带有色观测噪声的改进自适应滤波算法

在噪声消除系统中,若观测噪声为有色噪声,则基于最小二乘准则(LS),提出了两段RLS-RELS算法,这是一种改进的递推增广最小二乘法,该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机数值仿真例子和信噪比的计算比较证明了算法的正确性和有效性.     

带有色观测噪声的自适应滤波算法

对于带有色观测噪声的系统,基于最小二乘准则(LS),提出了递推增广最小二乘算法(RLSE),该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机仿真例子和信噪比的计算证明了算法的正确性和有效性.     

消除噪声的自适应滤波方法研究

电子系统中不可避免地会受到噪声的干扰。用固定参数的滤波器进行消除噪声有其缺陷,它对信号与噪声的先验知识需要的较多。本文讨论了用一种自适应滤波器消除噪声的方法,实验仿真证明这种方法能有效地去除弱信号中的噪声。     

有色噪声情况下逐次静态滤波公式的简化推导方法

白噪声情况下的静态逐次滤波可用极大验后或最小二乘虚拟观测值的方法简要表达其递推公式。但在有色噪声的情况下,一般仍用递推方法证明,过程繁琐。本文将有色噪声情况下的观测方程加以改化,变为等价的白噪声观测方程,可直接利用白噪声情况下的静态逐次滤波公式写出其逐次滤波式。不仅推导大大简化,且便于学习和理解。     

有色噪声干扰的非线性系统强跟踪滤波

推广了现有的强跟踪滤波理论,解决了一类具有色噪声干扰的非线性时变随机系统的强跟踪滤波问题,为使状态估计值更加平滑,引入了弱化因子的新概念,最后通过计算机仿真验证了本方法的有效性。     

有色噪声下的卡尔曼滤波

以平台式惯导系统为例 ,论述了如何用卡尔曼滤波技术处理有色噪声 .     

有色噪声观测量的逐次静态滤波

配置的函数模型中除包含承机部分外，还包含非随机部分，给出了有色噪声情况下的逐步配置理论与方法。根据广义最小二乘原理推导出有色噪声情况下逐步配置的方法，即通过改化各观测方程，将有色噪声观测值改化成白噪声的观测值，然后用白噪声逐步配置公式进行计算，利用有色噪声观测值的逐步配置的理论，可消去观测方程的相关性，减少计算时间和内存，使编写计算程序简单化。提出的逐步配置理论是相关观测值逐次间接平差理论的推广，既相关观测值逐次间接平差、白噪声情况下静态逐步配置和白噪声所驱动的有色噪声的静态逐步配置都是有色噪声观测值的逐步配置的特例。     

自适应滤波在噪声抵消中的应用

介绍了自适应噪声抵消的工作原理,并对算法的选择进行了简单论述,说明了选择LMS算法的原因,并进行了仿真。     

用单片微机实现自适应滤波——自适应噪声抵消系统(ANCS)

本文主要介绍了用单片微机实时实现自适应滤波的研究,着重讨论了对50Hz 干扰的消去——自适应噪声抵消。文中包括用 APPLEⅡ模拟自适应滤波实现的可能性研究,用MCS—51实现 ANCS 软硬件的介绍。本文对自适应滤波的研究和实用以及教学实验均有一定的参考价值。     

有色噪声观测量的逐次静态滤波方法

根据广义最小二乘原理推导出有色噪声情况下的逐次静态滤波的关系式，即通过改化各观测方程，将有噪声观测值改化为白噪声的虚拟观测值，然后按白噪声逐次滤波公式进行滤波,贞时，推导出有色噪声观测量逐次滤波后精度评定的理论公式。有色噪声的逐次静态滤波理论有效地解决了GPS载波相位观测值经过测站间，卫星间，历元间的三次差分计算后，观测方程的相关性造成的协方差矩阵容量过大问题，利用这一理论，消除了各历元间隔观测方程的相关性，节省了数据处理时间和计算机内存。     

基于改进自适应无迹卡尔曼滤波的国产民机导航数据滤波算法

针对国产民用飞机导航数据存在杂波不能准确测量的问题,提出一种基于改进自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法的导航数据滤波方法。将无迹卡尔曼滤波(unscented Kalman filter,UKF)与改进Sage-Husa次优无偏极大后验噪声估计器结合构造出改进AUKF,有效解决了在模型不确定或干扰信号统计特性不完全得知的情况下,滤波精度低甚至发散的问题,同时与维纳滤波器和小波阈值法滤波效果进行对比。选择ARJ21飞机实际运行的高度、经度及纬度数据进行仿真,结果表明：改进后的AUKF算法较其他滤波算法精度更高,有效提高了导航数据的可靠性。研究对提高国产民机导航定位精度具有重要意义。     

用单片微机实现自适应滤波：自适应噪声抵消系统（ANCS）

本文主要介绍了用单片微机实时实现自适应滤波的研究,着重讨论了对50Hz干扰的消去——自适应噪声抵消.文中包括用APPLEII模拟自适应滤波实现的可能性研究,用MCS-51实现ANCS软硬件的介绍.本文对自适应滤波的研究和实用以及教学实验均有一定的参考价值.     

基于自适应模糊阈值小波的图像去噪

针对小渡变换多分辨分析(MRA)的特点，本提出一种多尺度分级的自适应模糊权重中值滤波的去噪方法．首先，利用开关控制策略的模糊理论建立隶属函数，用高斯自适应模型对噪声点进行预检测，然后在每一级小波变换过程中应用自适应模糊中值滤波(AFWMF)算法进行噪声滤波．实验表明，常规的小波去噪方法只能去除图像中的高斯噪声。该方法既能去除高斯噪声也能去除非高斯噪声．与中值滤波方法相比，该方法在去噪的同时能保留大量的原图像边缘、细节等重要信息，具有更好的去噪效果．     

一种新的自适应维纳滤波方法

针对经典维纳滤波器存在的不足,提出一种新的自适应维纳滤波器.该滤波器能够根据不同的图像特性在给定的多个模板之间自适应地选择模板,使得滤波效果更加理想;并且相对于传统的维纳滤波方法,可以较完整地保存图像的轮廓信息.试验结果表明,新的自适应维纳滤波方法在主观和客观性能方面比传统的维纳滤波方法均有较大的改善.     

自适应卡尔曼滤波器在机器人控制中的应用

机器人控制系统在实际工作中不可避免地要受到随机噪声的影响,当噪声的统计特性已知时,可以考虑采用常规Kalman滤波以抑制随机噪声对控制性能的影响;但当噪声的统计特性不完全已知时,常规Kalman滤波的滤波性能会下降甚至会引起发散。根据机器人的动态特性,设计了一个自适应Kalman滤波器,并对该滤波器应用于机器人控制系统进行了仿真实验研究。仿真结果表明,所设计的滤波器能够较好地抑制方差和均值未知的测量噪声对机器人控制系统的影响,控制系统的动态性能得到了较大的改善。     

自适应滤波器的算法比较研究

自适应滤波器一直是随机信号处理当中的一个重要的研究课题。在介绍了自适应滤波器的各种算法之后,重点讨论了基于LMS的自适应滤波器算法和基于RLS的自适应滤波器算法,并用Matlab对这两种算法进行了仿真和比较分析。     

基于模糊自适应滤波器的噪声对消系统

给出了一种基于模糊自适应滤波器的非线性噪声对消系统,由于用前馈网络表示的模糊逻辑系统具有学习任意非线性函数到任意精度的能力,而且具备自适应性,因此,这种滤波器的性能明显优于线性滤波器,能适应各种复杂的噪声环境,仿真结果表明,这种滤波器具有良好的性能。