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。     

一种高精度导航卫星钟差中长期预报方法

为了提高卫星钟差中长期预报的精度,提出了一种基于冯德拉克滤波一次差的修正指数曲线法模型的卫星钟差中长期预报方法。该方法首先在建模之前考虑到卫星钟差钟跳和粗差频繁的现象,采用中位数法探测钟跳和粗差数据并将其剔除后,采用拉格朗日插值法将缺失的钟差数据补齐;其次,考虑到卫星钟差数据存在系统误差和随机误差,采用冯德拉克滤波平滑法对钟差数据进行平滑处理;然后,考虑到卫星钟差的有效数字位数较多,会降低模型的预报性能,采用一次差处理消除钟差序列趋势项的影响后,建立了修正指数曲线法预报模型;最后,采用IGS服务器上发布的事后精密卫星钟差产品,并结合2种典型变化趋势的卫星钟差进行了未来4个时间段的中长期预报实验。实验结果表明,该方法的中长期预报性能明显优于常用的二次多项式模型和灰色模型,其60 d的平均预报精度(RMS)相对于常用的二次多项式模型和灰色模型分别提高了92. 00%和80. 80%,平均预报稳定度(Range)相对于常用的二次多项式模型和灰色模型分别提高了92. 40%和81. 40%。     

基于改进型BP神经网络的氢原子钟钟差预测

原子钟的钟差预测是原子钟时标计算和原子钟驾驭的关键环节,良好的钟差预测可明显提高原子钟时标和原子钟驾驭的精度。为进一步提高氢原子钟的钟差预测精度,本文提出了一种改进型的BP神经网络算法,并用中国计量科学研究院守时实验室氢原子钟组的实际数据进行了验证。验证结果表明,本文提出的改进型BP神经网络钟差预测算法与目前采用的线性回归钟差预测算法、SVM钟差预测算法相比,显著地提高了氢原子钟钟差预测精度。该钟差预测算法的提出对提高原子钟时标和驾驭精度有很好的推动作用。     

基于Kalman滤波的四足机器人姿态数据处理方法

针对四足机器人在不平坦地面上行走时的姿态闭环控制策略和要求,提出对数字罗盘输出信号采取双次自适应Kalman滤波的数据处理方法,有效消除了信号中的随机干扰噪声和特有的周期性波动,保证了测量同步性,提高了测量精度.基于滤波后的实时估计值,机器人实现了坡度为10°的斜面正向稳定行走.试验表明该滤波方法对四足机器人姿态感知数据的处理非常有效.     

改进的Kalman滤波算法在飞行器测距中的应用研究

为了解决四旋翼飞行器避障系统中激光和超声波传感器测距数据误差较大的问题,设计了一种改进的Sage_Husa自适应Kalman滤波算法。首先,在算法中引入遗忘因子,修正观测噪声协方差,校正数据结果,并使用Sage_Husa法对传统自适应Kalman滤波算法进行简化;然后,针对不同材质的障碍物墙面进行测距实验;最后,将结果与单一传感器和传统Kalman滤波算法的实验结果进行对比。结果显示,改进的Kalman滤波算法使激光和超声波传感器测量数据的融合结果更加稳定、准确,证明该算法能有效提高传感器的测量精度。     

基于Kalman滤波的四足机器人姿态数据处理方法

针对四足机器人在不平坦地面上行走时的姿态闭环控制策略和要求,提出对数字罗盘输出信号采取双次自适应Kalman滤波的数据处理方法,有效消除了信号中的随机干扰噪声和特有的周期性波动,保证了测量同步性,提高了测量精度.基于滤波后的实时估计值,机器人实现了坡度为10°的斜面正向稳定行走.试验表明该滤波方法对四足机器人姿态感知数据的处理非常有效.     

基于自适应Kalman滤波的SAW测温数据纠错方法

在无源无线SAW测温系统实际应用中,阅读器接收到的信号往往受到其所处环境电磁波的干扰。这些干扰将会使阅读器得到错误的测量数据。温度变化趋势和测量噪声时变的特点也给系统建模以及噪声估计带来了困难。针对实际应用中存在的问题,在Kalman滤波的基础之上,提出了一种新的自适应算法。该算法采用多项式预测的方法建立温度测量的时变系统模型,根据当前及历史测量值,自行调整预测模型参数,避免因模型不准确造成Kalman滤波效果严重下降的问题;通过对测量数据小波变换的方法,实时估计测量数据噪声方差,克服未知观测噪声的条件下精度下降的问题;当测量数据受到干扰时,测量值与纠错值之间的差值不满足高斯分布,通过对差值统计特性的分析,对测量数据进行错误数据判别与剔除,有效地抑制干扰对温度测量的影响。将这种自适应Kalman滤波算法应用到无源无线SAW测温系统中,无源无线SAW温度传感器测温实验的结果验证了该算法能有效地纠正粗大误差,提高测量系统的精度。     

基于自适应滤波算法的医疗仪器图像处理研究

图像增强技术是对受噪声影响的图像进行图像质量增强以增加其可辨识性的一种技术,目前已广泛应用于医学图像处理、摄影等方面。本文主要介绍图像增强算法中,自适应滤波算法的应用及分类,并利用matlab软件进行编程,对图像进行处理,对LMS算法、RLS算法、直方图均衡算法以及维纳滤波方法的滤波降噪效果进行比较。仿真结果表明,基于自适应滤波算法的图像处理方法效果更佳。     

一种基于Kalman滤波算法的组合式温度传感器的研究

该文研究了一种基于Kalman滤波算法的组合式温度传感器。根据铂电阻和半导体热敏电阻在温度测量中的不同特性,设计了一种组合式温度传感器,并利用Kalman滤波算法进行综合数据处理。提出了基于Kalman滤波算法的组合式温度传感器模型,给出了静态测量和动态测量两种情况下的kalman滤波算法步骤,分析了Kalman滤波算法的参数设置。实验结果表明,该组合式温度传感器可有效提高测量结果的准确性和灵敏度。     

用于磁瓦图像的改进的自适应中值滤波算法

为消除磁瓦图像中的脉冲噪声,提出一种改进的自适应中值滤波算法:该算法通过对小窗口内非噪声点的检测来决定是增大滤波窗口还是选择输出,尽可能地减小了滤波窗口,使得图像细节得到更好地保护;同时该算法对位于窗口中心的疑似噪声点进行二次判别,避免了将信号点误判为噪声点;然后将噪声点按改进的中值滤波输出,而信号点灰度保持不变。仿真实验结果表明,该算法能够有效地滤除磁瓦图像中不同水平的脉冲噪声,并较好地保留原始图像细节信息,较标准中值滤波及其它改进中值滤波算法有更优的滤波性能。     

基于Kalman滤波的视觉预测目标跟踪及其应用

为了使得护理服务机器人实现一种平滑、柔顺的任务执行过程,建立了基于图像处理的视觉信息感知的几何模型,提出一种基于Kalman滤波预测估计的视觉信息感知方法,并据Kalman滤波理论建立了对包括机器人终端手抓等目标状态进行预测跟踪的模型,同时利用建立的模型在护理服务机器人系统中进行了试验研究,试验结果表明所提出的方法可以较好的对目标状态进行预测估计,通过“预测—校正”可以实现一种快速准确的视觉信息感知。该方法应用在护理服务机器人系统中可以减少视觉通道反馈信息的时间滞后问题,增强了人机对话和信息感知能力。     

基于限制自适应卡尔曼滤波器的连续旋转寻北算法研究

寻北仪作为方位测量装置,被广泛应用在军事和民用定向和控制领域。针对传统寻北仪方法存在的缺陷,提出了基于测量地球自转角速度分量的连续旋转调制动态寻北方案。通过动态误差建模、优化过程约束和动态噪声估计,设计了延时补偿和硬件修正方案及限制自适应卡尔曼滤波算法。经仿真及试验验证,该算法鲁棒性好,抗噪声能力强,寻北精确度高。     

一种基于噪声连接分量的自适应层次中值滤波算法

针对椒盐噪声污染图像的降噪,提出一种基于噪声连接分量的自适应层次中值滤波算法。首先根据椒盐噪声像素点的邻接关系和分布特点,对噪声定位图像实施标记处理;然后计算各连接分量集合中元素的个数,将噪声定位图像分层,得到层次噪声定位图像;最后按照由低层到高层的顺序,逐层对噪声污染图像进行标准中值滤波处理,而标准中值滤波的窗口大小则依据连接分量自适应地进行调整,最终得到滤波结果。将该算法与标准中值滤波、自适应中值滤波进行仿真实验,并与其他中值滤波算法就指标PSNR进行比较,均表明该算法降噪效果优良。     

自适应滤波在声学测波仪数据处理中的应用

在处理声学测波仪数据时,由于潮位的影响而使计算得到的波浪特征值不准确,基于此问题,本文介绍了自适应滤波及自适应噪声抵消的基本原理,并将这种方法引入到波浪数据处理中,通过大量的实验数据比较证明这种处理方法是可行的。     

自适应卡尔曼滤波器在火箭弹落点估计中的应用

利用雷达对火箭弹一段飞行过程中的参数进行量测,对火箭弹落点进行了准确估计,实现了火箭弹的轨迹修正。采用具有自适应调节滤波增益矩阵的卡尔曼滤波器,结合质点弹道模型,建立了自适应卡尔曼滤波弹道模型,完成了对三坐标雷达探测的一段火箭弹飞行参数的野值处理与滤波,并对火箭弹落点进行外推。数值仿真结果表明,经自适应调节的卡尔曼滤波器滤波后,弹道量测信号中的野值与噪声被有效去除,且滤波方差可以在短时间内收敛。根据滤波时间与落点估计误差的关系,采用滤波时间为8-10 s 方案,可得到最佳的落点估计。     

基于有载品质因数的低抖动时钟电路研究

抖动作为衡量时钟信号质量的重要指标,对电子系统的性能具有重要意义。数据采集系统要获得良好的信噪比,就必须要有高性能低抖动的时钟信号。本文应用相位噪声与抖动的关系,同时结合相位噪声Leeson模型,研究了时钟信号发生电路的抖动及相位噪声特性,分析了电路有载品质因数QL对抖动的影响,并给出了电路主要器件与抖动关系的显性表达式。以一种100 MHz低抖动时钟信号发生电路为例,进行了理论分析、仿真和实验验证,并将其应用到2.5 GHz采样时钟信号发生电路中进行了对比测试。结果表明,提高电路的有载品质因素QL可以明显改善其抖动及相位噪声特性。     

基于UKF的轴承剩余寿命预测方法研究

针对轴承从早期故障发生到失效的非线性退化问题,提出一种基于无迹卡尔曼滤波算法(UKF)的轴承剩余寿命预测方法。该方法包括轴承性能评估和剩余寿命预测两个部分。在性能评估部分,首先利用轴承振动信号建立反映其健康状态的指数,基于对正常工作时指数的学习获得用于判断轴承健康状态的异常阈值并截取出轴承从早期故障发生到失效这一性能退化阶段的数据;在剩余寿命预测部分,利用双指数函数拟合分析轴承退化数据,构建出与轴承退化过程相符的非线性状态空间模型,模型参数利用Dempster-Shafer方法进行初始化后采用UKF算法对其进行更新,并预测轴承的剩余寿命。基于轴承全寿命周期试验数据的分析,结果显示所提方法有效地评估了轴承的健康状况,通过对比分析其他剩余寿命预测方法,发现所提方法较好地预测了轴承的剩余寿命。     

LED chip accurate positioning control based on visual servo using dual rate adaptive fading Kalman filter

In this paper, to improve the positioning accuracy of LED chip, a dual rate adaptive fading Kalman filter algorithm with delay compensation is proposed and applied to the LED chip visual servo positioning system. Firstly, a structure of dual rate Kalman filter is introduced to the visual servo control system, which compensate the visual information delay and realize the accurate time sequential coordination of encoder and visual feedback. Then, considering the inaccuracy of system mathematical model, the adaptive forgetting factor is added to the iterative process of above algorithm, and the impact of accumulated model error on system stability is consequently mitigated. Finally, the experimental results show that the proposed method obviously decreases the positioning errors of LED chip and is robust to inaccuracy and uncertainty of system model parameters.