带有状态时滞的非线性随机系统高斯滤波方法

针对带有状态时滞随机系统的估计问题,提出了一种改进的高斯滤波算法(Guassian fil-ter,GF),给出了具体的实现形式—状态时滞容积卡尔曼滤波器(State-delayed cubature Kalman fil-ters,SDCKF).通过递归运算,获得当前和状态时滞的后验概率密度;根据高斯滤波框架分别对带...     

组合导航直接滤波模型中的高斯粒子滤波

利用高斯粒子滤波技术和直接滤波模型实现了SINS/GPS组合导航系统的数据融合. 首先对高斯粒子滤波进行改进,选取合适的重要性函数并简化滤波流程,然后直接采用惯导参数和GPS伪距等变量建立组合导航直接滤波非线性模型. 讨论了SINS/GPS 组合导航系统中的高斯粒子滤波的具体实现方法. 实验结果表明,该滤波方法能较好地满足组合导航的精度要求. 和其他滤波方法相比,高斯粒子滤波对系统和噪声模型要求比较宽松,因此在直接滤波中有一定的优势.     

粒子滤波算法研究现状与发展趋势

作为现代非线性滤波最为关注的一类滤波方法,粒子滤波算法近年来的研究取得了引人注目的成绩,不仅推动了控制科学、信息科学、航空航天和电子技术的快速发展,同时也对人工智能、机器学习、信息处理、模式识别、无线传感网络、金融预测等领域产生重要影响。     

基于全方位结构元层叠滤波的混合滤波器

在利用全方位多结构元形态滤波器的细节保持能力和改进的中心加权中值滤波的强去噪能力的基础上，结合最优全方位结构元约束层叠态滤波的思想，提出了一种混合滤波器设计方案。理论分析和图像处理仿真实验表明，该滤波方案既能有效地滤除噪声，又可充分保留图像的细节、特别是高频细节信息。     

强跟踪滤波在车辆组合定位系统中的应用

介绍了强跟踪滤波理论,研究了强跟踪滤波在车辆GPS/DR组合定位系统中的应用,通过仿真实验,比较和分析了强跟踪滤波和扩展Kalman滤波在车辆GPS/DR组合定位系统中的定位误差,从定位误差可以看出强跟踪滤波比扩展Kalman滤波有更好的滤波性能.     

基于保边滤波的人脸美颜技术分析

随着科学技术的发展,相机和手机的拍照功能不断提高,拍摄的人像均为高清晰度的,但人脸部的斑、痘、皱纹等瑕疵同时会被清楚地记录下来。针对这一课题,本文提出了保边滤波的人脸美颜算法。首先分析了人脸美颜的原理,然后研究了保边滤波的两种方法,最后通过试验进行对比分析,得出清晰的美颜图像。经MATLAB2014a试验,该方法可以有效清除图像瑕疵噪点,明确图像的边缘化特征,基本可以实现对面部图像的美颜处理。     

一种新的自适应双边滤波算法

现有的双边滤波算法需要预先设置空间方差和灰度方差参数,滤波时参数固定且不能保证是最优的参数设置. 文中提出一种新的自适应双边滤波算法(adaptive bilateral filtering, ABF),通过目标尺度信息实现空间方差局部自适应取值,保留更多的图像边缘特征;采用图像分块技术估计噪声方差,根据噪声方差自适应地设置灰度方差,以保证滤除噪声的性能;通过强制增大空间方差滤除较强噪声点. ABF不必像传统双边滤波算法那样根据经验设置参数,而是根据图像局部特征自适应地设置空间参数,不仅提高了滤除噪声的能力,而且更好地保留了图像边缘特征. 仿真实验表明,无论是主观评价还是客观评价,所提出的方法均优于传统的双边滤波算法、各向异性扩散算法和改进的双边滤波算法.     

运动模糊图像的经典复原方法分析

为了去除噪声干扰和模糊,恢复图像本来面目,应用图像复原理论,分别采用逆滤波法、维纳滤波法和约束最小二乘方滤波等图像复原方法,对模糊图像进行复原并进行了对比.实验表明,三种方法都能对匀速运动造成的模糊图像进行复原,能够在一定程度上获得较好的估计图像,其中,约束最小二乘方滤波法复原效果最好,具有较强的抑制噪声能力.     

基于电流传送器的电压模式KHN滤波器

提出了用电流传送器(current conveyor，简称CC)实现的电压模式KHN滤波新电路，并由此同时得到了高通、带通、低通、陷波滤波特性，且极点角频率与品质因素独立可调，计算机仿真结果与理论分析相符。     

可实现互相关的开关网络及其应用

实现相关滤波的方法很多，本文介绍了一种用简单的数字电路、运算放大器及其它辅助器件构成周期性工作的开关网络代替乘法器，实现相关滤波，其线路简单可靠、经济且精度高，可实现实时测量。     

一种改进的强跟踪滤波算法

强跟踪滤波算法由于对判断滤波发散的阈值设置较小,以较大概率产生渐消因子而导致对滤波增益过调节,最终对状态估计不够平滑. 在分析强跟踪滤波算法运行机理的基础上,提出了一种改进的强跟踪滤波算法. 通过适当提高判断滤波发散的阈值,有效降低了误判滤波发散的概率,并能针对不同维数量测方程确定不同的弱化因子,避免了凭经验加入弱化因子解决这一问题的缺陷. 数值仿真结果表明：改进的强跟踪滤波算法对系统状态突变不但具有较强的鲁棒性,而且能有效保持滤波精度和对状态估计的平滑性,从而验证了该算法的可行性和有效性.     

渐消递推滤波辅助光谱分析：最佳自适应算法

研究了Ｋａｌｍａｎ渐消递推最佳滤波辅助光谱辨析。基于Ｋａｌｍａｎ滤波达到最优时其新息序列互不相关的性质，提出了一种新的渐消滤波─—最佳自适应算法。通过在线自适应地调整遗忘因子从而使滤波（器）在存在模型误差或受到外扰时仍保持收敛性和最优性。用于重叠峰的辨识，能取得更好效果。     

基于改进粒子滤波算法的比较分析研究

提出一类改进的粒子滤波算法.对于建议分布的选取方案,此算法采取强跟踪分散的卡尔曼滤波方式建立它的建议分布.由于线性调节参数,此算法让系统拥有更优越的自适应性及鲁棒性,对高机动目标具有更强的跟踪效果,继而为强跟踪扩展卡尔曼滤波的能力.仿真结论说明,此算法的性能比别的几类非线性滤波算法更加优秀.比如辅助粒子滤波器(APF)、迭代扩展卡尔曼粒子滤波器(IEKE-PF)、Unscented粒子滤波器(UPF)、正则化粒子滤波器(RPF),则是在bootstrap粒子滤波器提出之后,继而出现的改进的粒子滤波器0基于粒子滤波,本文提出了阻止粒子退化的两个重点原因,以及选取合适的采样建议分布及重采样算法.     

Kalman滤波在GPS授时中的应用

高精度的星载原子钟使得GPS授时精度得到了很大提高.针对GPS授时过程中接收机受到各种噪声的影响,利用Kalman滤波原理,建立状态方程和观测方程,对噪声进行分类和讨论,运用Kalman滤波原理对接收机钟差数据进行了分析,计算结果表明Kalman滤波可提高GPS单向授时精度.     

采用正交基函数构造的自适应滤波器

针对有限脉冲响应滤波器（FIR）和无限脉冲响应滤波器（IIR）的缺点,该文提出一种正交基自适应滤波器.该滤波器引入正交函数理论,利用系统模型与正交基函数之间的关联,预先获取系统的先验信息,从而兼有FIR和IIR两者的优点.文中给出了正交基滤波算法的计算公式,并分析了正交基滤波器与传统滤波器的异同点,最后对正交基滤波器进行了仿真和实验.结果表明：本文的滤波算法有着较快的收敛速度,无需很长的抽头数就可获得良好的滤波效果.     

捷联惯导初始对准的超球体采样SRUKF算法

平淡卡尔曼滤波(UKF)在捷联惯导系统静基座大方位失准角初始对准中计算量大,且滤波数值不稳定. 针对这一问题,该文将超球体采样策略与平方根UKF(SRUKF)算法相结合,提出一种改进的SRUKF算法. 该算法在保证其滤波精度和UKF算法相当的前提下,通过引入超球体采样减少了采样点数,提高了计算速度. 并以协方差阵的平方根矩阵代替协方差阵参加递推运算,减少了计算机舍入误差,提高了滤波数值稳定性. 仿真结果表明,该算法在保证初始对准滤波精度的前提下降低了计算量,提高了滤波性能.     

基于CFA的通用二阶电压模式滤波器

提出了用电流反馈放大器（current-feedback amplifier,简称CFA）实现的通用二阶电压模式滤波新电路，并由此得到了高通、带通、低能、陷波滤波特性，且在各滤波电路中，固有频率与品质因素独立可调，计算机仿真结果进一步表明了理论分析的正确性。     

拟蒙特卡罗粒子滤波改进算法及其在雷达目标跟踪中的应用

拟蒙特卡罗粒子滤波算法（quasi-Monte-Carlo particle filter, QMC-PF）精度不高,运算复杂度大,难以满足雷达机动目标跟踪精确性和实时性需求. 为此,提出一种基于BP神经网络的新型拟蒙特卡罗粒子滤波算法. 该算法将大权重粒子通过QMC分裂采样产生低差异性的子代粒子,以此来替代低权重粒子,保证了样本的有
效性和多样性;同时利用BP神经网络计算子代粒子的权重,提高了滤波的精度和速度;最后在不同的模型中进行仿真. 实验结果表明,与QMC-PF相比,所提出的算法提高了精度和运算速度,适用于雷达机动目标的跟踪.     

小波变换在变压器励磁涌流识别中的应用

提出了一种基于滤波和小波理论的区分励磁涌流和短路电流的新方法,通过滤波后的小波变换的模极大值提取涌流和短路电流的突变点特征,从而清楚地区分涌流和短路电流,通过计算机仿真证明了该方法的有效性。     

基于衰减记忆算法的弹道参数滤波方法

为克服广义卡尔曼滤波发散现象,提出了一种基于衰减记忆算法的弹道参数滤波方法.通过弹道质心运动模型,结合弹道测试数据对弹道参数进行滤波,结果表明,此方法的辨识精度较高,收敛性好.