共查询到10条相似文献,搜索用时 15 毫秒
1.
提出并实践了一种状态机的实时滤波方法,并成功应用于某军用车辆速度检测. 该方法以CPLD(FPGA)作为硬件,在高频时钟驱动下检测信号中瞬态脉冲宽度,滤除宽度短的脉冲,输出宽脉冲,从而实现脉冲干扰滤波功能. 阐述了该方法的原理和状态机实现方法,分析了该方法的滤波特性,并通过仿真计算其在方波毛刺信号上的应用,论证了该方法的可行性以及滤波宽度变化对该方法精度的影响. 相似文献
2.
基于FPGA的图像处理系统 总被引:1,自引:0,他引:1
针对目前采用通用计算机、多CPU并行、DSP等方法实现实时图像处理的不足,研究了一种基于FPGA的图像处理系统,由图像采集和图像处理基本算法两部分组成.图像采集选用OV7670图像传感器,其内部集成了传感器及图像处理单元,可以直接输出数字信号给FPGA.图像处理选用Altera公司的Cyclone II系列的FPGA芯片,在芯片上完成了图像采集的控制,模拟了I2 C总线协议,通过设计FPGA的内部逻辑实现了图像灰度化、中值滤波、边缘检测等图像处理基本算法,使处理速度远远快于软件方法.仿真结果显示:该系统实现了实时图像的快速采集和处理,最高能达到30帧/s,并且分辨率为640×480. 相似文献
3.
介绍了一种基于现场可编程逻辑陈列(FPGA)的数字保护算法的实现方法,将算法的实现平台由微控制器(M CU)转向FPGA,构成基于FPGA的数字保护算法专用芯片。仿真结果表明:当每周期取40个采样点时,完成全波傅氏滤波或最小二乘滤波算法仅需几个微秒,大大快于M CU的处理速度,因而可以有效地克服精度与速度之间的矛盾。 相似文献
4.
5.
针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于简易模式识别算法获得系统真实状态的准确估计,实现系统故障的智能诊断与故障预示.智能故障诊断系统由ZigBee无线传感数据采集网络、粒子滤波算法、系统状态模型和故障模式识别四部分构成.粒子滤波算法基于粒子序贯重要性重采样和蒙特卡洛方法对传感器采集数据滤波,抑制或消除干扰及显著性误差对系统状态估计的影响,可避免粒子退化.故障模式识别就是求取与粒子滤波输出的系统状态估计曲线残差之和最小的系统状态模型.智能故障诊断系统的实现和实例实验结果表明该系统能实现对象的远程监测、对象状态的精确估计、对象故障的准确诊断,拓宽了分布式传感网络的应用范围,并具有成本低、可靠性高、实时性好和易实现的优点. 相似文献
6.
针对粒子滤波算法时间复杂度高的问题,引入一种在滤波过程中粒子数可以根据过程噪声方差大小进行调整的自适应粒子滤波算法,即KLD-Sampling粒子滤波算法.该算法在保证一定滤波精度的前提下,可以有效地减少滤波过程中使用的粒子数,从而减小滤波时间,提高滤波效率.此外,分析了该算法中距离阈值和小区域阈值的选取与参与滤波粒子数的关系及其对算法性能的影响.仿真实验对分析结果进行了验证. 相似文献
7.
针对粒子滤波算法中粒子数自适应的问题,提出了一种新的算法.将当前滤波时刻的粒子随机划分为粒子数相同的两个粒子群,并采用对称KL距离方法计算他们之间的信息距离,然后根据信息距离的大小决定增加或者减少下一时刻参与滤波的粒子数,从而实现了滤波过程中粒子数目的自适应.该方法在确保一定滤波精度的基础上,能够减少滤波过程中需要的粒子数,为降低粒子滤波算法的时间复杂度提供了新的途径.仿真结果表明了算法的有效性. 相似文献
8.
基于时域递归滤波的动态数字图像降噪 总被引:6,自引:0,他引:6
根据时域递归滤波的原理,得出递归滤波的本质就是加权平均的低通滤波器,以及滤波系数与信噪比改善和拖影时间之间的关系曲线.分析了递归滤波算法用于降低数字动态图像随机噪声的优缺点,并结合自适应控制理论,提出解决滤波中拖影问题的方法.在此基础上,设计了相应的基于FPGA的硬件及软件,取得了预期的试验效果. 相似文献
9.
针对环形去最大中值滤波和帧间轨迹关联红外小目标检测算法流程与现场可编程门阵列(FPGA)并行不兼容的问题,对原有算法进行了并行化改进.主要从简化阈值计算、采用上一帧统计值进行自适应阈值分割和多帧检测循环三个方面进行了优化.在对检测性能影响较小的前提下,通过对算法结构进行优化,消除了算法中全局计算依赖,使其更适于FPGA进行算法实现.以FPGA实现优化后算法时,在80 MHz工作时钟下,处理2 800×2 800像素图像能够达到10帧/s的速度,满足大部分实时红外探测系统的要求. 相似文献
10.
为改善多目标跟踪问题中概率假设密度滤波精度与算法运行时间之间的关系,提高目标状态和数目的实时估计性能,提出了基于容积原则的概率假设密度滤波算法. 该算法在高斯混合粒子概率假设密度的框架下,利用容积数值积分原则直接计算非线性随机函数的均值和方差, 产生粒子滤波算法的重要性函数,实现高精度粒子的重构,来近似目标状态和数目的概率分布,并且在高斯混合概率假设密度滤波算法中进行采样和更新. 仿真验证了所提出算法的有效性,其Wasserstein误差距离优化了17.32%,目标数估计均值也提高了23.72%. 相似文献