分数极点系统中非高斯稳定噪声的逆滤波方法

!-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。!稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。针对分数极点系统中存在的独立S!S噪声,论文提出一种分数极点系统中稳定分布噪声的逆滤波方法,并分析了算法的长记忆、最小相位、收敛特性。计算机模拟实验结果表明,这种算法是一种在S!S分布噪声条件下具有良好韧性的逆滤波方法。     

基于自然梯度的噪声自适应变分贝叶斯滤波算法

考虑到运动目标跟踪系统机动、隐身等人为对抗特征以及非视距、干扰、遮挡等环境因素, 其系统建模、估计与辨识过程中越来越无法回避非线性、非高斯以及参数未知等复杂系统特征的影响. 针对过程噪声先验信息不准确以及量测噪声非高斯环境下运动目标的非线性状态估计问题, 提出一种基于自然梯度的噪声自适应变分贝叶斯(Variational Bayes, VB)滤波算法. 首先, 利用指数族分布具有统一表达形式的优势, 构建参数化逆威沙特(Inverse-Wishart, IW)分布作为状态一步预测误差协方差的共轭先验分布, 同时选取学生t分布重构因量测随机缺失导致的具有非高斯特点的似然函数; 其次, 在变分贝叶斯优化框架下采用平均场理论将状态变量联合后验分布近似分解为独立的变分分布, 在此基础上, 结合坐标上升方法更新各变量的变分分布参数; 进而, 结合 Fisher 信息矩阵推导置信下界最大化关于状态估计及其估计误差协方差的自然梯度, 使非线性状态后验分布的近似分布沿梯度下降, 以实现对状态后验概率密度函数(Probability density function, PDF)的“紧密”逼近. 理论分析和仿真实验表明: 相对传统的非线性滤波方法, 本文算法对噪声不确定问题具有较好的自适应能力, 并且能够获得较高的状态估计精度.     

卡尔曼滤波系统和量测噪声自适应估计的关联性

卡尔曼滤波是惯导系统(INS)/GPS组合导航的主要算法之一,Sage-Husa算法是在卡尔曼滤波基础上,为减少系统噪声和量测噪声的不确定性对误差估计的影响而采用的自适应估计方法.对Sage-Husa算法提出了4条改进措施;并通过在3种数据扰动情形下的仿真计算发现,只对一类噪声做自适应估计更容易产生较大的偏差,对系统噪声和量测噪声两类噪声同时做自适应估计,其效果要优于只对一类噪声做自适应估计,把此现象定义为卡尔曼滤波的系统和量测噪声自适应估计的关联性.这个结果不同于一些文献的观点.此项研究对自适应卡尔曼滤波在INS/GPS组合导航的工程化应用有较高的实用价值.     

基于子空间的Kalman滤波盲自适应多用户检测器

本文提出一种基于子空间估计和Kalman滤波相结合的盲自适应多用户检测器。文中使用期望用户的特征波形,可以将盲多用户检测器表示成信号子空间中的一个固定信号与另一个自适应部分之和,其自适应部分的系数可通过Kalman滤波算法进行估计。实验仿真表明,在加性高斯白噪声信道中,基于子空间的Kalman滤波算法较全秩算法具有更低的计算复杂度和更优的收敛性能。     

自适应高阶无迹增量卡尔曼滤波算法

在工程实际中,由于环境因素的影响、测量设备的不稳定性、模型和参数的选取不当等往往会对量测方程带来未知的系统误差.针对这一问题,提出了一种自适应高阶无迹增量卡尔曼滤波算法.首先,利用增量建模技术建立增量量测方程.其次,将其与高阶无迹卡尔曼滤波器相结合,并引入自适应加权因子对滤波发散进行抑制,发展出一种自适应增量滤波算法.计算机仿真实验表明,新算法能够成功消除这种未知的系统误差,提高估计精度和稳定性,具备良好的应用前景.     

非线性系统的自适应推广的kalman滤波

本文提出了未知噪声统计的非线性系统中新的自适应推广的Kalman滤波算法.作者提出了用虚拟时变噪声统计[1,2],补偿线性化模型误差的新思想.在本文中,作者指出了文献[3]中,用Sage和Husa的常值噪声统计估值器来估计虚拟噪声是不合理的.另外,即使原非线性系统的噪声统计是零均值,但线性化的模型的噪声统计一般是非零均值的.两个数值模拟例子说明了本文方法的有效性.     

基于并列卡尔曼滤波的贝叶斯盲均衡算法实现

研究了基于并列卡尔曼滤波的贝叶斯盲均衡算法的实现方法.针对目前的实现方法中并列滤波器数量众多,实现较为复杂的状况,提出了两种减少并列滤波器改进措施--信道对称初始化和基于同相关状态的信道更新处理.它们主要根据传输向量状态的对称性和相关性将它们分成一组,每组仅采用一个滤波器来实现,使并列滤波器数最减少为原来的 1/2 M(M 为信号的调制阶数).经实验证明改进的实现方法不但大大降低了实现复杂度,而且和通常的实现方法具有相同的误码性能.     

基于Kalman滤波的白噪声估计理论

应用Kalman滤波方法,首次提出了一种统一的和通用的白噪声估计理论.它可统一处理线性离散时变和定常随机系统的输入白噪声和观测白噪声的滤波、平滑和预报问题.提出了最优和稳态白噪声估值器,且提出了白噪声新息滤波器和Wiener滤波器.它们可应用于石油勘探地震数据处理,且为解决状态和信号估计问题提供一种新工具.两个仿真例子说明了其有效性.     

闪烁噪声下的自适应无迹卡尔曼算法

针对非高斯噪声环境下过程噪声统计特性未知时机动目标跟踪精度不高甚至发散的问题,提出了一种应用EM算法和无迹卡尔曼滤波(Unscented Kalman filter,UKF)相结合的方法。该方法借助EM算法估计出较准确的过程噪声参数,再使用无迹卡尔曼滤波算法获得高精度的目标运动状态。仿真实验结果表明,该方法可以有效抑制滤波发散并显著提高跟踪精度。     

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.     

基于信息补偿的自适应联邦滤波算法

针对采用标准卡尔曼滤波器必须知道系统噪声统计特性的局限性,研究了一类系统噪声未知情况下的自适应联邦滤波方法,指出了自适应滤波方法应用于联邦结构时应当注意的问题,提出了一种基于信息补偿的自适应联邦滤波算法。SINS／BDS／GPS组合导航系统的仿真结果表明,该方法可以有效抑制系统噪声未知情况下的滤波发散现象,提高了滤波的稳定性和估计性能。     

Kalman Filtering for Delayed Singular Systems with Multiplicative Noise

Kalman filtering problem for singular systems is dealt with, where the measurements consist of instantaneous measurements and delayed ones, and the plant includes multiplicative noise. By utilizing standard singular value decomposition, the restricted equivalent delayed system is presented, and the Kalman filters for the restricted equivalent system are given by using the well-known re-organization of innovation analysis lemma. The optimal Kalman filter for the original system is given based on the above Kalman filter by recursive Riccati equations, and a numerical example is presented to show the validity and efficiency of the proposed approach, where the comparison between the filter and predictor is also given.      

多模噪声环境下的自适应滤波算法

在分析现有基于不同误差准则的最小四次均方算法和最小平均绝对偏差算法的基础上,提出一种可抑制多模噪声的归一化混合范数滤波算法。采用引入混合参数的代价函数调节混合参数得到最佳的滤波算法。建立步长参数随输入信噪比变化的非线性函数关系。仿真结果表明,相对于高斯环境下的滤波,该算法在多模噪声环境下的鲁棒性得到显著提高,能有效地提取信号。     

一种改进的自适应混合噪声滤波算法

对受到混合噪声影响的图像进行滤波,Lee和Kassam提出了一种MTM(Modified Trimmed Mean)滤波算法.但是MTM滤波算法的滤噪能力在很大程度上受到了阈值的限制,所以滤波效果并不理想.在分析了MTM算法的结构特点及其优缺点的基础上,提出了一种改进的自适应混合噪声滤波算法.该算法与MTM算法相比,滤噪能力不受到阈值的限制,并且对不同的噪声采用不同的滤波方法.通过matlab仿真,分析比较了该算法与其它滤波算法的性能.结果表明,与MTM滤波算法相比,该算法能够更有效地抑制噪声,保护图像边缘细节.     

基于自适应神经网络滤波的噪声消除

设计的自适应神经网络噪声抵消系统不需要关于输入信号的先验知识,非线性映射能力强,具有自学习能力、计算量小、实时性好。利用该系统对含噪声的非线性信号建模,达到消除噪声的目的。通过LMS算法,对不同信噪比(SNR)的含噪信号进行滤波。仿真结果表明,该滤波器能有效地抑制噪声。     

Nonlinear Bayesian Estimation: From Kalman Filtering to a Broader Horizon

This article presents an up-to-date tutorial review of nonlinear Bayesian estimation. State estimation for nonlinear systems has been a challenge encountered in a wide range of engineering fields, attracting decades of research effort. To date, one of the most promising and popular approaches is to view and address the problem from a Bayesian probabilistic perspective, which enables estimation of the unknown state variables by tracking their probabilistic distribution or statistics (e.g., mean and covariance) conditioned on a system's measurement data. This article offers a systematic introduction to the Bayesian state estimation framework and reviews various Kalman filtering (KF) techniques, progressively from the standard KF for linear systems to extended KF, unscented KF and ensemble KF for nonlinear systems. It also overviews other prominent or emerging Bayesian estimation methods including Gaussian filtering, Gaussian-sum filtering, particle filtering and moving horizon estimation and extends the discussion of state estimation to more complicated problems such as simultaneous state and parameter/input estimation.      

野值存在下的BP网络自适应卡尔曼滤波

野值的存在会严重影响滤波器的稳定性和滤波精度,甚至会引起滤波器发散。定量分析了野值对卡尔曼滤波器的影响,提出了一种抗野值的BP网络自适应卡尔曼滤波算法。通过BP网络对新息序列估计方差的变化率进行实时监测和计算,输出一组加权系数对模型中系统噪声和量测噪声作＂在线＂修正,从而有效地抑制了连续野值对滤波器的影响。经仿真证明算法提高了滤波器的精度和稳定性,同时对单个离散野值也有较好的滤波效果。     

速度自适应约束卡尔曼滤波方法

为解决动态目标定位过程中使用传统卡尔曼滤波算法不能利用先验信息提高定位精度、而使用速度约束卡尔曼滤波算法易发散等问题,论文提出一种基于速度先验信息自适应约束卡尔曼滤波方法。该方法以速度观测值和定速误差统计特性建立变异系数,实时判断速度观测值是否满足约束滤波的要求,从而自适应地在速度约束滤波和传统卡尔曼滤波间选择。实验结果表明,与传统卡尔曼滤波和速度约束滤波相比,本文算法的定位精度提高了cm级至m级,既克服了速度约束卡尔曼滤波易受定速误差影响的缺点,也能利用合理的速度观测值来提高定位精度。     

CCD扫描噪声建模及自适应滤波算法

为去除图像因扫描引入的电荷耦合器件(CCD)噪声,提出一种基于变窗口的自适应滤波算法。分析CCD主要噪声：散粒,固有和输出噪声的噪声特性,建立CCD扫描噪声模型,根据噪声和边缘处理方式的不同设计了局部和全局自适应滤波器。实验结果表明,该算法具有较好的信噪分离能力,在充分抑制噪声的同时,很好地保持了边缘,提高对比度,视觉效果良好。     

基于自适应噪声滤波的视频对象分割算法

介绍了基本的视频运动对象分割算法,针对变化区域检测算法中固定阈值滤噪的不足,提出了自适应噪声滤波的方法,同时利用计算机图形学中的扫描线填充思想得到变化区域的具体位置,实现视频对象的分割.实验证明了算法的有效性.