基于隐马尔可夫模型的火场噪声数学模型

在灭火救援的第一线,无线通信是火场指挥的重要手段,而在复杂多变的火灾现场,高强度的噪声给火场通信带来了严重的影响,不仅会干扰指挥员与作战员之间的信息传递,还会影响作战员的判断能力,造成安全事故发生。分析火场噪声特性并研究降噪技术在消防领域是十分必要和必须的,本文通过分析火场噪声来源和特性,使用隐马尔可夫模型(HMM)建立噪声模型,为火场降噪技术处理提供参考。     

主动降噪技术在灭火救援中的应用

在灭火救援中,指挥员与消防员之间的信息沟通尤为重要,这不仅关系到灭火救援工作的开展,更关系到每个消防员的生命安全。但是火场环境噪音却影响了二者之间的信息沟通,降低了指挥效率,更埋下了安全隐患。因此,将降噪技术运用在灭火救援中是十分必要的。本文通过介绍火场环境噪音,对目前的消防通信降噪技术进行梳理介绍,类比得出主动降噪技术的优越性,提出主动降噪技术解决火场噪音的方案,并给出改进建议,为火场降噪技术应用提供参考。     

动态噪声特性未知系统的多模型自适应卡尔曼滤波

针对常规自适应卡尔曼滤波器存在过渡过程差的问题,基于一个给定的指标切换函数,采用多个基于不同动态噪声协方差矩阵的卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器.与常规自适应卡尔曼滤波器相比,多模型自适应卡尔曼滤波器可以在保持原有自适应滤波器性能的基础上极大地改善瞬态响应.     

无人机组合导航系统的自适应算法研究

为了缩短捷联惯导系统的初始对准时间并提高对准精度,分别设计了常规卡尔曼滤波器和自适应卡尔曼滤波器用于精对准。在系统噪声统计特性未知时,自适应卡尔曼滤波算法利用滤波残差的均值和方差,不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,从而提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真结果表明,使用自适应UKF算法与常规的UKF算法相比,可以获得更优的对准精度和快速性。     

自适应噪声抵消器频域优化设计及其应用分析

随着通信技术的发展,自适应噪声抵消器在现在信号处理中得到越来越广泛的应用.在分析和讨论自适应噪声抵消器原理基础上,详细研究了基于自适应滤波器技术的噪声抵消优化实现算法及其特性.最后,以胎儿心电图信号检测为例,分析了自适应噪声抵消技术的应用,在MATLAB环境下进行测试分析,模拟测试结果与理论分析预测吻合.     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

卡尔曼滤波器发散自检

模型设置的不合理、可能导致卡尔曼滤波器的发散、完成不了预期的最佳滤波功能,这在系统动态噪声较小时尤为明显。本文提出了一种卡尔曼滤波器自我检测发散的方案,并在假设成立时给出修正的方法。使卡尔曼滤波器能尽可能地保持其最佳性、使为了克服发散而牺性的滤波最佳性降至最小。在这个意义上,这种自检的卡尔曼滤波器具有自适应的功能。     

多尺度多元素形态滤波自适应降噪研究

针对基本的数学形态滤波器存在的问题,提出了一种多尺度多元素形态滤波自适应降噪方法,首先利用不同尺度不同元素的基本形态滤波器对信号进行处理,得出各个误差.根据计算误差,设定权重系数级联基本的形态滤波器,对信号进行自适应降噪.针对正弦信号中复杂噪声干扰的特点,在信号中加入各种噪声,利用提出的方法对信号进行处理,并与多尺度滤...     

基于自适应卡尔曼滤波的叉车质心侧偏角估计

质心侧偏角是叉车动力学研究中的重要状态参数,工程上常采用卡尔曼滤波器估算获取该参数值。文章以CPD15型电动叉车为研究对象,考虑到叉车质心以及前、后轮侧偏刚度会随货物的质量和形状产生较大的变化,建立了带有模型误差的线性二自由度叉车模型,基于该模型设计了自适应卡尔曼滤波器估计叉车质心侧偏角,并采用遗传算法在线优化滤波器参数,有效地解决了当叉车模型参数发生变化时卡尔曼滤波器估计精度降低的问题。Matlab仿真结果表明,自适应卡尔曼滤波器不仅能滤除叉车运动中的随机不确定性噪声,还能有效抑制未知的模型误差给估计带来的不利影响,增强了滤波器的估计精度。     

自适应强跟踪卡尔曼滤波在陀螺稳定平台中的应用

考虑陀螺稳定平台速度环控制系统含有陀螺测量噪声,设计了带有系统参数扰动迭代估计的自适应强跟踪卡尔曼滤波器,并与模型参考控制系统相结合,然后将其与现有的PI控制系统进行扰动隔离性能的系统仿真对比实验及其结果分析.实验结果表明,所提出的自适应强跟踪卡尔曼滤波器可以进一步提高扰动控制系统的隔离度性能,尤其在把非线性摩擦力补偿一半的情况作为未建模的不确定因素影响情况,所设计的滤波器不但能够稳定地工作,而且模型参考自适应控制系统和PI控制系统的隔离度性能都有明显的提高.     

卡尔曼滤波器在PID控制器中的应用

简要介绍了卡尔曼滤波器理论及其算法,建立一级倒立摆系统模型.采用卡尔曼滤波器来克服系统中的测量噪声和控制噪声对控制性能的影响,并在MATLAB环境下进行对比仿真试验,验证了卡尔曼滤波器对噪声的有效抑制作用.     

基于凸优化的频域自适应滤波方法

传统的自适应滤波方法均是采用时域算法,对具有多个中心频率的有限带宽含高斯噪声信号的降噪效果均不理想。为了解决有限带宽含高斯噪声信号的降噪问题,本文基于凸优化方法设计出一种多个带通Wiener滤波器并联组合的频域自适应滤波器,采用拉伊达准则确定有限带宽信号的中心频率,给出多个带通Wiener滤波器的频域参数的优化目标函数,并且通过仿真试验和与小波降噪效果对比说明了本文所提出方法的有效性,验证了该方法对信号具有较强的自适应能力,能够很好的消除实测信号中的高斯噪声。最后给出工程实例验证了方法的有效性和实用性。     

基于优化EKF的永磁同步电机转速估计

为了解决在永磁同步电机无速度传感器直接转矩控制系统中,扩展卡尔曼滤波器在转速估计时系统噪声矩阵和测量噪声矩阵难以较准确获得的问题,提出了一种基于改进粒子群优化的扩展卡尔曼滤波器转速估计方法,该方法融合了粒子群算法与遗传算法的优点,经过实验仿真表明,当将此方法应用于卡尔曼滤波器系统噪声矩阵和测量噪声矩阵寻优时,与遗传算法、标准粒子群算法相比,改进粒子群优化的卡尔曼滤波器能更加迅速地找到较优解。     

单通道RLS算法自适应噪声消除及其遗忘因子的确定

利用RLS算法实现了单通道的自适应噪声消除,并且根据语音信号短时平稳的性质,提出了针对语音信号噪声消除计算RLS算法遗忘因子的方法。实验证明,基于该遗忘因子的RLS算法单通道自适应滤波器能够达到较好的语音降噪效果。     

基于Verilog HDL的卡尔曼滤波器的仿真研究

文章对卡尔曼滤波器的算法的5个递推方程进行了详细的介绍,并采用Verilog HDL硬件描述语言对卡尔曼滤波器的算法进行了仿真研究.通过仿真分析,结果表明卡尔曼滤波器的系统过程噪声、测量噪声、系统阶数(递归次数)等因素对滤波结果有影响。     

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。     

UKF在视频移动目标跟踪中的应用

目标跟踪技术把跟踪看作是一个估计问题,在对动态系统进行实时估计时,针对经典卡尔曼滤波器在非线性系统应用中精度低和可能出现滤波发散的情况,文中将无迹卡尔曼滤波器应用于非线性的视频移动目标跟踪系统中,利用无迹变换对经典卡尔曼滤波器进行改进,以提高系统的跟踪效果。通过对无迹卡尔曼滤波器在移动目标跟踪中的仿真结果分析比较表明,无迹卡尔曼滤波对噪声的适应能力强,跟踪精度高,算法实现简单。     

边缘保持递归去噪算法及在图象处理中的应用

为了在图象处理时，既可以有效地去除噪声，又不会太多地破坏边缘，在一维卡尔曼滤波器的基础上，通过加入噪声图象边缘的结构信息，导出了一种简单的、可快速计算的边缘保持递归去噪算法。算法的主要思想是将与边缘大小和位置有关的信息从噪声图象中提取出来并将这些信息作为卡尔曼滤波器的控制输入，采用这种方法可以有效地降低图象边缘破坏的程度。对包含边缘信息和不含边缘信息的Ｘ线头影图象进行了处理，实验结果表明，加入边缘信息的卡尔曼滤波器的性能明显优于传统的卡尔曼滤波器，改进的滤波器在去除图象噪声的同时，可以有效地保持图象的边缘。     

机动巨标跟踪的自适应混合多模算法

本文介绍了用于机动目标跟踪的自适应混合多模算法.这个算法不需要预先定义模型,它利用一个二级卡尔曼滤波器来估计目标的加速度,这个加速度被用于混合多模算法中具有不同确定性加速度的子滤波器中.文中给出了自适应混合多模算法的一个计算机模拟结果并和无自适应混合多模算法的结果进行了比较.     

自适应软测量算法的汽车行驶状态估计

为了实现车辆行驶状态低成本测量,设计了估计汽车行驶状态参数的传统无迹卡尔曼滤波器和能够有效解决噪声时变特性的次优Sage-Husa噪声估计器相结合算法,通过建立电动汽车3自由度的动力学模型和HSRI轮胎模型,且融合低成本测量的纵、横向加速度和方向盘转向角传感器测量信息,从而可精确估计电动汽车行驶状态.在选定的典型工况下,通过与无迹卡尔曼软测量算法进行对比,硬件在环实验结果有效地验证了自适应无迹卡尔曼软测量算法具有很好的鲁棒性,且比无迹卡尔曼软测量算法更加能够有效地估计电动汽车的行驶状态.