证明了与这些概念的定义相关的一些重要定理结论,并给出了一些例子加以验证。     

基于变精度容差粗集的鲁棒分类器

该文基于目标识别中出现的不确定问题,提出了一种改进的粗集模型:变精度容差粗集模型。利用粗集中信息容量的定义,对不确定系统进行属性约减,并利用约减后的结果进行目标识别,仿真试验表明,利用该粗集模型进行目标识别时,具有较高的识别率和较高的鲁棒性。     

基于线性约束最小方差的全球定位系统抗干扰技术

针对全球定位系统（ GPS）接收机在强宽带干扰下无法正常工作的情况,采用自适应调零天线,利用信号和干扰的入射空间角度不同进行空域滤波,可提高其抗干扰能力。理论分析和仿真结果表明,基于线性约束最小方差（ LCMV）准则的自适应滤波算法简单有效,在牺牲一个干扰抑制自由度的条件下,可对高仰角卫星导航信号进行较好的保护。     

结合帧差法的尺度自适应核相关滤波跟踪

为处理复杂应用场景下核相关滤波器跟踪效果不理想的问题,提出了一种结合帧差法的尺度自适应核相关滤波跟踪算法.在训练得到相关滤波器后,借助帧差法来处理下一帧图像,获得目标的预测位置,扩充算法的检测区域;然后通过尺度池构建多尺度待检测图像块集,通过相关滤波器来求得最大响应,估计出目标的最佳位置和最佳尺度;最后利用平均峰值相关...     

基于自适应抗差滤波的WSNs节点跟踪算法

针对无线传感器网络定位误差大、有色噪声影响严重等问题,提出一种基于自适应抗差Kalman滤波的无线传感器网络节点跟踪算法.先采用直线拟合削弱初始点位观测值的横向误差,然后通过构造自适应因子和等价权函数来控制未知有色噪声和观测值粗差的影响,并利用观测环境构造可信度因子干预滤波计算.在低速、高速运动模型下,分别以直线运动和...     

一种改进的基于ATeager能量和循环平均幅度差的基音检测

基音检测是语音处理中的一个非常重要的问题,但基音周期的准确估计非常困难。现有的方法在实时应用中,计算量都较大,本文对文献[2]提出的基音检测算法对之进行了改进,利用本文提出的ATeager（反Teager）能量,用于清浊音判决,提出了一个新的基于循环平均幅度差和ATeager能量的基音周期检测方法,实验验证了算法的可行性和有效性。因其计算量小,抗噪性也很好。应用性较强。     

小波变换在车辆GPS导航的应用

在分析车辆GPS导航信号观测粗差、噪声特性的基础上,提出了基于小波变换的车辆GPS导航信号粗差探测及滤波算法.数据仿真表明:该算法能够有效地克服Kalman滤波需要精确数学模型和滤波效果受粗差影响较大的缺点.     

基于自适应抗差卡尔曼滤波的UWB室内定位

在UWB室内定位中,测距中存在的NLOS误差和测距异常值会大幅降低其定位的精度和可靠性.针对这一问题,提出了一种自适应抗差卡尔曼滤波方法.该方法首先在UWB距离模型的基础上,利用新息向量和LOS环境下的阈值所构造的抗差因子鉴别并削弱NLOS测距误差和测距异常值的影响,同时利用Sage-Husa滤波对系统噪声进行实时估计和修正,在此基础上推导UWB定位的线性模型,利用卡尔曼滤波进行UWB定位解算.实验结果表明,该方法能有效地抑制并消除UWB测距中的NLOS测距误差和测距异常值的影响,进而能提高UWB定位的精度和可靠性.     

差压式涡街质量流量计信号处理系统的研制

差压式涡街质量流量计是一种新型的质量流量测量装置,通过测量旋涡发生体上下游管壁处的差压,同时获取涡街频率信号和压力损失信号.为了将差压中这两路信号分离并准确测量其值,研制了采用程控放大、自适应滤波技术及FFT算法的信号处理系统.实验结果表明,该信号处理系统能够准确地从差压式涡街质量流量计输出信号中测得管内流体的质量流量值,同时改善了装置的抗干扰能力和通用性,提高了涡街频率测量的准确度,并且具有结构简单、成本低、适用性广等优点.