基于EMMAP的MEMS陀螺噪声估计与滤波方法研究（英文）

针对MEMS陀螺仪测量精度低、随机噪声具有不确定性和非线性的问题,提出一种基于最大期望算法(Expectation maximum, EM)和极大后验估计(Maximum a posterion, MAP)的无迹卡尔曼滤波(Unscented Kalman filter, UKF)——EMMAP-UKF的陀螺噪声估计与滤波方法。根据极大后验估计原理,构造出一种次优无偏MAP噪声统计估计模型,并在此基础上引入最大期望算法将噪声估计问题转换为数学期望极大化问题,实现对观测噪声方差的动态调整,最终实现陀螺仪随机漂移误差的估计与滤波处理。最后通过Allan方差对陀螺噪声滤波方法的性能进行评估,通过半实物仿真验证了本方法的有效性。     

半球谐振陀螺滤波算法研究

针对半球谐振陀螺输出信号噪声的特点,提出了一种处理该噪声的前向线性预测(FLP)滤波与小波变换相结合的滤波方法,运用Allan方差法对滤波结果进行了分析.该方法以FLP滤波作为前段滤波器,采用DB4小波函数的强制阈值小波变换作为第二级滤波器.为了改进该级联滤波算法的不足,提出了基于神经网络的滤波融合算法.仿真结果表明,该滤波融合算法保留了级联滤波算法的优势,同时最大程度的保留了信息的完整度,滤波精度得到极大提高.     

基于改进双树复小波的光谱去噪算法研究

为了消除可见光近红外光谱噪声,提高利用光谱曲线进行信息提取的精度,提出一种改进双树复小波变换(DTCWT)的后验估计及广义形态滤波的光谱去噪方法。首先对带噪信号进行双树复小波分解,将信号的高频部分和低频部分进行分离。然后分别采用最大后验(MAP)估计算法和广义形态学滤波(GMF)对高频系数和低频系数进行去噪处理。最后对去噪后的高频系数和低频系数进行DTCWT反变换,得到去噪光谱。对USGS光谱库中的植被光谱以及铁铝榴石光谱进行实验,结果表明该方法易于实现,去噪效果理想,是一种很好的可见光近红外光谱去噪方法。     

硅微陀螺阵列的滚动时域估计滤波算法研究

硅微陀螺在中低精度的惯性稳定平台中具有广泛应用。通过多个硅微陀螺组成阵列,采用数据融合技术可提高硅微陀螺的输出精度。在卡尔曼滤波算法基础上,研究了一种考虑前若干个时刻量测输出值的滚动时域估计(MHE)算法,获得陀螺阵列输出的最优估计。采用2×2的ADIS16080组成陀螺阵列,基于TMS320F28335嵌入式计算平台开展试验研究。试验结果表明,单陀螺输出经卡尔曼滤波后,输出噪声方差的均值为4.179 4 s~(-2)。采用陀螺阵列信息融合后,方差降至4.071 7 s~(-2)。进一步采用预测长度为3的MHE算法可将输出噪声方差减少至2.127 3 s~(-2)。     

基于提升小波的电能质量高效定位算法

针对暂态电能质量扰动信号的检测和定位,提出了一种基于提升复小波的高效定位算法.首先对扰动信号基于(maximum posteriori,MAP)最大后验估计的双树复小波进行去噪预处理,对不同分解层次的细节系数的噪声方差和信号方差进行估计运算,同时计算各分解层的阈值,得到去噪阈值.扰动信号进行去噪预处理后,利用提升小波对去噪后的扰动信号进行定位,并与传统实小波进行了定位准确度和算法耗时的比较.仿真实验结果表明,所提去噪预处理定位算法步骤简单,效果理想定位运算速度快且易于实现,实用性强,两者结合具有良好的应用前景.     

分层近似粒子滤波及其在陀螺寻北中的应用

针对粒子滤波的粒子退化和匮乏等问题,在粒子滤波和网格近似的基础上,提出了一种采用分层近似策略的粒子滤波改进算法.改进算法利用高斯分布对后验概率密度进行近似,并在连续分布的后验概率密度上进行分层近似,从而获得更具效率的粒子,提高了粒子滤波的精度.光纤陀螺的寻北精度主要取决于光纤陀螺自身的性能以及所采用的寻北方案,将采用分层近似策略的改进粒子滤波算法应用于光纤陀螺的寻北方案中,能够有效地解决光纤陀螺寻北中的非线性状态估计问题,提高光纤陀螺的寻北精度.     

应用于光电目标跟踪的变窗宽核粒子滤波

核函数粒子滤波(KPF)是小噪声动态系统目标跟踪的一种有效方法,核窗宽选择是该方法中核密度估计的核心问题。本文提出了一种基于协方差的变窗宽核粒子滤波算法。该方法首先通过粒子集的协方差矩阵估计粒子的粗略核窗宽和其粗略的后验概率密度,然后调节全局核窗宽获得适用于每一个粒子的精确核窗宽,提高核密度的估计精度;然后,通过迭代寻找后验概率模型,使得粒子集能够在核密度估计后向后验概率密度的真实分布移动,从而提高跟踪精度。通过这种方法生成的新粒子是对后验概率密度的一个更加近似的表达。实验结果表明,在小噪声动态系统中,本文提出的变窗宽核函数粒子滤波在光电目标跟踪的性能和效率(PF的20%粒子数目)上都优于传统的粒子滤波(PF)、UPF(Unscented Particle Filter)以及KPF方法。     

基于Allan方差的激光陀螺信号分析

本文分析了激光陀螺的随机噪声的产生来源,同时分析了噪声里的量化噪声、角度随机游走、零偏不稳定性、速率随机游走、速率斜坡噪声。在利用Allan方差对激光陀螺仪输出信号进行分析基础之上,设计了IIR滤波系统对陀螺信号进行处理,并对滤波前后的陀螺测试数据进行了对比,结果表明,该滤波技术能有效提高激光陀螺的精度。     

基于NACKF的分布式驱动电动汽车轮胎侧向力与质心侧偏角估计

针对传统容积卡尔曼滤波算法在进行车辆关键状态估计时要求噪声统计特性已知的问题,提出一种噪声自适应容积卡尔曼滤波（Noise adaptive cubature Kalman filter, NACKF）算法来进行车辆关键状态的估计。基于次优无偏极大后验估计器对量测噪声协方差进行实时更新并将其嵌入到标准容积卡尔曼算法中实现自适应容积卡尔曼滤波。针对车辆不同子系统间耦合特性对滤波精度的影响,构建双重自适应容积卡尔曼滤波器分别进行侧向力与质心侧偏角的估计,两者在估计过程中互为输入构成闭环反馈,利用分布式模块化结构弱化系统耦合特性对估计精度的影响,实现轮胎侧向力与质心侧偏角的实时准确估计。利用Simulink-Carsim联合仿真平台进行仿真验证和实车试验验证。结果表明,基于双重自适应容积卡尔曼滤波的估计算法相对标准容积卡尔曼滤波估计精度更高,较好地改善了传统容积卡尔曼滤波器在噪声先验统计特性未知条件下非线性滤波精度下降的问题。     

一种用于光电目标跟踪的变窗宽核粒子滤波

核函数粒子滤波(Kernel Particle Filter, KPF) 是小噪声动态系统目标跟踪的一种有效方法,其所采用的核密度估计中一个重要的问题是核窗宽的选择。本文提出了一种基于协方差的变窗宽核粒子滤波算法,该方法首先通过粒子集的协方差矩阵估计粒子的粗略核窗宽和其粗略的后验概率密度,然后调节全局核窗宽获得适用于每一个粒子自身的精确核窗宽,提高核密度的估计精度,通过迭代达到对后验概率模型的寻找,使得粒子能够在核密度估计后向后验概率密度的分布移动,提高跟踪精度。通过这种方法生成的新粒子是对后验概率密度的一个更加近似的表达。实验结果表明,在小噪声动态系统中,本文提出的变窗宽核函数粒子滤波在光电目标跟踪的性能和效率上都优于传统的粒子滤波(Particle Filter,PF)、UPF(Unscented Particle Filter)以及KPF。     

基于MAP估计的复小波域局部自适应绝缘子红外热像去噪方法

为了从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出一种基于MAP估计的复小波域局部自适应去噪方法.首次证实了绝缘子红外热像双树复小波变换(DT-CWT)系数服从拉普拉斯分布,并对不同滤波器组采用各自最精细分解层子带系数估计噪声方差,利用待估计点圆形邻域系数估计信号方差,且随分辨率变化调整圆形邻域半径,使得MAP估计的无噪声系数更为准确,提高了去噪图像质量.实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和DT-CWT的贝叶斯阈值去噪方法具有更高的信噪比,在有效去除图像噪声的同时,图像细节信息保留更完好.     

基于稀疏贝叶斯学习的压缩球波束形成声源识别方法

基于实心球传声器阵列的压缩球波束形成具有声学成像全景、适宜中远距离测量而易于布置等优势,在汽车、飞机等噪声源识别领域具有广阔应用前景。新近提出的基于稀疏贝叶斯学习(Sparse Bayesian learning, SBL)的压缩球波束形成能够获得良好的低频声源识别性能,但由于其采用了第二类最大似然估计(Maximum type-Ⅱ likelihood estimation, MLE-Ⅱ)进而需要估计声源稀疏度,且抗噪声干扰能力和计算效率也有待提升,推广应用受限。为此,首先将压缩球波束形成数学模型求解问题转化为SBL框架下的源强分布最大后验(Maximum a posterior,MAP)估计问题,并采用期望最大化优化算法(Expectation maximization, EM)加以求解,提出无需稀疏度估计的MAP-EM压缩球波束形成方法;在此基础上,将多快拍复声压矩阵输入转换为多快拍平均的声压互谱矩阵输入,并基于互谱矩阵对角重构降噪建立了抗噪声干扰能力增强的EMAP-EM(Enhanced MAP-EM, EMAP-EM)压缩球波束形成方法。仿真和试验均表明,提出的MAP-EM和...     

基于改进EMD的微机械陀螺随机误差建模方法

为了降低微机械(MEMS)陀螺仪的随机误差,提出一种将改进的经验模态分解法(EMD)与传统建模滤波方法相结合的新方法对随机误差进行处理。首先采用传统EMD算法将信号分解为有限个本征模态函数(IMF),并根据皮尔逊相关系数准则和噪声统计特性提出一种筛选机制,将IMF分为噪声IMFs、混叠IMFs和信号IMFs 3类;其次,对混叠IMFs进行时间序列建模,建模完成后进行卡尔曼滤波拟合;最后,将建模滤波后的混叠IMFs与信号IMFs进行重构,得到最终去噪信号。实验分析结果表明,本文方法在抑制随机误差的效果上有明显的优势,极大地改善了信号的质量,提高了惯导的解算精度。     

基于变分贝叶斯的DR/UTP组合导航滤波方法

针对水下无人航行器(UUV)的航位推算导航方法(DR)和水下应答器(UTP)组合导航系统中传统滤波器因观测噪声统计模型不准确或未知而出现的滤波器发散问题,提出了一种基于变分贝叶斯的平方根容积卡尔曼滤波算法,该算法利用变分贝叶斯方法对DR/UTP组合导航系统的状态和时变观测噪声进行估计,并引入自适应调节因子来提高对观测噪声的逼近精度,然后利用平方根容积卡尔曼滤波对系统状态进行更新。仿真结果表明,该滤波算法能够较好地跟踪UUV的DR/UTP组合导航系统外部观测噪声方差的不断变化,可有效提高对DR/UTP组合导航系统各参数的估计精度。     

自适应卡尔曼滤波在无刷直流电机系统辨识中的应用

为了有效抑制量测噪声特性变化对系统辨识精度的影响以获得准确的无刷直流电机模型,提出了一种采用自适应卡尔曼滤波算法的无刷直流电机系统辨识方法。通过计算新息理论方差的极大似然最优估计,并将其引入卡尔曼滤波算法中修正滤波增益来抑制量测噪声特性变化对辨识结果的影响,使该滤波算法实现对模型参数的准确估计,提高辨识精度。实验结果表明,在量测噪声特性变化的情况下,该算法能够准确跟踪实际量测噪声特性的变化,参数估计平滑,相对于目前系统辨识广泛采用的带有遗忘因子的递推最小二乘算法,输出误差的均方根值减小了73.5%。该算法简单易行,计算量小,辨识结果可以很好地描述系统行为,便于在工程实践中应用。     

基于压缩感知理论的MEMS陀螺仪信号降噪研究

通过分析传统小波阈值滤波的局限性,将基于压缩感知的小波滤波方法应用于低精度MEMS(micro electro mechanicalsystem)陀螺仪信号降噪中,并与小波阈值滤波方法进行了实验对比,实验结果表明:基于压缩感知的小波滤波方法可以有效地去除MEMS陀螺仪输出信号中的噪声,并且在压缩比较大时基于压缩感知的滤波方法去噪效果优于小波阈值滤波方法,改善了低精度MEMS陀螺仪零偏稳定性,为工程中解决低精度MEMS陀螺仪降噪问题提供了新思路。     

基于L-T的联合算法在光纤法珀纳米压力传感器脉压检测信号中的应用

研究了一种改进的去噪方法及其在脉冲拍频信号去噪中的应用。该算法结合了局部均值分解(Local mean decomposition,LMD)和时频峰值滤波(Time-frequency peak filtering,TFPF)的优点,称为L-T算法。TFPF作为一种经典的时频滤波方法,较长的窗长可以在保留信号幅值的前提下有效抑制随机噪声,而较短的窗长则导致信号幅值严重衰减。因此,为了保持有效信号幅度、抑制随机噪声,对LMD和TFPF进行了改进。首先利用LMD将原始信号分解为无级生存(Progression-free survival,PFS),然后计算各乘积函数均值的标准误差,将许多PFSs分为有用分量、混合分量和噪声分量。其次,将短窗TFPF用于有用分量去噪,长窗TFPF用于混合分量去噪,得到重构后的信号。最后,将该算法用于F-P压力传感器的降噪。实验结果表明,与传统小波去噪算法相比,L-T算法去噪效果更优。     

Reconstruction of electrical impedance tomography (EIT) images based on the expectation maximum (EM) method

Electrical impedance tomography (EIT) calculates the internal conductivity distribution within a body using electrical contact measurements. The image reconstruction for EIT is an inverse problem, which is both non-linear and ill-posed. The traditional regularization method cannot avoid introducing negative values in the solution. The negativity of the solution produces artifacts in reconstructed images in presence of noise. A statistical method, namely, the expectation maximization (EM) method, is used to solve the inverse problem for EIT in this paper. The mathematical model of EIT is transformed to the non-negatively constrained likelihood minimization problem. The solution is obtained by the gradient projection-reduced Newton (GPRN) iteration method. This paper also discusses the strategies of choosing parameters. Simulation and experimental results indicate that the reconstructed images with higher quality can be obtained by the EM method, compared with the traditional Tikhonov and conjugate gradient (CG) methods, even with non-negative processing.     

基于卡尔曼滤波的微压电陀螺的误差补偿

卡尔曼滤波是提高陀螺精度的重要手段。陀螺原始信号中常常含有大量随机误差,这使得陀螺的精度大大降低。研究了适用于陀螺精度的滤波方法,探讨了基于卡尔曼滤波的方法在提高陀螺精度上的应用,并通过分析验证了所研究的算法的有效性和适用性。     

移动机器人自适应抗差无迹粒子滤波定位算法

针对机器人定位过程中传感器感知信息存在野值,加剧粒子退化,导致机器人状态参数滤波值失真,甚至出现定位失败的问题,提出一种机器人自适应抗差无迹粒子滤波定位算法。在重要性采样阶段利用无迹卡尔曼滤波产生优选的建议分布函数,降低系统估计误差,同时有效提升系统的抗噪声能力。同时利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入的自适应因子调节增益矩阵,减弱野值对滤波的影响。实验结果表明,当观测数据中存在野值时,该算法能够有效地控制观测异常误差的影响,定位精度得到了很大提高,并在不同系统噪声和观测噪声方差下,具有较强的鲁棒性和实时性。