非平稳信号的22型双重中值容错滤波算法

滤波算法的容错设计是技术过程可靠性与安全性领域的重要研究内容.本文建立了一组新的非平稳过程容错滤波算法,该算法采用两阶段两次滑动中值与滑动均值滤波器的组合,实现了数据洁化与滤波的统一.理论分析和仿真计算结果证实,该滤波算法可有效避免斑点型异常数据的不利影响,可靠地从采样序列中提取信号.     

非平稳信号的2(×)2型双重中值容错滤波算法

滤波算法的容错设计是技术过程可靠性与安全性领域的重要研究内容.本文建立了一组新的非平稳过程容错滤波算法,该算法采用两阶段两次滑动中值与滑动均值滤波器的组合,实现了数据洁化与滤波的统一.理论分析和仿真计算结果证实,该滤波算法可有效避免斑点型异常数据的不利影响,可靠地从采样序列中提取信号.     

抑制SAR图像相干斑的自适应红黑窗滤波算法

针对经典空域滤波算法处理SAR图像时,在同一滑动窗内完全按同质区域性质处理数据而导致图像细节信息损失的情况,提出一种新的滑动窗结构的算法。该算法选取与窗口中心像素统计特性相近的像素进行滤波处理,解决了经典空域滤波算法存在窗口内数据不满足滤波模型对同质区域要求的缺陷。同时,针对强散射点的特殊性,设计了相应的检测及处理方法。实验结果表明,该算法在获得与经典算法相当的相干斑抑制的同时,较经典算法具有更强的边缘和细节保持能力,同时获得更好的图像视觉效果。     

计算机控制系统信号重构容错算法研究

信号重构是计算机系统与被控对象进行信息通信的重要环节,在简要分析Shannon重构、ZOH重构和一阶重构等信号重构方法局限性的基础上,提出了一组基于三点插值的重构算法和被控过程采样数据的一步容错预测算法,并将一步容错预测与三点插值算法相结合,建立了对于被控过程信号异常情况有良好容错能力的一步容错预测二阶重构算法。上述的一步容错预测二阶重构算法不仅结构简单、可用于在线控制,而且算法精度和可靠性明显高于普通的ZOH重构和一阶重构算法。     

基于无迹变换的概率假设密度滤波算法

基于有限集统计理论的概率假设密度滤波算法运用于多目标跟踪时,不再考虑数据关联问题,突破了传统的跟踪方法.但该滤波公式在非线性条件下没有解析解,在非线性高斯条件下提出了基于无迹变换的概率假设密度滤波算法,实现了算法在强杂波环境下的多目标跟踪.仿真实验比较了该算法与基于粒子滤波的概率假设密度滤波算法的跟踪性能,验证了该算法的跟踪性能和精度.同时分析指出了此算法的不足,以及结合无迹变换与粒子滤波的概率假设密度滤波算法的改进研究方向.     

基于自适应航迹融合算法的GPS／SINS紧组合导航系统研究

针对开环校正GPS/INS组合导航系统卡尔曼滤波器在长时间工作条件下滤波精度下降的问题,提出了基于自适应航迹融合算法的紧组合GPS/INS导航系统方案.设计了一个与GPS/INS滤波器并行的独立GPS滤波器,利用自适应航迹融合算法对两个滤波器输出的局部航迹进行融合,从而得到系统航迹.数学仿真结果表明,该方案能够有效提高导航系统的导航精度和容错能力.     

基于学习进化的机器人同时定位与地图创建

利用学习与进化结合的思想,改善基于粒子滤波的SLAM算法。在对学习与进化的关系深入分析的基础上,针对基于粒子滤波的SLAM算法,提出将滤波过程分成学习和进化两个阶段,分别给出相应算法解决粒子有效性与多样性的问题,缓解二者之间的矛盾,改善了SLAM算法的效果,增强了算法的鲁棒性,也验证了学习与进化的关系。最后,通过多次Monte-Carlo仿真实验结果表明了该算法的有效性。     

基于幅值信息的联合概率数据关联粒子滤波算法

针对非线性非高斯环境下多目标被动跟踪的低可观测问题,将粒子滤波、联合概率数据关联和量测的幅值信息相结合,提出了一种基于幅值信息的联合概率数据关联粒子滤波算法。将联合概率数据关联算法中的关联似然与幅值似然比相结合,利用粒子滤波算法进行跟踪滤波,用幅值量测来改善低可观测条件下的目标跟踪性能。仿真结果表明,该算法提高了数据关联的可靠性和目标跟踪的精度。     

基于残差变化特性分析的双假设KALMAN滤波算法

针对标准kalman滤波算法受测量野值和目标高度机动影响严重的缺点,提出一种新的基于残差变化特性分析的双假设kalman滤波算法.该算法在残差测试正常的情况下,不断利用测量值更新滤波状态值;在残差测试异常的情况下进入双假设滤波模式,对输入数据分别在野值和目标高度机动两种假设下进行滤波,以残差收敛快慢为依据选择合理的假设条件.仿真结果表明,所提算法既有效抑制野值对滤波的干扰,又可以较快适应目标高度机动,提高了滤波稳健性.     

一种利用星间仅测向数据的滤波定轨算法

基于星间方向观测数据实时确定目标星轨道,一般扩展Kalman滤波算法是建立角度直接观测量与状态量的线性关系作为观测方程。由于缺少距离测量值,仅包含角度信息的观测方程对状态变量的约束较弱,导致滤波算法收敛速度较慢。〖JP3〗将用于初轨计算的改进拉普拉斯方程作为观测方程,这样,观测方程不仅包含了两星的几何信息,还充分考虑了目标星的轨道约束。仿真结果表明,在同样测量精度下,该算法的收敛性能明显优于一般滤波算法。     

基于交互式多模型的粒子滤波算法

融合交互式多模型和粒子滤波，提出了一种新的多模型粒子滤波算法。该算法采用多模型结构以跟踪目标的任意机动。各模型采用粒子滤波算法，以处理非线性、非高斯问题。各模型中相对固定数目的粒子群经过相互交互、粒子滤波后再进行重抽样以减少滤波退化现象。与通用的交互式多模型算法进行了比较，试验仿真结果证实了本文新滤波算法的有效性。     

基于容积粒子滤波的交互式多模型算法

针对非线性非高斯条件下目标跟踪容易发散和精度下降等问题,将容积粒子滤波引入到交互式多模型算法中,提出了一种基于容积粒子滤波的交互式多模型算法。该算法在粒子先验分布更新阶段,利用容积卡尔曼滤波器融入最新的观测数据并产生重要性密度函数,使其更加逼近系统真实状态的后验概率密度,改善了粒子滤波的性能。仿真表明在运算时间未显著变化的情况下,该算法与交互式多模型无迹粒子滤波算法相比有着更高的滤波精度和稳定性。     

区域自适应中值滤波器

传统的基于噪声检测的中值滤波算法，对于检测出的噪声点往往采用相同的滤波处理方法，而忽视了噪声点自身特性的差异，限制了其滤波性能的进一步提高。针对这一问题，提出了一种区域自适应中值滤波器，算法在噪声检测的基础上，应用改进的区域判别方法实现对噪声点所属区域的判别，进而根据其所属区域的不同有针对性的选取滤波处理方法．仿真研究表明，该滤波器算法在有效抑制噪声的同时，获得了更强的边缘细节保护能力，较之传统方法具有更为出色的滤波性能。     

杂波环境下多传感器跟踪的数据融合

本文介绍了一种在杂波环境下,利用两个传感器跟踪一个高度机动目标的算法。该算法是由以下两个算法相结合组成：（１）适合杂波环境下机动目标跟踪的概率数据关联滤波算法;（２）适合高度机动目标跟踪的混合多模算法。文中给出了这种新算法的一个计算机模拟结果。     

一种基于神经网络的非线性自适应滤波器

提出了基于Ａｄａｌｉｎｅ－ＭＬＰ递归神经网络的非线性自适应滤波器。这种新的滤波器运用了自适应ＩＲ滤波器理论，具有神经网络分布式并行信息处理，较好的容错特性和鲁棒效应等优点，且比传统的滤波器有更好的收敛特性，并可方便地实现非线性滤波。此外，还给出了Ａｄａｌｉｎｅ－ＭＬＰ递归网络在线滤波算法及其在非线性自适应噪声抵消器中的应用。最后进行了计算机仿真。     

在线挖掘数据流滑动窗口中频繁闭项集

在线挖掘滑动窗口中的频繁闭项集是一类重要的数据流挖掘问题.提出了一种新的频繁闭项集挖掘算法FPCFI-DS.该算法能够在有限的存储空间中高速挖掘数据流滑动窗口中的频繁闭项集,并且能够在任意时刻维护当前窗口中精确的频繁闭项集.对于第一个窗口中的数据,FPCFI-DS算法采用单遍过程FPCFI进行挖掘,挖掘结果被保存于一棵全局闭项集树GCT中.当窗口向前滑动时,FPCFI-DS算法采用更新挖掘方式快速挖掘出当前窗口中的频繁闭项集.实验结果表明,FPCFI-DS算法的空间效率和时间效率都显著优于同类经典算法Moment.     

对ARMA模型参数估计的新贡献

本文中,我们提出两种估计ARMA(自回归滑动平均)模型参数的新方法。第一种方法是对迭代逆滤波法(ITIF)的改进,第二种方法基于谱转换技术。两种方法都是迭代算法,文中将两种新方法的计算结果与ITIF法进行了比较。     

主/被动雷达H∞滤波的最小方差数据融合算法

提出一种基于H∞滤波器的主被动雷达的最小方差数据融合算法。由于噪声方差在实际测量过程中是随时间变化的,甚至在有些干扰情况下是剧烈变化的。针对这一问题首先设计了一个H∞滤波器,该滤波器通过调节参数来增强其对外界干扰的鲁棒性,然后采用H∞滤波器分别对主被动雷达测量数据进行滤波,最后将滤波结果进行最小方差数据融合,较大的提高了融合算法对测量噪声干扰的适应性和鲁棒性。仿真结果表明,采用提出的算法所得到的滤波误差方差较小,且对外界大噪声具有很强的鲁棒性。     

基于随机有限集的SLAM算法

提出一种基于随机有限集的同步定位与地图创建算法,该算法利用随机有限集对环境地图和传感器观测信息建模,建立联合目标状态变量的随机有限集。依据Bayesian估计框架,利用概率假设密度滤波的粒子滤波实现对机器人位姿和环境地图进行同时估计。新算法避免了数据关联过程,并能更加自然有效地表达同步定位与地图创建(simultaneous localization and mapping, SLAM)问题中多特征-多观测特性及多种传感器信息。在仿真实验中,利用FastSLAM2.0算法和新算法进行对比,实验结果验证了新算法的优越性。     

基于滑动窗口的新息自适应组合导航算法

针对新息自适应滤波算法噪声跟踪精度和跟踪灵敏度相互矛盾导致的窗口宽度选取困难问题,提出了一种基于滑动窗口的新息自适应组合导航算法,该方法通过设计噪声统计特性梯度检测函数、敏感噪声统计特性的实际变化情况,利用窗口自适应函数实时计算窗口宽度,使得窗口在预设区间内自适应滑动,以适应实际噪声的变化。仿真实验表明,基于滑动窗口的新息自适应组合导航算法可以有效跟踪噪声统计特性的实时变化,可同时兼顾自适应跟踪精度和跟踪灵敏度。