光纤陀螺消噪方法研究

随着光纤陀螺(FOG)精度和可靠性的不断提高,光纤陀螺捷联惯导系统在导弹武器中得到越来越广泛的研究和应用。但是,在导弹的初始对准与导航过程中,光纤陀螺的输出噪声严重影响了对准与导航的精度。因此,有必要对光纤陀螺的输出信号进行消噪处理。在分析了光纤陀螺输出噪声的基础上,将小波阈值去噪理论应用到光纤陀螺信号处理中,并与基于ARIMA模型的强跟踪Kalman滤波去噪方法进行了比较。研究表明,基于小波的去噪方法能够更好地估计光纤陀螺的输出信号,具有更为理想的去噪效果,有效地解决了对准与导航过程中光纤陀螺噪声的影响,提高了对准与导航的精度。     

光纤陀螺信号数字滤波算法研究

针对光纤陀螺信号漂移误差和噪声的影响及陀螺稳定平台系统的特点,研究了滑动滤波、FLP自适应滤波、小波变换阈值滤波3种直接对陀螺输出信号进行数字滤波处理的方案.最后对某陀螺惯性稳定跟踪转台中使用的光纤陀螺信号的测试和统计分析结果表明,采用小波变换阈值滤波可有选择地对陀螺信号的噪声成分进行抑制,其滤波去噪效果明显.     

基于小波阈值算法的海杂波信号去噪

为有效提取噪声背景下的海杂波信号,针对海杂波信号非线性非平稳的特点,提出基于小波阈值算法对实测海杂波数据去噪。在噪声水平未知条件下,提出基于噪声主要在高频段且能量较小、信号主要集中在低频段思想的噪声判断准则。为验证小波去噪效果,将该算法对含有噪声的海杂波实测数据进行去噪,采用均方差和降噪信号信噪比两项指标来衡量去噪效果,并与均值和中值等去噪方法对比,小波算法在这两项指标均优于其他算法;此外,实验结果还表明,db2小波在双曲线阈值函数和HeurSure阈值模式下优于其他小波去噪效果。     

FPGA和DSP平台惯性传感器信号小波处理

为了满足光电跟踪系统对激光陀螺信号去噪处理提出的高实时性要求,对小波阈值消噪算法的特点进行分析,提出一种基于FPGA和DSP的硬件平台实现此滤波算法,达到了高实时滤波的要求,且滤波效果明显。实验结果表明,设计的硬件系统对单频率和多频率噪声都具有去噪功能,并将输出延时降低在15μs以内。     

提升小波变换在HRG动态信号处理中的应用

为减少动态环境下半球谐振陀螺输出信号噪声,提高惯导系统精度,提出了一种基于提升小波变换(LWT)的滤波算法。将信号经小波变换提升算法进行尺度分解后,对低频小波系数进行前向线性预测(FLP)滤波,进一步去除低频干扰,提取有用信号,高频小波系数直接置零或按照一定阈值规则处理,显著提高了重构信号的精度,去除了陀螺噪声。详细对比了新算法、卡尔曼滤波算法和FLP滤波算法,并分析了三者的去噪效果。仿真结果和实际试验数据表明:新算法能有效抑制动态环境下半球谐振陀螺输出噪声,标准差为卡尔曼滤波算法的一半,运算时间缩短了30%;该滤波算法不但速度快,精度高,而且计算量小,抗干扰性好,滤波后可以有效跟踪有用信号。     

基于提升小波的光纤陀螺分形噪声滤除方法

光纤陀螺(FOG)随机噪声中包含了白噪声和具有长程相关性、自相似性及1/fr类型谱密度特点的一种非平稳随机噪声--1/fr类分形噪声.采用传统的方法很难去除该类噪声.由于小波分析的多分辨分析特性,使之成为研究分形噪声的有力工具.提出一种新的基于提升小波的自适应阈值选取滤波方法对光纤陀螺的输出信号进行阈值滤波,进而提高光纤陀螺的精度,算法包括提升小波分解、滤波参数估计及自适应软阈值滤波.对多组实测数据进行仿真实验,将传统小波固定阈值滤波方法与新方法进行比较,实验结果验证了新方法的有效性.     

EMD相关度去噪及其在轧机信号处理中的应用

基于EMD时间尺度滤波特性,在引入相关度分析的基础上提出了EMD相关度去噪方法.对含噪信号进行EMD分解得到各IMF分量,并结合相关度阈值函数计算各分量的相关度值,再与预定阈值比较获取满足阈值要求的IMF并对其进行信号重构最终得到去噪信号.该方法消除了EMD时间尺度滤波不适用于噪声和信号在IMF成分混叠情祝下的限制.通过平稳和非平稳含噪信号去噪仿真实验表明了该方法的有效性;通过轧机在轧钢时实测信号分析验证了该方法的可靠性.     

基于小波变换的压电陀螺类噪声滤波器设计

1/fγ类随机噪声是影响压电陀螺精度的主要因素之一,其中随机信号包括白噪声和分形噪声.由于分形噪声具有长期相关性和自仿射性,采用传统的低通滤波方法难以达到有效的滤波效果.本文利用分形噪声在小波变换域的特性采用小波变换域参数估计的方法获得噪声参数,通过小波白化的方法消除分形噪声的长期相关性和自仿射性,最后应用小波软阈值的滤波方法去噪.经过对某型号压电陀螺信号进行滤波实验,结果表明这种基于小波分析的滤波方法是有效的.     

混沌信号的自适应阈值同步挤压小波变换消噪

针对同步挤压小波变换（SST）消噪过程中仅使用单一阈值的不足,对SST消噪时的幅度阈值进行了改进,提出了一种基于SST分层阈值的混沌信号消噪方法.首先,根据信号和噪声经SST分解后系数的分布模型,推导SST混沌去噪时幅度阈值权系数的均方误差计算公式;进而,根据均方误差最小准则,计算幅度阈值权系数的最优取值;最后,根据最优阈值权系数和噪声标准差,确定SST混沌去噪时的分层阈值.利用模拟混沌信号和实测月太阳黑子信号对所提方法进行了实验分析,实验结果表明,本文方法可较好地滤除混沌信号中的噪声,同时原始信号的内在混沌特性也能得到较大程度的恢复.与小波阈值法和集合经验模态分解（EEMD）消噪法相比,可获得更好的消噪效果.     

基于形态学运算和自适应阈值的心电信号消噪

抑制信号中的噪声干扰,是心电(ECG)信号预处理中的关键步骤.针对传统形态学滤波损失有用信号的缺陷,本文提出了一种基于形态学运算和自适应阈值的ECG信号消噪算法.首先,对含噪ECG信号进行形态学滤波和形态学峰谷提取运算;然后,估算形态学峰谷信号中时变噪声的即时方差,并依据3σ准则对峰谷信号进行自适应阈值处理,保留其中的有用信号;最后,将阈值处理结果与形态学滤波结果相加,作为ECG信号消噪处理的最终结果.仿真试验与实际应用结果表明,该算法不仅可以有效去除时变噪声的干扰,而且较好地保持了ECG信号的特征形态,处理效果明显优于以往的形态学滤波算法,且比基于平稳小波变换的消噪算法更适用于非平稳ECG信号的消噪处理.     

OFDM系统中时变信道下信道估计方法的研究

为减少OFDM系统中子信道间干扰(ICI)的影响,分析了分段频域均衡方法、近似分段线性的相邻符号ICI消除方法和卡尔曼滤波方法等几种快衰落环境下的信道估计方法的优劣,在此基础上提出了一种基于梳状导频的卡尔曼滤波信道估计方法.对滤波的结果,利用信道的频域相关函数和估计误差的协方差矩阵,在频域进行最小均方误差意义上的优化.仿真结果表明,该方法具有良好的估计性能.     

小波变换域估计观测噪声方差的Kalman滤波算法及其在数据融合中的应用

众所周知,卡尔曼滤波的成功应用需要事先准确知道观测噪声的统计特性.本文首先简要分析了不准确的观测噪声统计特性对卡尔曼滤波性能的影响,然后利用小波变换可以实时分离信号和噪声的特性,提出了一种在未知观测噪声条件下的卡尔曼滤波算法,该算法可以实时跟踪观测噪声的变化,即实现了对观测噪声方差的实时估计,从而解决了在未知观测噪声的条件下卡尔曼滤波失效问题.最后讨论了提出的方法在信息融合中的应用,仿真结果证明了本文方法的有效性和实用性.     

时频分析的卡尔曼滤波匹配解调变换法

本文为多分量时频分析,提出了一种卡尔曼滤波的匹配解调变换的分析方法,该方法对信号的局部频率特性进行建模,以模型参数作为状态变量、以时频脊线为观测变量,分别建立起时频分析的状态方程和观测方程,据这些方程并利用卡尔曼滤波就可获得信号的瞬时频率,最后再对信号进行解调变换,就得到了能量高度集中的时频分布.在不同信噪比的情况下,仿真测试表明：本文方法优于现有文献报道方法.     

卡尔曼滤波器在PID控制中的仿真研究

通过研究卡尔曼滤波器的信号模型,采用KALMAN滤波器同常规PID控制相结合的方法对系统进行仿真研究,利用卡尔曼滤波器来克服系统中的测量噪声和控制噪声对控制性能的影响。结果表明:同没有加卡尔曼滤波器的常规PID控制相比,卡尔曼滤波器很好地抑制了白噪声的污染,控制效果明显改善。     

基于最大熵Kalman滤波的机载SINS自标定技术

针对在机载捷联惯导系统(SINS)自标定过程中,量测噪声呈非高斯分布,导致经典Kalman滤波性能降低的问题,该文提出了基于最大熵Kalman滤波(MCKF)的机载SINS自标定技术。该方法采用最大相关熵准则(MCC)替代经典Kalman滤波的最小均方误差准则,有效利用信号的高阶矩信息,并将其应用于机载SINS自标定系统中。仿真结果表明,在非高斯噪声条件下,该方法能够估计出机载SINS待标定参数,且算法的鲁棒性和误差项估计精度均优于经典Kalman滤波,具有一定的工程应用价值。     

非线性滤波算法性能对比

随着目标运动的多样性和复杂化,雷达非线性目标跟踪算法越来越受到重视。本文对目前非线性滤波的主要算法即扩展卡尔曼滤波、不敏卡尔曼滤波、粒子滤波的滤波模型、适用条件、性能进行了分析比较,通过一个非线性非高斯模型进行了仿真,验证了这些算法的性能,仿真结果表明非线性条件下粒子滤波算法要明显优于其它两种滤波算法。     

一种适用于终端移动的OFDM无线局域网的信道估计方法

本文提出了一种适用于具有移动终端的OFDM无线局域网的信道估计方法.该方法采用了卡尔曼滤波算法进行了信道估计,并利用导频进行信道跟踪.将基于训练序列的信道估计结果作为Kalman滤波器的初始值和观测值,用基于导频的信道估计结果来计算Kalman滤波器参数.并利用导频进一步跟踪信道在时间上的变化.Simulink仿真结果表明,该算法比基于导频的信道估计方法和基于训练序列的信道估计方法效果都要好.     

目标跟踪中野值的判别与剔除方法

运用Kalman滤波对目标位置进行跟踪时,测量数据中的野值是影响滤波效果的重要因素之一。分析了动态测量数据中野值产生的原因和野值对Kalman滤波性能的影响机理,利用新息的统计特性,提出了野值判别准则和一种抗野值Kalman滤波算法。仿真结果表明,该方法使野值处理与状态估计同步进行,可有效抑制野值对Kalman滤波的影响,提高滤波精确度。     

基于AF和UKF联合估计技术的高动态GPS信号捕获方法研究

分析了高动态环境给接收GPS信号带来的问题,研究了一种适应高动态环境GPS信号快速捕获方法.该方法基于模糊函数(AF)和Unscented卡尔曼滤波(UKF)的联合估计技术对GPS信号的伪码延时和多普勒频率进行估计.仿真比较了UKF和AF联合估计方法与MLE方法的估计性能,仿真结果表明该方法在保证跟踪精度的前提下提高了GPS信号的捕获速度.     

基于衰减记忆法滤波的多假设跟踪算法

本文在讨论多假设跟踪算法原理的基础上,分析了影响其跟踪精度的关键——Kalman滤波,我们提出用衰减记忆法卡尔曼滤波代替原标准卡尔曼滤波,并采用计算机仿真实验对比的方法研究了改进的多假设跟踪算法的效果。实验结果表明改进后的算法能有效地抑制滤波器的发散,提高航迹预测精度,在不增加系统运算时间的前提下,使得多假设跟踪算法的性能得到了很大的提高。