基于自适应滤波长基线组合AUV定位算法

针对水下环境噪声干扰以及水下时延误差等问题,提出基于自适应滤波长基线组合AUV定位算法。该算法采用长基线组合导航定位系统,以捷联惯性导航系统为主,长基线定位系统为辅,消除时延误差实现误差补偿;再引入自适应滤波算法,使用卡尔曼滤波算法对系统进行信息融合来矫正累积误差实现自适应滤波定位。仿真实验表明,该算法能有效消除水下复杂环境中的噪声干扰对AUV定位精度的影响,提高算法对未知噪声的适应性和定位精度。     

一种基于改进LMS算法的自适应消噪滤波器

自适应干扰对消是噪声消除的重要方法之一。本文研究了自适应消噪滤波器的设计问题,给出了一种应用归一化LMS算法的自适应消噪滤波算法。理论分析和仿真表明,本文给出的算法有较好的噪声消除效果,并且具有收敛速度快、稳态误差小的特点。     

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.      

自适应阈值小波在指纹图像去噪中的应用

目前指纹识别技术具有很广泛的应用,但通常指纹图像含有混合噪声,而传统小波阈值去噪算法对含有混合噪声的图像去噪时,存在混合噪声去除不彻底的问题,为此提出了一种改进的自适应阈值和连续型低误差阈值函数的小波去噪算法.首先,算法对含有混合噪声的指纹图像进行一次中值滤波去噪.然后,设计了一种新的自适应阈值,小波分解层数越大新阈值就会越小,就能更好地体现噪声信号在进行小波分解时减小的特征.最后,设计了连续型低误差改进阈值函数,改进的函数是连续的,并且阈值达到极限时误差为0.改进后的算法使得估计的小波系数更加接近真实系数,重构后的图像更接近原始图像.实验结果表明,该算法对含有高斯噪声和椒盐噪声的指纹图像处理时,相比于其他算法,得到了更好的峰值信噪比和均方误差数值,去噪后的指纹图像纹理显示更加清晰.     

基于局部统计的自适应SAR图像去噪算法研究

合成孔径雷达(SAR)图像固有的相干斑噪声对图像质量有严重影响,使检测、识别等进一步应用受到很大限制.相干斑噪声是一种乘性噪声,传统的空域去噪算法(均值滤波、中值滤波)难以将其消除.针对SAR图像的去噪问题,本文研究了Lee滤波和Kuan滤波两种基于局部统计的自适应去噪算法,给出了MATLAB实现并在MSTAR的SAR图像上进行实验.结果表明,Lee滤波和Kuan滤波都能够有效抑制SAR图像的相干斑噪声,去噪图像更平滑,目标更清晰.与传统的均值滤波和中值滤波相比,这两种基于局部统计的自适应去噪算法在视觉效果、方差和等效视数等评价指标上取得更好效果.     

基于主成分分析的光伏热斑红外图像混合噪声去噪方法

为了解决光伏板热斑故障检测时受噪声影响的红外图像分辨率低而导致热斑区域难以识别的问题,提出一 种基于主成分分析的红外图像混合噪声自适应去噪方法。 该方法通过自适应窗口预处理算法将获取的热斑红外 图像进行初步去噪,滤除图像中的低密度椒盐噪声,减小噪声信号对后续选取降噪训练集时所造成的影响;然后, 采用基于块匹配的主成分分析法对预处理后的图像信息进行降维处理,提取信号的主要特征,降低噪声滤除时的 计算复杂度;最后,使用线性最小均方误差估计对图像进行二次去噪处理,滤除残余噪声;此外,在二次去噪之前重 新计算图像噪声水平,使最终的去噪图片获得了更好的视觉效果。 实验结果表明:该方法能够有效去除光伏热斑 红外图像中的混合噪声,客观评价指标显示噪声较小时,图像结构相似性可保持在 0. 9,在高密度噪声影响下,峰值 信噪比相较于修正的阿尔法均值滤波算法平均提高 2 dB,实际视觉效果中保留了图像细节特征,可以明显观测到 热斑区域。     

一种新的变步长LMS自适应滤波算法

对变步长自适应滤波算法进行了讨论,提出了一种新的变步长LMS算法。新算法用误差信号的自相关及均方误差的时域平均来调节自适应滤波算法的步长。由于不需要指数运算,新算法的运算量大大降低,收敛速度快,且消除了不相关噪声的干扰。将该算法用于码间干扰比较严重的大气激光通信系统中,仿真结果验证了算法的优越性。     

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。     

自适应非线性FIR主动噪声控制

针对非线性主动噪声控制系统的非高斯噪声问题,利用Hammerstein/Wiener模型思想简化Volterra滤波器,提出基于函数映射的非线性FIR主动噪声控制器.给出基于二阶Renyi误差熵和均方误差加权和的广义滤波-X梯度下降算法,实现自适应非线性主动噪声控制,并分析了控制算法的收敛性.该方法综合了信息熵和均方误差对误差信息的优势,结构简单且学习参数少.仿真结果表明了该方法的有效性.     

一种基于神经网络PID的机器人SLAM改进算法

提出了一种基于神经网络PID自适应辨识噪声的移动机器人即时定位与地图创建(SLAM)改进算法。重点对自适应辨识的EKF-SLAM改进算法实现进行了分析,神经网络PID控制器、中值滤波以及噪声调整等组成噪声在线辨识单元。在噪声先验信息不足的情况下,通过自适应在线辨识单元辨识未知系统过程噪声和观测噪声,并迭代修正噪声协方差和平均值滤波新息协方差,实现机器人即时定位精度的在线提高。仿真结果表明,该算法可减小定位误差、降低未知系统过程噪声和观测噪声对SLAM算法的影响。     

基于稀疏采样的调频率估计与多目标ISAR成像

针对目前多目标成像中关于信号调频斜率估计的算法存在着采样频率过大,以及短时条件下精度不高的问题,结合压缩感知理论,提出了一种基于稀疏采样的回波信号调频率估计与多目标ISAR成像方法。首先,根据目标回波信号的特点构造超完备稀疏基,将信号投影到该稀疏基上,利用高斯随机矩阵对分解后的信号进行欠采样,采用FOCUSS稀疏重构算法,精确提取出信号的调频斜率;然后,利用估计出的调频斜率对多目标回波信号中各个目标的回波分量进行分离和补偿;最后,基于稀疏采样对各个单目标分别进行成像。仿真实验验证了该方法的可行性和有效性。     

一维离散小波变换在心电信号降噪中的应用

为准确提取反映心电信号的特征信息,提出应用一维离散小波变换实现对心电信号的降噪处理方法。首先介绍了一维离散小波变换的基本思想;其次,应用小波分解与重构的方法(Mallat算法)在MATALB环境中编程实现对心电信号的降噪处理;最后,引入降噪信号与原信号的能量比(ENR)、均方根误差(RMSE)和自相关系数(AC)作为小波变换的降噪评价指标。可见,该方法能够有效地去除心电信号中的噪声干扰,对于实现心电信号特征信息的提取具有一定的参考价值。     

改进的匹配追踪在方波信号滤波中的应用

为了克服常规滤波方法对方波信号滤波能力的不足,实现对方波信号的精确滤波,提出了一种改进的匹配追踪算法。针对方波信号特征,构建了与方波信号匹配而对噪声不敏感的方波原子;基于正交匹配追踪,并吸收子空间追踪的回溯思想,改进了最优原子选择方法;鉴于有用信号与噪声信号的能量差异,使用了一种自适应迭代停止标准,能准确找到有用信号和噪声的临界点,解决噪声能量未知的预估问题。对不同信噪比下的仿真方波信号进行滤波,经实测验证,所提方法在信噪比和均方误差方面都优于常规去噪算法,且保留了方波的特征,适用于方波信号的滤波。     

基于改进SAE的提升机制动系统故障诊断

为了减少传统故障诊断方法人工主观干预对诊断结果的影响,使用无监督学习方式提取提升机监测数据的故障特征,提出了一种基于稀疏自编码器的故障诊断方法.首先分析了制动系统的故障机理,采集了提升机正常运行和故障模拟状态下的监测数据,生成了故障诊断数据集;然后建立了SAE故障诊断模型,并使用Dropout和Adam算法对其进行了优化;最后使用测试数据集对模型的性能进行了测试.试验结果表明,提出的方法较好地避免了稀疏数据的训练误差,减少了过拟合现象,降低了稀疏数据局部最优点的影响,故障类型的平均分类精度达到94%,能有效地进行矿井提升机的故障诊断.     

基于小波包惩罚函数的烟机振动信号软阈值降噪

为解决烟机振动信号受到噪声干扰这一问题,研究基于小波包阈值降噪的原理和方法,给出了小波包阈值降噪的步骤,阐述了Birgé-Massart惩罚函数确定阈值的原则和软阈值的量化处理,分析了阈值、信噪比和均方误差随惩罚因子的变化规律.并将基于小波包惩罚函数的软阈值降噪与Rigrsure、Heursure、Sqtwolog、Minimax4种阈值降噪方法进行了比较.结果表明基于惩罚函数的小波包软阈值方法能有效降低噪声.基于该方法的烟机振动信号降噪在保留信号突变部分的同时,具有良好的光滑性.     

基于EMD与1D全变分的地震信号去噪

经验模态分解(Empirical Mode Decomposition,EMD)是一种信号的时频分析方法,该方法在不需要先验知识的条件下,可以将非平稳、非线性信号,依据信号的特征,自适应的分解为多个本征模态函数(Intrinsic Mode Function,IMF)之和,得到高的频率分辨率。然而,一般的去噪方法是将所选择的高频IMF部分取不同的阈值进行滤波或者是直接置为零重构后实现信号的去噪,很显然这会造成高频部分有用信号的损失。1D全变分(Total Variation,TV)是一种有效的信号去噪方法,能够非常好的保护信号边缘信息,但有时也会把噪声当作边缘信息,出现虚假边缘现象。因此,基于EMD和1D-TV的优点提出了一种新的去噪方法,根据对实际金属矿床地震信号处理的结果表明,该算法能有效的消除地震信号中的噪声,并能有效保护地震信号边缘构造信息。     

TDCS的压缩感知稀疏信道估计方法

为充分利用变换域通信系统高速无线传输时信道表现出来的稀疏多径传输特性,提高TDCS的信道估计精度,提出一种基于压缩感知的TDCS稀疏信道估计方法。针对TDCS设计了一种导频图案,该导频图案设计的数据帧结构保证了TDCS信号授权用户的正交性,且其构造的测量矩阵具有较低的互相关特性;利用Dantzig Selector重构稀疏信道冲激响应值。基于COST207乡村信道模型的仿真表明:新方法可有效降低稀疏信道估计的均方误差,在误比特率为0.002时可获得比最小二乘估计方法高约1dB的性能增益。     

载货汽车制动蹄片温度监测方法研究

为实时掌握载货汽车制动蹄片温度变化状况,研究一种用于监测制动蹄片温度的方法. 通过运动分析找出制动蹄片位移最大位置,从而获得温升最大位置,也即蹄片温度监测点;利用传感器、数据采集模块、数据处理模块构建载货汽车制动蹄片温度监测系统,进行传感器选型、软件系统设计、研究系统实施方法;通过对比验证实验进行监测系统数据采集. 实验结果表明,系统的监测误差≤2.5%,证实了该制动蹄片温度监测系统的有效性.     

基于独立成分分析的强背景噪声去噪方法

由于许多传统的去噪方法在强背景噪声情况下提取声音信号的能力变弱甚至失效，提出应用独立成分分析(ICA)方法对声音信号进行特征提取，并证明了这种ICA变换能增强语音和音乐信号的超高斯性．在此基础上，应用ICA基函数作为滤波器，通过阈值化的去噪方法对含有强高斯背景噪声的声音信号进行去噪仿真实验．结果表明，本方法明显优于传统的均值滤波和小波去噪方法，为强背景噪声下弱信号的检测提供了新的途径．     

Bayes方法在人误概率估计中的应用

为了使人误概率能结合电站数据反映电站的实际情况,采用Bayes方法对通用人误概率进行修正。给出了对数正态先验分布转换成Beta先验分布的方法,比较了不同试验数据对修正后人误概率的影响。在电站试验数据较少的情况下,Bayes后验分布的取值主要受先验分布的影响,人误概率体现了通用数据的特点;随着电站试验数据的增加,Bayes后验分布受到试验数据的影响越多,后验分布的取值越向试验数据的极大似然估计值集中,后验分布的误差因子也越小。