基于粒子群和非参数检验的T波交替联合检测方法

为了提高TWA检测方法的准确性和鲁棒性,提出了基于粒子群与秩和检验的T波交替联合检测方法.通过基于高斯核的心电图模型,利用粒子群算法来最优提取和对齐T波,提高了T波提取的鲁棒性和可靠性,降低了由于畸变T波引起的TWA误检和漏检.同时,基于非参数方法来定量和定性计算TWA参数,由于无需估计TWA的概率模型,提高了对现实复杂TWA现象检测的鲁棒性.仿真实验表明,测量的幅度与参考的真实值的相关系数达到096.标准的TWA数据和实际的心电图数据测试表明,所提出的TWA检测方法具有较高的鲁棒性.     

水下机器人执行器的高斯粒子滤波故障诊断方法

针对智能水下机器人的执行器故障,提出了基于高斯粒子滤波的故障诊断方法.引入控制力(矩)损失参数表示故障,根据6自由度空间运动方程建立执行器故障模型;运用改进的高斯粒子滤波器对参数和运动状态进行联合估计;使用修正的贝叶斯算法检测故障,采用滑动窗口法估计故障的幅值;进行仿真实验并与真实海洋实验数据测试验证.结果表明,该方法能够快速检测故障,且故障幅值的估计精度较高.     

高斯辅助粒子算法

粒子滤波算法在处理非线性,非高斯问题的状态估计方面有独特的优势。粒子滤波方法由于存在粒子退化,粒子多样性匮乏等问题,不能准确地估计系统状态。该文提出了一种新的粒子滤波算法-高斯辅助粒子滤波算法,将即时的观测值信息引入重要性概率密度函数当中。该研究进行重采样时,用高斯变换对粒子进行了重新分布并调整重采样后的粒子权值。通过仿真实验验证该方法可以有效运用当前观测量值,优化粒子分布,在解决粒子退化问题的同时,也能维持粒子的多样性,提高滤波效率。     

一种用于运动跟踪的加窗粒子滤波新算法研究

为了提高粒子滤波算法在视频跟踪中的性能,在基本粒子滤波算法的基础上,采用窗口滤波更新粒子集合,根据对目标位置估计的情况动态更新粒子集合大小,得到一种改进的粒子滤波算法--加窗粒子滤波算法.该算法利用估计窗内的混合抽样粒子集描述后验分布,通过对估计窗内具有不同权值的粒子集依据其权值大小进行抽样,并根据当前观测值对抽取的粒子状态进行更新,实现对目标的跟踪.仿真实验结果表明:这种跟踪算法在不影响跟踪精度的情况下,大大减少了计算量,较好地解决了视频目标跟踪这一非线性非高斯状态在线估计问题.     

基于改进粒子滤波算法的动力锂离子电池荷电状态估计

传统电池荷电状态(SOC)估计中常用的扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)方法仅适用于线性系统和高斯条件,虽然粒子滤波(PF)算法能用于非线性和非高斯系统,但PF算法在滤波更新时存在粒子退化现象,使粒子集无法表示实际后验概率分布,导致估计精度降低.采用改进的扩展粒子滤波(EPF)和无迹粒子滤波(UPF)算法对电池SOC进行估计,抑制了粒子权重退化.以Thevenin模型对电池进行建模,利用带遗忘因子的最小二乘方法进行模型参数辨识,结合改进后的滤波算法对电池SOC进行估计.实验结果表明,以UKF为建议密度函数进行重采样的UPF方法平均估计误差为0.71%,低于以EKF为建议密度函数的EPF方法平均误差(1.09%),两种方法的估计误差均小于PF估计误差(1.36%),有效抑制了粒子权重退化.     

高斯衍生粒子滤波器

针对基于高斯滤波的重要性采样方法运算量的明显增加主要集中在使用高斯滤波生成更好的重要性密度函数的问题,提出了一种新的高斯衍生粒子滤波算法(GDPF).该算法将一种类似光子衍射的粒子衍生重要性采样方法与现有的高斯辅助粒子滤波算法(GAPF)相结合,通过粒子的扩张与收缩,在保证不减少参与状态估计的粒子数的条件下减少更新粒子数,根据粒子权值大小自适应地调整衍生粒子数,能很好地缓解精度与运算量之间的矛盾,抑制粒子退化等问题.对衍生粒子进行理论分析,证明了其与高斯采样粒子的等效性.仿真结果表明,当选取了相同的参与状态估计的粒子数时,所提算法保持了与原算法相当的估计精度,同时运算量大大降低.     

基于双谱滤波的脉冲星信号消噪方法

提出了一种基于双谱相位加幅值滤波的脉冲星信号消噪方法.首先将含噪脉冲星信号变换到双谱域,利用α-删减相位滤波器对其双谱相位进行平滑滤波,并且设计了幅值α-删减加权中值平均滤波器对其双谱幅值进行滤波处理,然后再根据滤波后的双谱值来重构信号的功率谱和相位.仿真结果表明,重构的信号不仅可以消除高斯噪声,而且还对非高斯噪声进行了有效地滤波,比直接双谱重构和仅对双谱相位进行处理重构的效果都要好.     

基于粒子滤波的雅可比矩阵在线估计技术

研究基于图像的机器人视觉伺服技术中雅可比矩阵的在线估计方法.以雅可比矩阵的元素构成系统状态向量,将问题转化为对系统的状态估计问题.引入非线性非高斯系统的粒子滤波算法,在该算法的框架下在线估计图像雅可比矩阵.以非高斯环境下二自由度机械手跟踪运动目标这一应用背景为例,分别对新提出方法与已有基于Kalman滤波的估计方法进行了实验比较.结果证明,前者具有更高的估计精度和更强的鲁棒性,基于粒子滤波的方法不仅可以避免系统标定,而且对系统噪声的类型没有具体要求.     

人工蜂群粒子滤波信道估计算法研究

人工蜂群算法是用以解决复杂优化问题的新方法,具有收敛速度快、优化性能高等特点.将人工蜂群算法与粒子滤波相结合应用于信道估计可以摆脱常规方法对线性高斯条件的束缚,具有理论依据和现实意义.结合2种算法的优势提出了人工蜂群粒子滤波,采用人工蜂群算法确定粒子滤波的建议分布.仿真将Alpha稳定分布作为非高斯噪声模型,实现了粒子滤波及其改进算法的信道估计研究.结果表明人工蜂群算法与其他智能算法相比具有更快的收敛速度,改进人工蜂群粒子滤波与无迹粒子滤波相比极大地提高了信道估计精度.     

非高斯噪声环境下的智能粒子滤波多用户检测方法

粒子滤波适用于任何非线性非高斯系统的状态估计问题,具有应用灵活、适用范围广等优点．建议分布的选择恰当与否直接决定着粒子滤波的估计精度和估计效率．针对这一难点提出了采用粒子群优化算法来确定粒子的建议分布．粒子群优化算法作为新的群智能算法同样适应于各类非线性非高斯系统,采用该算法确定粒子滤波的建议分布保证了粒子滤波广泛的适应性,同时提高了估计精度．最后在Alpha稳定分布噪声环境下对CDMA系统多用户检测进行了仿真,结果表明,采用智能算法来确定粒子的建议分布极大地提高了粒子滤波的估计精度．     

一种新的基于模型的T波定量分析方法

T波的定量分析是T波交替定量分析的基础.针对T波定量分析中面临的T波非对称性、逐搏间动态变化以及动态监护环境下的脉冲噪声干扰问题,从随机系统动态建模与估计理论出发,提出一种新的适用于T波定量分析的心电信号动态模型,建立逐搏T波波形检测与分析的非线性Bayes估计框架,实现强噪声背景下单通道T波的逐搏定量分析,为动态监护环境下基于简单导联的逐搏T波交替信号定量分析奠定理论与技术基础.最后通过实测数据验证了文中算法的有效性.     

非高斯非平稳噪声背景下杜芬系统动力学仿真研究

研究非高斯非平稳噪声背景下非线性系统在微弱周期信号摄动下的混沌动力学行为,仿真过程证明被噪声污染的微弱周期信号使混沌系统的动力学行为变化很小;非高斯非平稳噪声对周期运动的影响较为明显。研究了微弱周期信号和非高斯非平稳噪声信号联合摄动下的混沌运动特征。     

心电微伏T波交替检测的一种方法

为心电微伏T波交替的临床研究寻找一种合适的检测方案,文章对T波交替检测的影响因素——运动方案、信号预处理、QRS复波位置、T波选取及心电信号的相关问题进行了分析,对T波交替检测的算法进行了仿真研究。在此基础上,确定了一种T波交替检测的方案,采用活动平板试验,按照新设计的运动方案,采集运动心电信号,通过功率谱分析,检测其运动过程中T波交替出现的频度和幅度。给出了采用该方案对受试者进行T波交替检测的实例。分析研究及实测结果表明该方案可用于检测微伏T波交替。     

基于统计模型实现语音信号有声/无声检测的研究

基于语音信号短时平稳性以及语音信号和噪声的统计模型，提出了一种语音信号有声/无声的检测方法。该方法可对所有语音短时帧更新噪声参数的估值，因而提高了检测的准确性，根据噪声参数以及语音和噪声的统计特性定义了似然比，确定了有声/无声的判别准则，研究了判别阈值、平滑因子等参数以及缓变非平稳背景噪声对检测结果的影响。实验结果表明，即使背景噪声具有缓变特性，利用该方法仍可得到良好的检测结果。对不同的应用，在检测过程中判别阈值的选取应结合平滑因子进行必要的优化。     

T波对齐在T波交替谱分析中的对比研究

T波交替是一种心电变异现象,具体表现为心电信号中T波段形态和幅度逐拍交替变化。传统的谱分析法一般通过拍频域中0.5 cycle/beat的功率谱值来检测T波交替,但在检测过程中不同的对齐方式将影响谱分析T波交替检测结果,因此将基于谱分析方法进行T波交替检测,重点对比研究峰值对齐及点乘最大对齐两种方式,并相应地给出最佳对齐方式,研究可得点乘对齐所测的交替幅度更接近于真实幅度。     

多噪声环境的麦克风小阵语音增强

针对在非平稳和多种噪声并存的语音增强算法抑制噪声能力有限的问题,提出基于最小跟踪噪声功率谱估计的相干滤波与广义旁瓣抵消的麦克风小阵语音增强算法。该方法先利用最小跟踪噪声功率谱估计的相干滤波抑制弱相关噪声,再结合广义旁瓣抵消与端点检测抑制强相关噪声。实验结果表明,方法更加有效地抑制噪声的影响;并提高了语音的可懂度。     

基于中值滤波的脑事件关联电位单次提取

提出了一种基于中值滤波的脑事件关联电位单次提取方法,刺激方式为奥德勃模式,直接用真实的数据进行实验,在分析背景噪声的基础上,将单次记录到的原始信号用中值滤波器进行处理,然后对结果进行低通平滑。实验结果表明,该方法具有良好的单次提取效果及很强的适应性和稳健性。     

非线性非高斯结构系统识别的粒子滤波方法

采用粒子滤波方法（PF方法）在非高斯噪声条件下对非线性系统进行参数识别。传统扩展卡尔曼滤波（EKF）方法具有高斯噪声假设与非线性系统线性化的缺陷,PF方法可以克服EKF方法的缺点;因此在系统识别中具有很强的鲁棒性,更适合进行非线性结构系统参数识别。数值仿真结果发现PF方法的系统识别精度高于EKF方法,证明PF方法在非线性非高斯结构系统识别中的有效性。     

一种基于分数低阶协方差的维纳加权时间延迟估计方法

依据分数低阶统计量理论和信号噪声特性,提出了一种基于分数低阶协方差的维纳加权(FLOC—WP)时间延迟估计的新方法．这种方法将常规的维纳加权广义时间延迟估计方法与分数低阶协方差结合起来,理论分析和计算机仿真结果表明其既可以应用于高斯噪声环境,又在低阶α稳定分布噪声环境下具有良好的鲁棒性．