一种改进的小波包变换多尺度滤波

提出一种基于小波包变换的多尺度传感器数据融合算法,并针对方法中存在的小波分解的尺度系数的幅值随分解层数增大而增大现象对滤波器作修改,改进后的算法既明显提高滤波性能,又能保持原算法的优点。     

1/f分形噪声的一种多尺度Kalman滤波方法

针对淹没在1／f分形噪声中的有用信号恢复问题,提出了一种基于小波变换与Kalman滤波的多尺度滤波算法。首先将带有1／f分形噪声的信号分解成多尺度的子带信号,通过小波变换对1／f分形噪声的白化作用,消除了1／f分形噪声的自相似性和长程相关性。然后在小波域内,利用Kalman滤波实现了噪声和有用信号的分离,估计出了各子带中的有用信号。最后进行小波重构,较好地恢复出淹没在1／f分形噪声中的有用信号。仿真实验表明,使用多尺度Kalman滤波器能有效地抑制分形噪声,显著地提高了信噪比。     

基于小波-边缘保持Kalman滤波抑制散斑噪声算法

提出了一种新的用于噪声抑制的基于边缘保持Kalman滤波和小波变换相结合的算法。此算法对原始图像进行小波变换,然后在各个尺度上将与边缘大小和位置有关的信息从噪声图像中提取出来并将这些信息作为Kalman滤波器的控制输入。仿真结果表明:该算法能够有效的去除噪声,又保留有用信号及边缘信息。通过比较证明其优于小波阈值算法和自适应Kalman滤波算法。     

基于多尺度特征提取的Kalman滤波跟踪

针对波动性较大目标跟踪,传统Kalman滤波算法鲁棒性和实时性不足,提出一种基于多尺度特征提取的Kalman跟踪算法.前帧目标区域特征点匹配出后续帧目标区域特征点,并以后者特征点为中心,建立搜索区域,避免了遍历整幅后续帧图像,快速地为Kalman滤波方程状态后验值提供了稳定的观测信号和观测残差.实验证明,这种作为约束条...     

多传感器单模型动态系统多尺度数据融合

利用多尺度分析的思想,将基于模型的动态系统分析方法与基于统计特性的多尺度信号变换方法相结合,建立起目标状态基于多源观测信息的多尺度数据融合估计新算法,在每个尺度上获得目标状态基于全体细尺度上传感器测量信息的融合估计值,此算法可有效地应用于拥有不同采样速率的多传感器动态系统的数据融合估计.     

一种基于多尺度小波变换的自适应滤波新算法

将多尺度小波变换的理论引入到LMS自适应滤波器的设计中,分析了基于多尺度正交小波变换的自适应滤波算法的原理;将变步长LMS算法与多尺度小波变换的思想结合,提出了一种新的小波自适应滤波算法(MSWT-MVSS-LMS),新算法既减少了输入向量自相关矩阵条件数,又克服了固定步长LMS算法在收敛速度与收敛精度方面与步长因子μ的矛盾,获得了更好的收敛速度和稳定性.仿真结果表明新算法是有效的和优越的.     

单传感器单模型动态系统多尺度分解与估计新算法

本文将基于模型的动态系统分析方法与具有统计特性的多尺度信号变换方法相结合,基于某一尺度上给定的单传感器单模型动态系统,建立起一个新的多尺度动态模型。基于建立的多尺度模型和标准Kalman滤波,提出一个能同时对随机信号进行多尺度分解与多尺度估计的新算法。获得比仅在原始尺度上进行Kalman滤波好的处理效果,应用Monte Carlo仿真验证了算法的有效性。     

基于小波变换的多尺度图像边缘处理

对小波变换后的图像边缘信号关于多尺度边缘检测、提取和重建方面进行了讨论,以利于进一步对图像进行有效的编码、识别和增强等处理;同时也讨论了将小波变换与多尺度边缘检测方法有机结合起来的一些实用技巧。     

多分辨率传感器多尺度融合估计算法

该文在基于信号统计特性的离散小波变换理论(DWT)和基于状态转移模型的动态多尺度系统理论(DMS)的基础上,提出了一种多分辨率传感器的多尺度状态融合估计新算法。该方法利用离散小波变换,首先对不同分辨率传感器Kalman滤波模型的状态方程和观测方程分别进行多尺度处理,构建统一的多尺度Kalman滤波模型,然后将不同分辨率传感器在同一尺度上获得的观测向量融合滤波,获得了优于已有多尺度状态融合估计方法的处理效果。并利用Monte Carlo仿真验证了该算法的有效性。     

基于二进小波变换自适应Kalman滤波反褶积

本文提出了基于二进小波变换自适应Kalman滤波反褶积(AKFD)新方法.它抛弃了传统预测反褶积对信号平稳性的假设,克服了提高分辨率反而明显降低信噪比的矛盾,其较好地压缩反射波形,但噪声并没有明显提高,所以具有很好的抗噪性能.在小波域进行的AKFD压制假反射比在时间域AKFD好,此外,该方法具有对信号分频进行AKFD的特性,增强了Kalman滤波的自适应性,所以在小波域下的分辨率明显比在时域内高.同时,该方法克服了在时域内进行的AKFD抬升低频成份的缺陷.经大量的模型及实际资料处理表明该方法具有明显的效果.     

基于小波变换的分形随机信号的卡尔曼滤波

本文基于多尺度卡尔曼滤波方法来估计淹没在加性高斯白噪声中的分形布朗运动.针对每一尺度,给出了相应的动态系统参数和运动模型方程以及更精确的估计算法.并与多尺度维纳滤波进行了对比,计算机仿真结果证明了其优越性.     

雷达杂波自适应抑制技术

从杂波特性入手,讨论了对运动杂波进行自适应抑制的必要性。理论分析了杂波自适应抑制技术,并进行了仿真验证。针对工程实际中多普勒频率估计不够精确的情况,提出在杂波多普勒频率粗估计的基础上采用多个自适应滤波器,根据输出功率比较确定最佳杂波抑制滤波器,大大提高了系统性能,并且不需要很大的设备量。     

一种基于高斯模型的自适应地物杂波滤波算法

在天气雷达信号处理中地物杂波滤除非常重要,地物杂波会造成有强烈回波的假象,对预报造成干扰.提出了一种基于高斯模型的自适应频域地物杂波滤波算法,并以天津站实际的雷达回波信号为例,对2种滤波器的效果进行了分析和比较.仿真结果表明,频域滤波算法能有效消除地物杂波和超折射,最大限度地保留了天气信号.     

Video object tracking using adaptive Kalman filter

In this paper, a new video moving object tracking method is proposed. In initialization, a moving object selected by the user is segmented and the dominant color is extracted from the segmented target. In tracking step, a motion model is constructed to set the system model of adaptive Kalman filter firstly. Then, the dominant color of the moving object in HSI color space will be used as feature to detect the moving object in the consecutive video frames. The detected result is fed back as the measurement of adaptive Kalman filter and the estimate parameters of adaptive Kalman filter are adjusted by occlusion ratio adaptively. The proposed method has the robust ability to track the moving object in the consecutive frames under some kinds of real-world complex situations such as the moving object disappearing totally or partially due to occlusion by other ones, fast moving object, changing lighting, changing the direction and orientation of the moving object, and changing the velocity of moving object suddenly. The proposed method is an efficient video object tracking algorithm.     

基于扩展卡尔曼滤波的低压配电网漏电流监测

针对传统低压配电网漏电流监测方法中存在的监测误差较大且监测耗时较长等问题,提出基于扩展卡尔曼滤波的低压配电网漏电流监测方法.采用小波变换方法提取漏电流低频信息,将小波变换离散化处理,降低提取特征的冗余程度,完成低压配电网漏电流高频特征提取;采用一阶泰勒展开式扩展卡尔曼滤波技术,将其转变为线性空间方程,引入前馈控制概念,...     

基于FPGA实现的自适应卡尔曼滤波器的设计

在视频图像获取过程中,由于噪声对图像序列的降质,需要设计实时噪声滤波器。讨论了视频图像的卡尔曼滤波问题及自适应卡尔曼滤波算法,并讨论了自适应卡尔曼滤波算法的简化,以利于硬件实现自适应卡尔曼滤波器,并进行了简化算法仿真,完成基于FPGA实现的实时自适应卡尔曼滤波器的设计。     

红外序列图像目标跟踪的自适应Kalman滤波方法

提出了一种用于动态序列图像目标跟踪的自适应Kalman滤波方法。该方法用函数估计的思想估计目标的当前运动模型,同时实时修改滤波器的统计模型,并将最小二乘支持向量机应用于对当前目标运动模型的估计。实验表明,此种改进的Kalman滤波器的算法在跟踪机动目标时具有良好的性能。     

基于小波-卡尔曼的语音增强方法研究

提出了一种基于小波变换和卡尔曼滤波相结合的语音增强方法,这样既保留了小波变换对自相似过程的去相关作用和多分辨分析的功能,同时又保持了卡尔曼滤波器对未知信号的线性无偏最小方差估计的特点,可以有效地减小非平稳噪声;并引入基于声学模型的感知滤波器,以提高语音信号的可懂度。实验证明该方法对于低信噪比的有色噪声干扰条件下的语音信号的增强效果要优于一般的语音增强系统。