差分辅助中值滤波外弹道野值检测与剔除方法

针对中值滤波对连续型野值检测与剔除性能不理想的问题,提出了一种差分辅助中值滤波方法,并将其应用于外弹道测量数据的野值检测与剔除工作中。中值滤波方法对孤立型野值检测和剔除表现出很好的稳健性,但是当观测数据中野值点连续分布时,中值滤波方法往往无效。利用差分方法可以改变观测数据中野值点的分布。在此基础上利用中值滤波方法进行野值检测和剔除可获得更好的效果。计算机仿真和实测数据处理结果证明,差分辅助中值滤波野值剔除方法不仅对孤立型野值有效,同样适用于连续型野值检测和剔除。     

用时频峰值滤波去除多普勒频率估计野值点的方法

研究去除多普勒频率估计野值点的方法.在分析多普勒频率估计野值点的成因和特点的基础上,对含有野值点的多普勒频率估计按比例调整到适当的频率范围内,用时频峰值滤波方法对其进行处理,恢复原多普勒频率比例尺度,从而达到去除野值点的目的.实验结果表明,选择较小窗长的伪Wigner-Ville分布,一次迭代就可有效地去除多普勒频率估计中的野值点,对后续的脱靶量参数估计没有任何不利影响,方法简单可靠.     

抗野值H∞滤波在组合导航中的应用

为了消除H∞滤波应用过程中野值产生的影响,利用切比雪夫不等式判断新息中野值的存在,利用基于信息扩散原理的新息替代法对含有单个或连续野值的新息加以修正,达到检测和剔除野值的目的.通过对远程火箭弹的SINS/GPS组合导航的仿真可知新算法能够有效地检测出野值,并在野值单个或成片出现的情况下都能保证滤波精度.     

一种对成片连续野值不敏感的鲁棒Kalman滤波

针对量测噪声中可能出现成片连续野值的情况，利用Ｂａｙｅｓ定理，得到了判别成片连续野值的后验概率公式，并提出了对上述野值不敏感的鲁棒Ｋａｌｍａｎ滤波。仿真实例表明：较之一般的Ｋａｌｍａｎ滤波，文中提出的方法能够较为满意地处理量测噪声中具有成片连续野值的恶劣情形。     

基于信息扩散的Kalman滤波抗野值研究

标准Kalman滤波在理想条件下是系统状态最优滤波，当观测值中含有野值时，将严重影响滤波的精度。采用新息扩散原理对滤波方程中的新息序列进行修正，不仅可以抑制野值的影响，而且不受野值分布情况的限制，仿真结果验证了它的有效性。     

一种连续型野值的识别与修正滤波算法

通过对量测数据新息的统计数学特性的分析,借助于主成分分析法的思想,根据矩阵的最大特征值反映矩阵的主要信息这一特点,提出了一种检测量测数据中是否含有野值的判别方法.此基础上,修正了Kalman滤波器的状态估计算法.使该算法在出现连续型野值时,能明显地降低误差,提高滤波精度.仿真结果证明了该方法的有效性.     

一种连续型野值的识别与修正滤波算法

通过对量测数据新息序列的统计数学特性的分析,利用服从wishart分布的AA^U(k)=(N-1)·AS^U(k)随机矩阵的最大特征值提出了一种检测量测数据中是否含有野值的判别方法.此基础上,修正了Kalman滤波器的状态估计算法.使该算法在出现连续型野值时,能明显地降低误差,提高滤波精度.仿真结果证明了该方法的有效性.     

小波多尺度变换对滚珠丝杠振动信号处理效果的研究

针对磨削加工中滚珠丝杠振动信号存在低信噪比及野值的特性,提出了基于正交小波多尺度分解的振动信号滤波方法。利用正交小波多尺度变化的基本原理,将振动信号分解到各个尺度上。在各个尺度上分别进行振动信号特性分析,之后通过正交小波重构得到高信噪比、去野值的振动信号。通过仿真试验及真实实验数据分析,验证了振动信号经过小波多尺度分解和滤波和重构后,不仅信噪比得到提高,并且振动信号的野值特性也可以得到很好地剔除。     

恶劣环境下GPS定位估计滤波算法的非线性模型

提出了一种附加测量模型用于GPS定位估计的系统方程,该方法可实现单机GPS在可捕获卫星数较少的恶劣环境下的定位.开发了一种新的基于非线性滤波的位置和速度估计模型,在测量模型中引入随位置变化的电离层误差补偿模型,利用平淡卡尔曼滤波(UKF)算法较好地实现了可见卫星为3颗条件下的定位估计.在仅有2颗卫星可见的情况下,进行了把高程加入测量模型做平面定位估计的尝试,并取得了较好的效果.GPS定位实验结果表明,在恶劣环境下,基于所提出的非线性模型得出的滤波定位估计值能达到理想的精度.     

微小卫星姿态确定系统多信息融合滤波技术

采用微小卫星姿态动力学,并针对太阳敏感器/磁强计/卫星导航系统(GPS)接收机多姿态信息融合的特点,提出一种基于融合反馈模式的改进联邦滤波姿态确定方法,各子滤波器只完成量测更新,由主滤波器完成时间更新与预测信息的分配.给出了由四元数描述卫星姿态的误差状态方程和各子系统的量测方程,基于磁强计测量信息,对微小卫星的主要干扰源剩磁进行建模.仿真结果分析表明:基于剩磁建模的姿态动力学模型可有效提高姿态确定的精度;改进联邦滤波算法减少了系统的计算量,保证了可靠性.     

RFID中间件数据过滤方法研究

【目的】探讨对RFID数据冗余、脏读以及漏读数据进行过滤,整理出上层应用所需要的有效事件的方法。【方法】运用基于时间和次数阀值、数据校验、TDS数据解析以及基于伯努利概率的动态时间窗等方法进行研究设计。【结果】提出3种数据过滤器:冗余过滤器用于处理多读数据,平滑过滤器用于处理脏读数据,基于伯努利的动态自适应平滑算法的漏读数据处理器处理漏读数据,将这3种过滤器依次组合,组成数据过滤模型,最终构成数据过滤方法。【结论】运用这3种过滤器组成的数据过滤模型,能够很好的对RFID原始数据进行过滤,获得上层应用所需要的有效事件。     

程控状态变量RC有源滤波器的优化综合技术

介绍了基于Butterworth传递函数的二阶状态变量RC有源滤波器的优化综合技术,进而给出了一种由单片机参与的能自动跟踪输入信号频率、选择合适滤波器截止频率的程控滤波系统实例.其特点是实现电路简洁,网络参数易确定,调试方便,截止频率解析式明确,且有较好的精度,其电路和设计方法在数据采集和工程测试等领域有较好的应用参考价值.     

一种用于GPS定位估计滤波算法的非线性模型

提出了一种将现代非线性滤波技术用于GPS定位估计的方法，该方法可用于低价位的单机GPS接收器的定位，提高它们的定位精度和鲁棒性．应用该方法，根据单机GPS的原始数据、伪距和多普勒频移进行定位估计。开发了一种新的基于非线性滤波的位置和速度估计模型，该非线性模型具有随观察到的卫星数量而改变状态和测量元个数的动态特性．运用一种新型的非线性滤波-平淡卡尔曼滤波求解该模型．GPS定位实验结果表明．与通用的最小二乘迭代法或直接从接受机获得的结果相比，所提出的非线性模型得出的滤波估计结果具有较高的精度和鲁棒性．     

基于自适应滤波辅助残差χ2法的导航系统故障诊断方法

针对残差χ2法对软故障检测不敏感,且当量测噪声阵不准确时,也不能很好地检测突变故障的问题,提出了一种限制自适应滤波辅助残差法的诊断方法。基于贝叶斯理论推导出一种限制自适应滤波,利用其自适应调节性在线估计量测噪声阵,抑制滤波预报值跟踪软故障,以辅助残差χ2法进行故障检测。为了克服直接隔离故障法导致滤波精度降低,误检率增加的问题,提出了基于一步预测的故障处理和重构方法,即用前一时刻解算的结果预测当前时刻的导航信息。仿真结果表明,所提出的方法能实时有效地诊断出突变和软故障,保证系统在故障阶段的精度,并使系统在故障消失后及时恢复正常,提高了系统的可靠性。     

点云数据多种滤波方式组合优化研究

LIDAR获取地物的三维点云数据已成当下的主要方式。针对不同尺度下三维点云数据的噪声滤波顺序问题,提出一种基于PCL不同尺度下最优顺序组合的点云滤波去噪方法,即在对获取的室外三维图书馆模型源数据和室内桌子实体模型源数据预处理的基础上,集成双边滤波、高斯滤波、几何滤波三种滤波方式的优势来实现两种不同类型数据的滤波处理。通过实验给出了两种不同数据类型下最优组合顺序滤波的参数。实验结果表明,本研究中的组合滤波方法具有较好的鲁棒性和保特征性,可为建筑三维点云数据的滤波提供一定的参考。     

基于拉普拉斯滤波算法的古建筑结构振动位移测量研究

现行古建筑修筑年代过久,在地壳运动等客观因素作用下,其内部结构会发生不同程度的振动位移。传统方法未对数据噪声能量进行滤波,导致测量结果准确率低。为此提出基于拉普拉斯滤波算法的古建筑结构振动位移测量方法,分散设立扫描站点以获取更完整的振动信息数据,设立多个标靶用作振动数据配准,按照数据的精度约束条件对扫描仪的各项参数进行设定,完成振动数据采集。对各测站点扫描的振动数据进行归一化处理,使它们处于同一个坐标系中,实现各独立坐标系至同一坐标系的变换,应用多站拼接方法对振动数据进行拼接,将完成拼接的数据重叠部分整合在一个图层上。运用拉普拉斯滤波算法将噪声能量移至其邻域不同点上实现去噪,通过振动响应灵敏度识别法对古建筑结构振动位移进行测量。实验结果表明,所提方法测量结果精确,应用性较强。     

粒子群优化算法在齿轮箱振动信号去噪中的应用

 以振动频谱分析和粒子群优化算法为主要理论依据,以风力涡轮机齿轮箱为例,提出一种基于一维加速搜索算法和粒子群优化的齿轮箱振动信号去噪方法。利用一维加速搜索算法缩减搜索范围,应用粒子群优化算法提升优化效果,对切比雪夫带通滤波器和Morlet小波滤波器的设计参数进行优化,并对齿轮箱故障振动信号进行滤波处理。仿真实验结果表明,此方法能够实现快速有效滤波去噪,适用于齿轮箱实时故障诊断的研究,具有一定的理论研究价值和实践应用价值。     

新型GPS动态定位自适应卡尔曼滤波方法

为了获取GPS卫星的信号及定位数据的真实值,减小信号传播中因各种因素混入的随机误差对定位精度的影响,通过应用运动载体"当前"统计模型,取速度和位置为观测量建立GPS动态定位模型,将观测量维数增大1倍,从而增加了系统的可观测性和定位测算精度.此外,针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析,提出了改进型Sage自适应卡尔曼滤波法.该方法在递推和滤波过程中不断地修正模型参数,始终保持噪声模型接近于真实模型,从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题,较好地解决了GPS动态定位中状态变量维数与滤波快速性之间的矛盾,以及状态噪声和观测噪声建模不准确和时变的问题.     

在线多尺度滤波多变量统计过程的适时监测

在详细分析现有MSPCA模型不足的基础上,借助在线多尺度滤波(OLMS),提出了一种多变量统计过程的在线监测方法,并将其应用于传感器故障诊断。该方法中,首先在固定窗长的数据窗口内用边缘校正滤波器对信号进行小波分解,然后用小波阈值滤波对分解的小波系数进行消噪,并借助该固定窗长的移动窗口将小波变换和自适应PCA结合起来对数据进行在线多尺度建模,从而避免了直接对信号进行消噪所造成的时间浪费,提高了故障诊断率。最后以6135D型柴油机在严重漏气下的8个振动信号的故障诊断为例进行故障分析,结果表明了所提方法的可行性和实用性。     

基于广义熵优化准则的非线性非高斯系统故障分离方法

针对非高斯随机系统研究了一种基于滤波的故障分离方法。通过故障、扰动的统计信息获取状态估计误差和输出估计误差的（联合）概率密度函数,再根据所建立的广义熵优化准则设计滤波器。仿真结果显示,在故障和干扰均出现及主要故障不出现两种不同的情况下系统响应完全不同,说明该广义熵优化准则能有效分离故障。