频谱测量中分辨力带宽和视频滤波带宽的选择

本文介绍了分辨力带宽和视频滤波带宽的功能 ,影响分辨力带宽的因素 ,以及怎样合理设置分辨力带宽和视频滤波带宽以达到最好的测量效果。     

自适应光学系统时间带宽和空间带宽的匹配

自适应光学系统存在的时间带宽和空间带宽。为了有效地利用自适应光学系统的系统资源，必须使这两种带宽匹配。本文通过经系统校正后的剩余波前扰动相位的均方差与系统时间带宽和空间带宽的关系，研究了在不同条件下系统时间带宽和空间带宽的匹配问题。     

基于循环神经网络的自适应滤波方法及应用研究

针对目前地震工程研究领域在滤波方法上存在人为因素、峰值突刺、噪声干扰等方面的缺陷,结合递归最小二乘法(RLS)和循环神经网络(RNN)模型,提出了一种自适应滤波的新方法。研究分析表明,该方法通过设置自适应调节滤波器参数以及算法的自我迭代等方式进行滤波,对噪声识别能力和滤波速度上均优于美国地质调查局(United States Geological Survey, USGS)所推荐的传统滤波方法,并可有效降低滤波后对原始波形的失真损坏以及相位提前等问题。同时,运用所提自适应滤波方法将其应用于不同场地类型台站的含速度脉冲近场地震记录,进一步验证了自适应滤波方法的有效性和适用性。研究成果为地震工程领域的滤波分析提出了一种新思路和新方法,也可为地震记录处理及相关应用工作提供参考。     

带有带宽感知的自适应转发节点集合建立机制

研究了多点中继(MPR)集合建立机制对移动自组织网络(MANET)性能的影响,提出了一种基于可用带宽感知的集合建立方法,其特点是节点在MPR集合计算过程中自适应地为两跳邻居选择可用带宽较大的中继节点,降低节点拥塞程度,而算法的复杂度与原有算法的复杂度相同.仿真结果表明,虽然MPR集合平均元素数量和广播数据包数量略有增加,但是通过文中提出的转发节点集合建立方法,网络中的分组投递率以及端到端延迟性能得到了明显改善,此外该机制还能够根据网络当前状态实时调整,更加适应状态时变的网络特性.     

基于自适应滤波的相位起伏控制方法

为改进时间统一系统鉴相的稳定性,提出一种基于自适应滤波的相位起伏控制方法.采用WidrowHoff最小均方算法设定后验滤波阈值,得到同步于GPS标准信号的频率.通过理论分析和仿真实验对时统系统输出信号的相位稳定性进行了验证.     

基于自适应滤波的薄层厚度超声测量方法

针对应用超声脉冲回波法测量三层结构中的硅橡胶薄层厚度时回波混叠的问题,提出一种基于RLS(recursive least square)自适应滤波的解决方法。该方法将硅橡胶层下界面回波发生混叠的信号作为输入信号,将无硅橡层时的回波信号作为期望信号,通过RLS自适应滤波算法的处理提取出相互分离的有效下界面回波信号,实现硅橡胶薄层的测厚。研究不同滤波器阶数和遗忘因子对信号分离及测厚精度的影响,以输出信号的信噪比为指标选择最优的滤波参数。结果表明:该方法能够有效分离出发生混叠的硅橡胶薄层界下界面回波,能够测量0.15,0.17,0.19,0.21 mm 4种厚度的硅橡胶薄层,对回波部分混叠和完全混叠两种情况均有良好的适用性。     

自适应滤波技术综述

自适应滤波算法是基于二阶统计量的相关函数,该算法在自适应信号处理过程中有着广泛的应用。本文就当前国内外自适应滤波技术的发展进行了综述。     

基于自适应滤波的机械故障诊断方法研究

本文提出了一种基于自适应滤波的机械故障诊断方法。该方法适用于较复杂机械的故障诊断和一些相关图和周期图不是信号功率谱密度的可靠估计的场合，通过采用自适应滤波去除背景噪声，分离出泵阀的故障信号。该方法尤其适用于信噪比低的非平稳信号。此外，文中还讨论了该方法的优势和不足，实例分析表明该方法对于机械故障诊断是有效的。     

硅微陀螺信号的自适应UKF滤波处理

针对硅微陀螺零偏重复性差和漂移信号中非线性因素的存在,提出利用AR模型系数实时递推方法对漂移信号进行AR建模,并建立相应的状态方程和量测方程;基于方差膨胀原则的自适应无迹Kalman滤波(AUKF)方法对漂移信号进行处理,采用简化的AUKF滤波过程提高漂移信号滤波的实时性。静态信号和动态测试处理结果表明,简化的AUKF算法效果明显优于UKF滤波和Kalman滤波(KF),滤波后硅微陀螺零偏稳定性提高倍数分别是UKF和KF的3倍和2倍,动态信号滤波后误差减少倍数分别是UKF和KF的1.46和1.34,信号均值不变,但AUKF需要较多的信号处理时间。     

基于自适应滤波技术的混响抵消器

将两种自适应滤波技术(最小均方自适应滤波,最小二乘格型自适应滤波)应用于混响抵消器,并利用实际的混响数据比较了两者之间的性能.     

自适应互补滤波水下高度测量技术

针对传统利用GPS、温度、声呐、压力等手段,对水下高度测量容易受洋流、太阳辐射、季节变化等海洋环境干扰因素的影响而导致测量局限性、精度低的问题,设计一种基于自适应互补滤波的水下高度测量系统。该系统以IMU为信息采集单元,搭建以FPGA+DSP为架构的信息处理解算平台,结合自适应补偿系数的互补滤波算法,在低通滤波环节加入PI控制器,依据加速度计测得的姿态数据判断水下弹体的运动情况,实时调整PI参数,实现水下系统的高度测量。试验结果表明:该水下高度测量系统操作方便、独立性实时性好、测量精度高,具有一定的工程应用价值。     

A measurement method based on Kalman filtering for ultrasonic time-of-flight estimation

A new digital signal-processing method for ultrasonic time-of-flight (TOF) estimation is presented. The method applies the discrete extended Kalman filter (DEKF) to the acquired ultrasonic signal in order to accurately estimate the shape factors of the echo envelope as well as locate its onset. It is also possible to assure reduced bias and uncertainty in critical TOF measurements, such as those involving low signal-to-noise ratio (SNR) as well as severe distortion of echo shape. A number of numerical tests are conducted on simulated signals with the aim of highlighting the good performance of the method when operating in critical conditions. Results attained in TOF-based distance measurements finally assess the reliability and efficacy of the method in the presence of actual ultrasonic signals.     

一种新的变步长LMS自适应滤波算法

通过建立步长因子μ与误差信号e之间的非线性关系，提出一种新的基于抽样函数的变步长LMS算法，并进行了计算机仿真．结果表明，该算法除了具有传统LMS算法计算量小、稳定性较好、简单易于实时处理等优点外，其收敛速度、稳定性以及跟踪速度均优于传统固定步长LMS算法抽样函数、SVSI—MS算法。     

基于自适应BM3D的侧扫声纳图像散斑降噪

侧扫声纳(SSS)是一种利用声波的水下传播特性完成水下探测的电子设备。因为侧扫声纳利用回波强度成像,所以不可避免地引入散斑噪声。本文针对散斑噪声,提出了基于自适应三维块匹配滤波(BM3D)的侧扫声纳图像散斑降噪方法。该算法首先对SSS图像进行幂变换和对数变换,采用小波变换估计整体图像噪声,同时用局部噪声估计结果更新BM3D算法的参数。然后本文算法比较全局估计和局部估计的结果,选择最合适的参数解决噪声分布不均匀的问题。实验结果表明,本文改进的BM3D算法能有效地降低SSS图像中的散斑噪声,获得良好的视觉效果。本文算法的等效视数至少提高了6.83%,散斑抑制指数低于传统方法,散斑抑制和平均保存指数至少减少了3.30%。该方法主要用于声纳图像降噪,对于超声、雷达或OCT图像等受散斑噪声污染的信号也有一定的实用价值。     

Phase measurement of distorted periodic signals based onnonsynchronous digital filtering

Measurement of the phase angle between fundamental components of distorted periodic signals at power frequencies is described. It is based on a nonsynchronous multirate digital filtering algorithm, which is applied to the voltage and/or current signals to be measured. The digital filters implemented are designed to suppress the higher harmonics and ensure the accuracy of measurement. The measurement method is insensitive to frequency variations in a wide frequency band around the nominal frequency. For a frequency band of ±10% around the nominal frequency, this method can resolve phase differences of less than 5 μrad with an uncertainty of less than ±25 μrad     

基于模糊自适应Kalman滤波的机械手动态图像雅可比矩阵辨识

提出了一种改进的基于模糊自适应Kalman滤波的动态图像雅可比矩阵辨识方法.该方法在机器人参数和滤波参数未知而且视觉成像模型动态变化的情况下,通过模糊逻辑自适应控制器在线监测滤波残差均值和残差协方差误差,对过程噪声参数Q和量测噪声参数R进行自适应调节,实现了未知环境下动态图像雅可比矩阵的稳定辨识.通过微装配机械手运动实验验证了该方法的有效性.     

An adaptive strong tracking UKF filtering algorithm based on fuzzy logical system for position estimation

提出了一种用于GPS位置估计的模糊自适应强跟踪UKF(FAST-UKF)滤波算法.该算法采用强跟踪的自适应算法用以解决传统UKF算法容易受初始值和模型误差影响的问题;同时采用模糊逻辑系统解决强跟踪算法的参数估计问题,通过模糊逻辑系统实时监测滤波器的工作状况,实时对强跟踪算法的参数进行估计和调整,确保滤波器正常工作.仿真定位结果表明,模糊自适应强跟踪UKF算法相比UKF算法、传统的自适应UKF算法和强跟踪UKF算法更能够及时地适应载体运动规律变化,同时定位性能也有所提高.     

Statistical-uncertainty-based adaptive filtering of lidar signals

An adaptive filter signal processing technique is developed to overcome the problem of Raman lidar water-vapor mixing ratio (the ratio of the water-vapor density to the dry-air density) with a highly variable statistical uncertainty that increases with decreasing photomultiplier-tube signal strength and masks the true desired water-vapor structure. The technique, applied to horizontal scans, assumes only statistical horizontal homogeneity. The result is a variable spatial resolution water-vapor signal with a constant variance out to a range limit set by a specified signal-to-noise ratio. The technique was applied to Raman water-vapor lidar data obtained at a coastal pier site together with in situ instruments located 320 m from the lidar. The micrometeorological humidity data were used to calibrate the ratio of the lidar gains of the H(2)O and the N(2) photomultiplier tubes and set the water-vapor mixing ratio variance for the adaptive filter. For the coastal experiment the effective limit of the lidar range was found to be approximately 200 m for a maximum noise-to-signal variance ratio of 0.1 with the implemented data-reduction procedure. The technique can be adapted to off-horizontal scans with a small reduction in the constraints and is also applicable to other remote-sensing devices that exhibit the same inherent range-dependent signal-to-noise ratio problem.