基于梯度变步长LMS的电子天平抗震设计

以应变式电子天平为研究对象,在分析电子天平震动信号的频谱特性及其对天平计量性能影响的基础上,提出一种基于梯度变步长最小均方(LMS)自适应滤波器的电子天平抗震动设计方法。依据天平称量数据的震动影响来源和特点,通过与切比雪夫低通滤波、椭圆低通滤波、巴特沃斯低通滤波及滑动平均滤波等常用抗震动滤波方法进行仿真实验对比,证明梯度变步长LMS自适应滤波算法的有效性与优越性,该方法在实际天平中得到应用。实验表明,采用本方法研制的200 g/0.001 g应变片电子天平可以在普通木质实验台上准确称重,最大称重误差≤0.001 5%,且不受榔头敲击实验台等冲击性震动的影响。     

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。     

基于自校正Kalman滤波的液膜密封端面摩擦状态监测技术

声发射技术是液膜密封端面摩擦状态的有效检测方法,但是受工业背景噪声的影响,难以分离出声发射信号中所需信息。针对此问题,采用基于ARMA模型的自校正Kalman滤波技术处理声发射信号。该滤波器能在系统模型参数和噪声特性未知的情况下,收敛于稳态最优卡尔曼滤波器,因此滤波后的声发射信号的所需特征信号更突出,有利于液膜密封端面摩擦状态的检测。建立RBF神经网络,以时域、频域和时频域特征值作为输入进行网络训练,实现密封端面摩擦状态模式识别。实验结果证明,该监测方法能实时有效地识别端面摩擦状态,识别结果与电涡流直接测量得到的结果一致。     

一种基于滑动均值滤波的疲劳脑电信号识别方法

利用神念科技脑电产品Mind Wave设备来采集脑电信号,通过设计窗口均值滤波及自适应补偿算法,并结合T检验来对脑电信号进行处理,以识别出脑电信号的疲劳度程度。在Min GW和Eclipse开发环境下,利用Java语言实现脑电信号识别系统,实验结果验证了该方法的有效性。     

一种用于自动调焦图像的降噪方法

图像清晰度评价是实现数字图像自动调焦的关键,而调焦图像降噪直接影响着图像评价的准确性。为有效抑制调焦图像中存在的两类主要噪声,结合椒盐噪声和高斯噪声特点,综合采用十字中值滤波法和维纳滤波法实现了图像降噪。实验结果表明,相比于单一降噪方法,综合方法不仅能最大程度地降低两类噪声,而且能较好地保护图像细节,可作为自动调焦成像系统图像预处理的主要方法。     

基于FIR滤波的GP S动态变形多路径效应提取研究

在GPS动态变形监测中,监测结果包含多种GPS误差,其中大部分误差如对流层误差能通过差分技术消除,而多路径、观测噪声等GPS误差不能通过差分技术消除,这部分误差中多路径误差是主要误差源。本文提出利用FIR滤波,基于GPS卫星轨道周日重复特性,提取GPS动态变形监测中的多路径误差。通过模拟实验,论证了FIR滤波提取多路径误差的有效性,并在动态变形监测实验中,通过自适应的FIR滤波有效提取出GPS多路径误差,建立了多路径误差的周日重复模型。     

机电液系统转速波动分量Vold-Kalman时变滤波提取方法

机电液系统的转速波动信号蕴含着丰富的系统运行状态信息,从该转速波动信号中通常可以观测到多个波动源的耦合现象。针对磁电式转速传感器输出的方波信号中转速波动分量的特征提取问题,提出了基于Vold-Kalman时变滤波的转速波动分量提取方法。首先利用采样点计数测速算法获得变转速泵控液压马达系统的瞬时转速信号;其次,结合短时傅立叶变换和二值细化处理得到的瞬时频率估计曲线作为中心频率,构造了基于转速波动信号特征模型的结构方程和数据方程;最后通过最小二乘滤波和PCG法求解,实现了转速波动分量时域波形的提取。实验结果表明:该方法能有效地提取变转速泵控马达系统中由柱塞马达输出轴转频及减速箱输出轴转频引起的转速波动,为机电液系统的状态监测和运行可靠性分析提供了新方法。     

基于对消法的矿用无功补偿装置型式试验系统

设计了一套矿用无功补偿装置型式试验系统;首先介绍了无功补偿装置的工作原理,然后从矿用无功补偿装置的电压等级出发,分别给出了矿用高压(3.3、6、10 kV)和矿用低压(400、660、1 140 V)无功补偿装置试验系统的设计方案,并列出对应电压等级的系统出力参数,最后给出了控制策略和试验加载方案。     

基于Kalman滤波的灰色神经网络模型的应用

文中提出了结合Kalman滤波、灰色模型和BP神经网络模型对测量数据进行模拟和预测,并通过实例表明,基于Kalman滤波的灰色BP网络模型可以对数据序列进行模拟和预测,并在一定程度上较好地反映了数据序列的走势和变化。     

基于粒子滤波的混沌系统参数估计和滤波方法

混沌系统的参数估计是混沌系统控制和同步的前提。鉴于混沌系统具有初值敏感性、不能长期预测等特点,提出了一种基于粒子滤波(PF)的混沌系统参数估计和滤波方法,并将其用于Lorenz混沌系统的参数估计和滤波,在叠加噪声情况下对混沌系统进行仿真分析。结果表明,文中提出的滤波方法在估计偏差方面优于基于扩展卡尔曼滤波（EKF）的混沌系统参数估计和滤波方法,对混沌系统的参数估计和滤波是一种有效的方法。