基于M估计的自仿射投影滤波算法

研究了自仿射投影算法的收敛性能,并针对其抗突出值干扰能力不强的缺点,将稳健估计中的M估计应用于该算法,提出了一种基于M估计的改进自仿射投影算法（M-APA）,计算机模拟结果表明,该算法在基本保持原有算法收敛速度的同时,其抗突出值干扰能力远远优于原算法。提高了自适应辨识系统的稳定性和可靠性。     

基于M估计的线性回归模型的统计诊断

将Huber函数引入线性回归模型的对数似然函数中,应用迭代法得到参数的稳健估计(M估计),并用基于数据删除模型得到的诊断统计量进行数据的实例分析,证明方法的有效性.     

一种M进制数字信号的信噪比估计方法

信噪比估计在许多现在无线通信系统种起着重要的作用，如自适应编码和调制，越区切换，功率配置方案等．无线通信系统中，随时间不断变化的信道需要一种简单精确的SNR估计装置来提高系统性能．本文提供了一种有效的针对M进制数学信号的SNR估计方法．这种方法可以运用很少的观察数据来估计SNR值，并且估计的方差可以控制在1dB以内．文章对不同M值的多进制调制系统进行了计算机仿真和具体的分析，分析和仿真的结果表明本方法对很宽的信噪比范围都可以进行有效的估计．     

基于AccelDSP的自适应滤波器设计

给出了一种自适应滤波器的设计和FPGA的实现方法.简要分析了最小均方误差(LMS)、归一化最小均方误差(NLMS)和延迟最小均方误差(DLMS)自适应滤波器的工作原理,指出了3种滤波器的区别和联系.详细介绍使用Xil-inx公司的AccelDSP高层次设计工具设计自适应滤波器的流程与方法,说明了可综合Matlab语言的结构特点,提高硬件使用效率的途径等设计细节,得到了设计代码和仿真结果.设计经过硬件时序仿真验证,可以在FPGA中直接实现.仿真结果说明,NLMS滤波器对于音频信号有很好的收敛特性,DLMS滤波器可以达到很高的工作频率设计.设计方法对于其它数字信号处理系统的设计和实现具有参考价值.设计过程表明AccelDSP工具可以显著地提升数字信号处理系统的设计效率.     

用模糊自适应滤波算法估计时延

为了对系统中的时延进行估计,基于MRAS结构、最小均方算法和模糊理论,利用系统的输入和输出数据,提出了自适应模糊滤波AFLMS算法。该算法的运算量比通常具有IIR形式的系统辨识算法小得多,且收敛快,便于实时应用。在各种最小均方算法中,μ因子决定算法的收敛速度和稳定性,然而它是难以选择的。采用模糊技术来确定μ因子,克服了其困难。采用PRBS作为输入测试信号,利用计算机和采样电路,对带有时延的系统的仿真结果说明了该算法的有效性。     

基于自适应滤波算法的OFDM信道估计

在对传统的信道估计方法分析的基础上,利用自适应滤波的跟踪和估计性能,结合DFT方法,将自适应滤波理论应用于无线信道的估计之中。DFT方法通过在时域插零然后FFT变换到频域可以显著降低噪声的影响。基本LMS方法由于在进行FFT之前对由导频点处的信道时域估计值进行自适应滤波,能进一步减小噪声的干扰。基于时变步长的LMS算法由于兼顾了稳态性能和收敛速率是上述几种估计方法中性能最优的一种。     

一种优化型自适应滤波器结构

各种自适应算法的性能除了与其自身的特性有关外,还与外部信号环境密切相关。本文针对LMS算法易受外部噪声的影响,产生权失调,从而影响到算法的性能,提出了一种优化型自适应滤波器的结构(OPAF),该结构提高了算法的抗噪声性能。并以此结构实现了噪声抵消(ANC)与回波抵消(EC),实验结果表明,其抗噪声性能指标优于传统结构的自适应滤波器。     

采用自适应无迹卡尔曼滤波器的车速和路面附着系数估计

针对车辆主动安全控制中的车速和路面附着系数这一关键信息,提出了一种实时估计该信息的滤波算法,同时建立了将包含时变噪声统计特性的七自由度非线性车辆动力学模型作为滤波算法的标称模型,以及一种自适应无迹卡尔曼滤波算法。该算法采用传统的无迹卡尔曼滤波器来估计车速和路面附着系数,同时利用次优Sage-Husa噪声估计器对系统的噪声统计特性进行实时更新,其中采用遗忘因子限制噪声估计器的记忆长度,使新近数据发挥重要作用,使陈旧数据逐渐被遗忘,从而解决了因系统标称模型误差、外界扰动等因素引起的噪声时变的问题。在不同路面条件下进行了多种工况的实验验证,并与无迹卡尔曼滤波器的估计结果进行对比分析,结果表明,该算法具有良好的鲁棒性,其估计精度高于无迹卡尔曼滤波器,且满足车辆主动安全控制系统的要求。     

自适应IIR滤波器的韧性梯度估计算法

对于自适应ＩＩＲ滤波器的输出误差模型结构。ＨＡＲＦ算法和ＲＰＥ算法是两种基本算法。ＨＡＲＦ算法受严格正实条件限制。ＲＰＥ算法则有稳定性问题；经分析，其原因在于其梯度的不坚韧性。为此，提出了一种能够稳定收敛的韧性梯度估计算法；其计算量小，是一种实时算法。     

基于自适应滤波器的无人驾驶汽车速度估计

针对无人驾驶汽车容错控制对速度信息软测量技术的需求,提出了一种基于交互式多模型无迹卡尔曼滤波器的无人驾驶汽车速度估计方法,以自适应系统未知的噪声统计特性.首先,基于无人驾驶汽车定位信息建立了包含汽车运动学和动力学特性的名义模型,并采用前向欧拉离散化方法将其转化为包含系统噪声统计特性的状态空间名义模型;然后,采用一系列典...     

基于变分贝叶斯估计方法的双尺度自适应Kalman滤波

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题：一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启发式的自适应噪声估计窗口,实现了稳态精度和时变响应性能的综合提升,能适应敌方目标机动性高且统计特性变化快的特点;二是设计了在不同时间尺度上估计过程噪声和量测噪声的协方差方法,解决了在同一时间尺度上使协方差估计值发生严重偏差且增大滤波误差的问题。仿真表明,所提方法能快速跟踪目标状态噪声统计特性的变化并保证估计精度。     

基于神经网络的自适应滤波研究

自适应信号处理在信号处理中占据主要地位,自适应滤波又是自适应信号处理中的主要应用.目前对自适应滤波的研究主要集中在算法上,但很难在收敛速度、稳定性和跟踪性能上同时取得最佳性能.综合考虑自适应滤波的各种性能,研究基于神经网络的自适应滤波方法,并通过实例应用来证明了该方法的有效性.该研究对拓展自适应滤波方法和神经网络的应用都具有重要的参考价值.     

一种长宽比自适应变化的目标尺度估计算法

针对视觉跟踪中由于尺度变化、遮挡等复杂场景造成的跟踪失败问题,提出一种尺度长宽比自适应变化的目标尺度估计算法.该算法采用35×35个尺度因子来实现对目标的长宽比估计,为了降低运算量,通过分层尺度估计对二维尺度采样因子进行选择,既确定了目标的最佳尺度,又提高了算法的运行速度;为了进一步提高跟踪算法的鲁棒性,使用相邻两帧之间响应向量的欧式距离作为评判模板是否更新的标准.将尺度估计和模板更新模块引入到目前3种性能出色的相关滤波算法DSST、HCF和OSA中,进行仿真验证.实验结果表明,与原始算法相比,引入模块的新算法在跟踪成功率和精度上均有显著提高,在OTB100数据集上,成功率与3种原始算法相比,分别提高了1.3％、1.4％ 和1.4％,精度分别提高了1.2％、1.3％ 和1.0％,尤其在尺度变化、目标遮挡等复杂场景下具有明显的优势.     

一种基于极值的自适应中值滤波改进算法

提出了一种基于极值的自适应中值滤波改进算法,该方法可以有效地保护图像细节,并去除图像中的椒盐噪声.首先利用椒盐噪声的分布给出疑似噪声的判断标准,然后根据噪声密度自适应地确定滤波窗口大小,再采用一种新的算法进行滤波,最后将本算法与其他几种滤波算法进行对比,实验结果表明,本算法优于其他中值滤波算法.     

基于Kalman滤波的自适应MIMO信道估计

给出了一种基于Kalman滤波的自适应MIMO信道估计方法，分析了算法的剩余误差能量随迭代次数增加的变化情况，对饱和MIMO系统和欠饱和MIMO系统，分别采用Kalman自适应MIMO信道估计方法和最大似然信道估计方法，进行了数值仿真和对比。从对比的结果来看，文中给出的Kalman自适应信道估计具有和最大似然信道估计相近的性能，而在饱和系统中，Kalman估计算法性能要略好一些。     

基于最小均方的自适应滤波时差估计研究

时差估计的研究中,基于雷达信号的复杂多样性,采用最小均方自适应滤波算法,其基本原理是应用梯度下降法并通过权值衡量误差来实现滤波.对基本最小均方算法和变步长最小均方自适应算法进行仿真验证,选出最优算法,并利用sinc函数内插实现分数倍时差估计.算法仿真结果表明,对接收机离散信号的点数时差估计的误差精度提升至10倍左右.     

基于弯道自适应强跟踪卡尔曼滤波的侧向坡度估计算法

道路的侧向坡度直接影响车辆侧向运动,侧向坡度估计已成为智能汽车稳定控制系统的关键部分之一。然而,侧向坡度与车身侧倾之间存在耦合,且侧向力估计困难,准确的侧向坡度估计难度较大。为此,提出了一种基于加速度传感器的可拓融合侧向坡度估计算法：首先,提出加速度传感器模型和车辆侧倾模型,采用弯道自适应强跟踪卡尔曼滤波算法（CASTKF）对侧向坡度进行估计;然后,提出基于侧向加速度传感器的直接估计方法,防止CASTKF算法在失去可观性后的错误估计;再后,利用可拓算法对两种模式的估计值进行数据融合;最后,采用硬件在环测试（HIL）验证所提算法的有效性。结果表明,智能汽车的侧向坡度估计中采用CASTKF融合算法具有更高的精度和鲁棒性。     

基于M估计的稳健配准

在计算机视觉和逆向工程领域,数字化测量数据与其CAD模型间的配准是一个值得研究的问题.基于3个基准点的对齐方法实现数字化测量数据与CAD模型的粗配准,使得变换后的测量数据与CAD模型比较接近,再通过M估计来实现稳健配准,这可以去除原始测量数据中的不好数据,同时较快地获得模型变换并实现精确配准.试验结果表明,该算法能很好地实现点集与三维模型间的配准.     

基于扫频滤波器线性调频信号的滤波算法

研究了白噪声环境下线性调频信号的自适应滤波问题.提出一种线性调频信号(LFM)自适应滤波算法.该算法利用分数阶傅里叶变换将LFM信号转化为正弦信号,在分数阶傅里叶域进行自适应滤波,利用分数阶傅里叶反变换得到滤波后的时域信号.分数阶的滤波器可以使用扫频滤波器替代.性能分析表明,该算法的滤波效果取决于自适应滤波器的效果,在使用最下均方(LMS)算法时,步长的选取决定了滤波器的性能,在实际应用中必须按需选取.仿真表明该算法效果明显,计算方便.     

基于GNL模型自适应无迹卡尔曼滤波的电动汽车的荷电状态估计

随着电动汽车的高效发展,逐年递增的退役动力电池回收利用已刻不容缓,对电池进行精确、可靠的荷电状态(state of charge,SOC)估计是实现电池梯次利用的关键技术。传统估计方法均未考虑对老化电池影响较高的自放电因素,本文采用在二阶RC模型基础上考虑了自放电因素的GNL电路等效模型,通过脉冲放电对模型参数进行辨识。对相应的状态空间方程利用矩阵二次型方法进行离散化,并利用自适应无迹卡尔曼滤波算法对SOC进行实时估计及更新。在间歇恒流工况和变电流工况下以老化电池为实验对象对算法进行了对比验证,结果表明双卡尔曼滤波法在初值估计不准确的时候不能及时收敛到SOC真值附近并跟随,基于二阶RC模型的自适应滤波算法估计的误差在工况后期较大,基于GNL模型的自适应滤波算法对老化电池的估计精度较高,误差在0.5%之间。结果表明该方法可使状态估计值具有较小的误差和快速跟随性,满足了SOC 估计的实际需求。