状态与偏差解耦自适应滤波及应用

在状态与偏差耦滤波的基础上提出了一种自适应滤波算法，这种自适应滤波能在线估计系统的编差与噪声方差。对常值偏差和缓慢变化的偏差都能进行在线估计。由于采用两个卡尔曼滤波器进行计算，计算量比状态扩展自适应卡尔曼滤波器要小得多，特别在偏差量比较多的情况下更能显出其优越性，适合在组合导航中应用。     

图像去噪滤波方法的对比研究

去噪是图像预处理的关键,线性滤波器和非线性滤波器都可以对图像进行滤波操作。选取线性滤波器中的高斯滤波与非线性滤波器中的中值滤波和引导滤波对被椒盐噪声和高斯噪声污染的双排线束图像进行去噪操作,通过主观视觉观测和客观指标两个方面来衡量3种滤波方法的去噪效果并进行对比研究。结果表明:中值滤波去椒盐噪声的效果最好;引导滤波去高斯噪声的效果最好;当同时存在椒盐、高斯混合噪声时,中值滤波和引导滤波都能收获较好的滤波效果,但是引导滤波处理后的输出图像与原始图像的结构相似性更高。     

连续—离散型分级式分散滤波算法研究

在本文的连续—离散型的分级式分散滤波算法的研究中,不仅讨论了分级式分散滤波的协方差分析法,而且针对采用协方差分析法时,所普遍存在着主滤波器算法复杂、计算量较大的情况,将信息滤波方法引入到分级式分散滤波问题中,得到一种分级式分散信息滤波算法,它有效地减少了主滤波器的计算负担,此外文中还提出了一种使主滤波的计算只涉及到加(减)运算的、运算量极少的次优滤波优算法。     

空间域二维信号滤波方法的研究

空间域二维信号常代表图像信号，滤波是信号去噪最重要的方法。本文就空间域二维信号两种不同滤波方法——线性滤波和中值滤波进行了比较研究，将线性滤波与非线性滤波有机的结合，通过大量实验，得出应用混合型滤波的信号滤波方法。实验表明，混合型滤波器的滤波效果优于单型滤波器。     

基于小波变换的人体图像自适应滤波处理

根据人体图像的特点，采用中值滤波器与小波滤波器相结合对人体图像进行了自适应滤波．实验结果表明，采用自适应滤波器对人体图像滤波后，不但滤波效果较传统滤波得以提高，而且对人体图像边缘也有良好的保护作用，提高了人体图像的信噪比，改善了图像质量，并为人体图像去噪提供了一种新方法．     

双正交多小波的预滤波与平衡性研究

对一般的双正交多小波系统,给出了阶平衡的较为简单的定义,并将预滤波理论引入双正交多小波滤波器组.从Hermite Cubics出发阐明了预滤波过程,并得到一组新的具有一阶平衡性的双正交多小波.     

基于过采样ADC的振动信号分析仪滤波算法

针对振动信号分析仪采用模拟滤波器进行抗混叠干扰和噪声去除存在非线性相位,降噪效果差,硬件成本高等缺点,提出了振动信号的过采样ADC滤波算法。算法通过采样频率倍增降低了对抗混叠滤波的要求,同时噪声的滤除采用FIR数字滤波器对振动信号的相位有很好的保证。对算法的原理进行了详细分析,并对算法的实现进行了说明,在此基础上通过仿真分析对算法性能进行了讨论,并验证了算法对振动信号滤波的有效性。仿真分析表明,算法能够在噪声去除的同时保证线性相位,而加宽数字滤波器过渡带、增大阻带衰减能够保证算法的滤波效果和实现效率。研究确定的滤波算法在汽轮机振动信号分析仪中得到了实际应用,取得了较好的振动信号滤波效果。     

BF粒子滤波算法在快速目标跟踪中应用的研究

为了对快速目标进行跟踪,在高斯加性白噪声的条件下(AGWN),文章把BF粒子滤波算法和迭代的Kalman滤波器方法结合起来对快速目标状态进行处理,状态估计用BF粒子滤波算法,能减小方差和运算量,同时用Kalman滤波器能提高跟踪精度和对目标状态的估计。仿真结果表明,文中所设计的快速和精确的BF算法能真正地解决快速目标跟踪问题。     

一种高效的H.264去块效应滤波器VLSI结构设计

最新的视频压缩编码标准H.264在编解码系统中引入了自适应的去块效应滤波器。去块效应滤波器可以有效地消除块边界的方块效应,但同时也带来了运算量的增加。文中针对H.264去块效应滤波器的硬件原型进行了设计,所设计结构可以大大降低硬件系统的处理周期。在所设计的结构中采用了以下4个关键技术:滤波边界顺序调整、存储单元分配、滤波器架构和双转置寄存器组来提高系统的并行处理能力。仿真结果表明,文中所提出的架构,仅需要288个时钟周期即可实现一个16×16宏块的滤波。滤波器模块只占用16.3 k逻辑门和640 byte的b lock RAM,具有很高的时间-面积效率。     

基于多结构元广义形态滤波的改进算法

为对采用相同结构元的形态闭-开和形态开-闭这两种滤波器进行改进,采用了不同结构元的广义形态闭-开和形态开-闭滤波器。在此基础上,将一种新的结构元运用到广义形态滤波中,提出了一种滤波新算法。理论分析和图像处理仿真实验表明,该类滤波新算法既能有效地滤除噪声,又可充分保留原图像的细节信息。     

基于逼近样条方法的高斯表面轮廓滤波

为了克服传统高斯滤波器的卷积处理方法在提取表面中线时所产生的边缘效应,提出了一种采用变分方法建立的样条轮廓滤波器来实现高斯滤波。这种方法可称为高斯滤波器的样条实现法,兼有高斯滤波的幅度传输特性、零相移的特点和样条的特点。它的高斯滤波幅度特性符合国际标准的要求,它的样条特性又可以避免两边的边缘效应。文中研究的高斯滤波的样条处理方法,幅度特性偏差为-1.5%～+3.75%,远低于国际标准ISO11562推荐的近似处理方法的偏差(-5.0%～+5.0%)。此外这种高斯滤波的处理方法,处理效率很高,在当今通用的计算机上对11200采样点的数据进行处理,只需要100ms。     

双基地雷达距离跟踪建模及粒子滤波研究

双基地多普勒雷达是指将发射机和接收机分置在不同的地点或飞机上的一类雷达系统。该文建立了一类双基地多普勒雷达距离跟踪模型,由于双基地多普勒雷达系统所对应的量测模型具有高度的非线性,从而造成了滤波的困难,为此,该文提出了一种基于粒子滤波的概率数据关联算法用于解决上述困难,通过仿真,在相同的系统模型下将其与传统算法进行比较,证明前者具有更好的非线性滤波性能。     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman滤波器池结构,设计了使用遗传算法的自适应Kalman滤波器,给出了离线和在线两种实现方案。离线方案以辨识滤波参数为主要目的,进而可以对状态进行较准确的事后估计;在线方案以实时地对状态进行估计为目的。对滤波参数寻优使用具有良好性能的浮点数编码遗传算法,该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强。仿真结果验证了所提出的自适应Kalman滤波器的有效性。     

基于瞬时无功功率理论的谐波电流检测改进方法及其数字低通滤波器的优化设计

针对有源滤波器实际工程的需要,提出一种基于瞬时无功功率理论的改进ip-iq谐波和基波无功电流检测方法,可简化复杂的数学变换,能直接应用于三相三线制、三相四线制和单相系统谐波和基波无功电流的检测．并综合考虑FIR滤波器与IIR滤波器的优缺点,进一步提出均值滤波器与Elliptic滤波器串联滤波的二级滤波新方法．仿真结果表明该方法检测实时性好、精度高、易实现,具有实用价值．     

卫星编队相对轨道的分布式估计方法

研究了卫星编队的相对轨道自主确定问题,选择“无线电+激光”的测量方案,为减轻多星编队星间通信量和星上计算量的负担,将状态估计器设计为分布式构型,并利用分布式Schm idt-Kalman滤波算法对编队的相对轨道状态进行估计。仿真结果验证了该导航方案和算法的有效性。     

基于迭代sigma点粒子滤波的再入目标跟踪

标准粒子滤波提议分布选择时,由于没有计入最近的观测值信息,重要性权的方差随时间递增,导致权值蜕化。针对这一问题提出了一种新的滤波算法,迭代sigma点粒子滤波算法。该算法在预测时采用sigma点粒子滤波产生拟合概率密度函数的加权粒子,并通过观测值对加权粒子进行更新;修正过程采用迭代卡尔曼滤波优化预测阶段得到的描述状态分布的均值和方差。将其运用于再入大气层目标的跟踪模型,仿真结果表明:与标准粒子滤波相比,该算法能保证滤波收敛,具有更高的估计精度和更好的鲁棒性。     

一种新的改进粒子滤波算法

标准粒子滤波算法存在的最大问题是粒子退化,针对这一问题,提出了一种改进的粒子滤波算法,该算法将无迹卡尔曼滤波算法(UKF)、混合遗传模拟退火算法和基本粒子滤波算法相结合,运用无迹卡尔曼滤波算法获得重要性函数,提高了粒子的使用效率; 运用混合遗传模拟退火算法的进化思想,提高了粒子的多样性．仿真结果表明,新算法很好地解决了基本粒子滤波算法存在的粒子退化问题,提高了系统的滤波精度和稳定性(在信噪比为16dB时,精度提高80％以上),较好地抑制了噪声的干扰．     

基于线性规划的一维DFT调制滤波器组设计

为了设计一维DFT调制滤波器组,采用一种线性规划算法将滤波器组的性能指标数学化为关于原型滤波器的乘积滤波器的函数,滤波器组的设计问题归结为一个以乘积滤波器为优化变量的线性规划问题.借助线性规划的求解方法,设计最优的乘积滤波器,通过因式分解求解原型滤波器.新算法避免了迭代算法对初值敏感的问题.仿真实验表明,相比于传统算法...     

非平稳时变随机噪声的数字滤波器设计与仿真

非平稳噪声的统计参数是时变的,频率滤波器不能实现对它的抑制,传统的自适应抵消器方法是基于最小均方误差准则(LMS)实现滤波的。针对LMS自适应算法中的固定步长导致收敛速度慢、失调量大的缺点,提出了变步长方法。采用最小二乘准则(LS),根据输入信号信噪比的变化来调整步长,并对滤波器的收敛速度、滤波性能进行了数据仿真,验证了该算法的有效性,实现了对时变非平稳噪声的有效抑制。     

嵌入式系统测量中的指数平滑滤波新算法

对嵌入式系统测量中的不同的滤波算法进行了分析,提出一种适用于嵌入式系统测量的、快速简化的指数平滑滤波新算法。并设计了仿真实验模型,通过实验与卡尔曼滤波算法进行对比。对简化的指数平滑滤波算法进行的分析表明,该算法具有计算量小、速度快的优点。且对于慢变化的嵌入式传感器信号,具有非常好的平滑滤波效果,其计算速度是卡尔曼滤波算法的30倍,非常适用于低计算能力、存储资源有限、传感器信号采集前端的嵌入式系统测量。