一种扩展的自适应小波变换算法及应用

在Claypoole自适应小波变换基础上,提出了一种扩展的自适应小波变换方法。该方法将Sweldens构造小波的内插细分多项式,由奇次扩展到正整数次,从而扩大了自适应小波消失矩的选择范围。将自适应小波变换与扩展自适应小波变换应用于信号滤波,结果表明：扩展自适应小波变换,得到了理想的滤波效果,也为应用提供了更广泛的自适应小波选择。     

基于平移不变小波变换的图像滤波算法

为克服传统滤波法在去除高斯噪声时存在的不足,研究了一种基于平移不变小波变换的图像高斯噪声滤波算法,分析了小波分解函数、阈值系数及平移间距对滤波结果的影响。仿真试验表明,文中算法能够在去除噪声的同时较好的保持图像边缘,同时,峰值信噪比也较均值滤波法、小波软阈值和硬阈值等方法有所提高,是一种有效的高斯噪声图像滤波算法。     

小波域自适应滤波的红外弱小目标检测

针对红外弱小目标检测,在图像自适应阈值降噪的基础上,提出了一种小波域自适应滤波的检测算法.该方法利用图像小波分解后高低频分离的特点,采用基于Context模型的自适应滤波器对含有目标的高频系数进行处理,最后采用自适应门限进行二值化图像分割以检测出目标.实验结果表明,与Top - hat滤波相比,该方法能够更有效地检测出...     

基于小波包变换的多传感器跟踪算法

文中提出一种基于小波包变换的多传感器跟踪算法,与基于小波变换的跟踪滤波算法相比,文中的算法避免了高阶矩阵运算,有效地解决了数据过长的问题,简化了滤波过程,并且不需要考虑小波系数的噪声特性,有较好的滤波性能。     

SINS/北斗组合导航Kalman滤波仿真

在SINS/北斗组合导航中,比较松散组合与紧密组合两种方式.分别使用输出校正和反馈校正进行Kalman滤波,其中松散组合采用的是位置、速度组合,紧密组合采用的是伪距、伪距率组合,仿真结果表明采用反馈校正的紧密组合能在较长时间保持更高的导航精度.     

机载武器SINS/BDS组合导航自适应滤波算法研究

对适用于机载武器的组合导航算法展开研究,给出了SINS/BDS组合导航状态方程,推导了以伪距、伪距率作为观测量的观测方程。针对传统卡尔曼滤波算法在测量噪声不确定的情况下使用存在缺陷的问题,研究了新的噪声自适应调整滤波与残差故障检测算法。对新算法进行了软件设计,并开展了软件仿真与产品车载试验。试验结果表明,所设计的算法能有效增强系统鲁棒性、提高滤波算法精度,有效隔离故障卫星数据,能保证被测导航产品的高精度、稳定、可靠输出。     

Kalman与H∞滤波算法在GPS/惯性组合导航系统中的应用研究

针对Kalman滤波及H∞滤波的特点,分别将其应用于GPS/惯性组合导航系统中进行比较.采用位置-速度组合方式.分别在白噪声及有色噪声条件下进行滤波.通过仿真结果说明当系统模型及噪声的统计特性精确已知的情况下Kalman滤波算法可以得到较高的精度.然而当系统模型及噪声的统计特性发生变化时H∞滤波算法明显具有良好的鲁棒性,估计精度也较高,有效地克服了Kalman滤波器存在的局限性.     

小波包变换结合最小均方自适应滤波算法

考虑到小波包变换与最小均方(LMS)自适应滤波算法各自所独具的一些优点,将它们结合起来共同用于导弹引信的滤波抗干扰.通过 Matalab仿真结果表明,这种方法能够取得比较好的滤波效果.     

基于联邦Kalman滤波的INS/SAR/TRN组合导航系统

在分析惯性导航系统(INS)、合成孔径雷达(SAR)和地形匹配导航系统(TRN)各自特点的基础上,提出了INS/SAR/TRN组合导航系统的组合滤波方案,并建立了相应的组合导航系统数学模型。仿真结果表明,组合导航系统能大幅度提高导弹的导航精度,具有重要的实际意义。     

基于小波变换和形态学的目标图像增强算法

基于图像视觉信息的目标检测与识别一直是研究的重点和难点,针对复杂坏境的图像呈现出对比度低,强噪声干扰,灰度集中的特点,提出了一种基于小波变换理论和数学形态学的目标图像增强方法;首先对图像进行了小波变换,提取高频分量系数,其次利用阈值算法对图像进行降噪处理,最后对图像进行形态学交替滤波得到增强后的图像;实验表明:该检测算法对提高信噪比,增强目标有很好的效果,适合与目标检测与识别,算法在性能上优于传统的单一算法。     

基于迭代平方根UKF的SLAM算法

针对载体在大范围、多路标特征环境下,应用于SLAM的无迹卡尔曼滤波(unscented Kalman filter,UKF)所产生的Sigma点会逐渐偏离真实状态估计值的问题,提出了迭代测量更新的UKF-SLAM算法。当获得某一时刻观测值后,使用经过更新的状态估计值和协方差重新产生Sigma采样点,并进行UT变换,计算滤波参数。仿真结果表明,与平方根UKF-SLAM算法相比,能将载体状态估计误差在x轴和y轴分别降低约19%和21%,使载体状态估计值更接近真实值,并加快SLAM收敛速度。     

基于相关和卡尔曼滤波的组合跟踪算法

针对现有单一或组合跟踪算法对于复杂背景条件下高速红外目标跟踪稳定性较差的问题,提出了基于相关和卡尔曼滤波的组合跟踪算法。该算法改进了相关跟踪算法的模板设计,并将其计算的目标位置作为卡尔曼滤波观测量输入来修正和预测目标航迹。在多种复杂背景条件下的反复测试验证表明,该算法有较好的鲁棒性,实现了对目标的稳定跟踪,满足光电系统对高速红外目标跟踪稳定性的高要求。     

基于卡尔曼滤波的陀螺仪阵列技术研究

多个相同型号的陀螺仪测量轴相互平行,测量同一个角速度信号所组成的阵列叫做陀螺阵列。通过研究陀螺阵列提高惯性测量精度的信息处理算法,建立单个微机电（MEMS）陀螺仪的两种不同漂移模型,利用Allan方差对漂移系数进行辨识,将辨识出的随机漂移系数应用于卡尔曼滤波。通过卡尔曼滤波将陀螺阵列的信息融合为一个较高精度的输出,证明了卡尔曼滤波的稳定性。通过实验对比了不同建模方法的优劣,并且验证了基于卡尔曼滤波的信息融合方法可以有效提高MEMS陀螺仪的精度。     

基于小波变换的弹载图像压缩编码算法

针对弹载视频图像在战场中的应用背景，通过对SPIHT算法和LZC算法的研究，在LZC算法的基础上，改变小波系数扫描方式，提出基于小波变换的弹载图像压缩编码算法NLZC。实验结果表明：在相同的压缩比下，新算法性能更优，并且降低了内存的需求，有利于硬件实现。     

基于七维状态向量反向无迹卡尔曼滤波的弹道外推算法

针对弹道模型误差、参数估计误差以及外推距离过长导致定位精度低的问题,建立了基于七维状 态向量的反向无迹卡尔曼滤波外推算法。为精确建立状态模型,该算法将弹道系数作为状态参量,纳入滤波过程。采用无迹卡尔曼滤波算法,以提高非线性估计精度。此外,由于正向滤波外推距离长,模型误差积累大,该算法采用反向滤波处理,将雷达测得的首点作为滤波终点,通过4阶龙格-库塔方程外推炮位。仿真结果表明,该算法定位精度相较原算法提高约50%.     

基于小波变换的灰度图像水印算法研究

针对目前水印信息表达的含义不是很丰富的缺点,提出一种把灰度图像作为水印的算法。先进行水印预处理一灰度水印在位平面分解,之后再分别嵌入在二维小波变换图像的各个频率系数中。实验结果表明,该水印算法除具有较丰富的信息外,而且水印安全性高、不可见性好,鲁棒性较强。     

基于无味卡尔曼滤波的多平台多传感器配准算法

提出了一种有效的多传感器偏差估计算法。在该算法中．首先给出了多传感器的数据空间配准几何坐标转换算法,然后将目标的运动模型和传感器的偏差组合在同一个状态方程中．目标的状态和传感器的偏差由选定的采样点来近似．在每个更新过程中,采样点随着状态方程的传播并随着非线性方程变化．得到目标的运动状态和传感器偏差的均值．避免了对非线性方程的线性化．具有较高的计算精度。仿真结果表明：该方法能同时有效地估计目标的运动状态和传感器的偏差。     

基于自适应卡尔曼滤波器的神经网络算法

针对传统神经网络算法速度慢,容易陷入局部极值的缺点,提出将自适应卡尔曼滤波应用于人工神经网络的训练算法中.把前馈网络中的所有权值、阈值作为自适应卡尔曼滤波算法的状态,网络输出为算法的观测.仿真结果表明, 该算法比BP算法在收敛速度方面有明显提高.     

SINS/GPS 组合导航卡尔曼滤波算法研究

针对单独使用某一种的导航设备都无法满足机载火控系统和飞行系统要求的问题,推导出 SINS/GPS 组合导航中的一种新的卡尔曼滤波算法.将有色噪声的白化处理引入到卡尔曼滤波器,设计了一套动态车载组合导航试验系统,给出了基于有色噪声白化的卡尔曼滤波器算法的具体步骤,以动态车载 SINS/GPS 组合导航系统试验的数据分析验证了此算法的正确性和合理性.分析结果表明:基于有色噪声白化的卡尔曼滤波器可以很好地解决有色噪声的影响,弥补了传统卡尔曼滤波器的不足,提高了导航结果的精确度.