非平稳背景噪声下微弱高频CW信号的自适应检测

在强噪声背景下,基于时频联合分析的高频CW信号检测算法性能严重下降,同时标准Kalman滤波器对非平稳背景噪声下微弱高频CW信号也失效.针对此问题,本文提出了一种基于ARMA新息模型的自适应Kalman滤波器检测方法.该方法避免了标准Kalman滤波检测CW信号时需要确定系统噪声统计特性的问题.论文根据CW信号的状态空间随机信号模型,构造了ARMA新息模型,通过在线辨识MA模型参数来估计Kalman滤波增益,从而实现了CW信号的自适应跟踪滤波.仿真结果表明,该方法能够在强噪声背景下动态跟踪CW信号时域波形,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制.     

小波域维纳滤波在振动信号去噪中的应用研究

维纳滤波和小波阈值滤波是振动信号去噪的常用算法.前者在阶次较低时对非平稳振动信号的处理不能取得较好的效果,而后者对信号的滤波无法满足后期处理的要求.针对此问题,论文将维纳滤波和小波阈值滤波相结合,提出小波域维纳滤波算法.将维纳滤波运用于小波域,充分利用小波变换对非平稳振动信号的白化作用,实现更好的滤波效果.结合工业现场实测汽轮机振动信号,对算法进行分析与仿真.实验结果表明,该算法不仅保持了信号的线性相位特性,同时取得了较好的噪声去除效果,适用于振动信号的去噪处理,优于维纳滤波和小波阈值滤波.     

水下模糊图象维纳滤波和卡尔曼滤波恢复算法研究

该文将海水中图象传输特性的研究与用此传输特性进行水下模糊图象恢复结合起来，得到一套测量水体传递函数及进行水下图象处理的方法，采用维纳（Wiener)滤波和卡尔曼（Kalman)滤波算法，对模糊图象进了恢复，结果表明，利用计算机采用一定的算法对散射性质已知的水体造成的图象模糊可以进行有效的复原，且良好效果。     

Kalman滤波在匀速直线运动目标跟踪中的应用研究

在工程实践当中,对一维直线运动物体的实时位置和速度需要精确估计,而观测位置的传感器往往因为高斯白噪声的干扰,导致观测数值会有一定的偏差.任何高斯白噪声激励下的平稳的一维随机过程和非平稳的、多维的随机过程,在经过Kalman滤波估计后的精度都可以得到提高.本文以物体做一维匀速直线运动为例,基于预测位置的状态变量和观测信号是一维的特点,构造适合位置预测的Kalman滤波数学模型,通过仿真实验验证了应用Kalman滤波算法后,一维直线运动物体的实时位置和速度测量会更加准确.     

序列图象实时消噪声处理中的递归算法

本文针对图象噪声问题,提出了一种适合于实时处理的递归加权算法。该方法运算量小,不增大存贮容量,硬件实现方便,并且通过选取合适的加权系数发,使图象的质量有显著改善。文中简述了最佳加权系数的选择,分析了这种处理方法的性能,并给出了计算机模拟结果。     

基于地磁定轨和扩维卡尔曼滤波的导航算法

为了克服扩展卡尔曼 (Kalman)滤波算法对噪声统计特性的约束 ,针对磁强计量测噪声为有色噪声伴常值干扰的特性 ,提出了一种基于扩维Kalman滤波算法的地磁导航算法 .该算法为了使量测噪声白噪化 ,引入了 2个新的状态变量 ,此时测量噪声是均值为 0的高斯白噪声 ,并满足扩展Kalman滤波算法的约束条件 .对由此构成的系统使用扩展Kalman滤波算法 ,可以得到扩维Kalman定轨导航算法 ,利用该算法可以获得国产磁强计的导航精度 ,其地心距模的估计误差为 2 0km ,速度模的估计误差为 10m/s .卫星的实测数据仿真结果表明 ,该导航算法具有较好的稳定性和收敛性 ,克服了扩展Kalman滤波算法的发散问题     

一种高斯色噪声混响背景的宽带信号检测算法

针对由正反线性调频信号和双曲调频信号产生的宽带混响,研究了以局部平稳高斯色噪声混响模型为基础的分段匹配滤波检测算法。对匹配滤波器采用分段预白化处理,对数据进行合理分段后,对每段数据按高斯色噪声背景下的最佳检测器,即对匹配滤波检测器进行预白化处理,则可以得到分段预白化匹配滤波检测器。仿真试验实现了对混响数据下的宽带信号检测。结果表明采用分段匹配滤波器和分段预白化滤波器可以在低信混比下检测信号,其中分段预白化匹配滤波算法可以有效检测满足局部平稳高斯色噪声背景下的回波信号,且性能优于分段匹配滤波器。     

微光图象时空噪声处理理论与技术研究

该文以研制出的微光ＣＣＤ电视系统为实验研究对象，在系统研究了微光图象特征及其噪声特性的基础上，建立了同时考虑时间域噪声与空间域噪声的微光图象噪声理论模型。研制了微光图象处理实验系统，在理论模型的指导下，提出并发展了时间域帧间比较去噪法和空间自适应众值滤波法这２种新型的微光图象噪声处理技术，并对微光图象进行了时空域组合噪声抑制处理。文末对处理前后图象进行了测试与分析评价。     

带相关噪声的观测融合稳态Kalman滤波算法及其最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(wLs)法提出了一种加权观测融合稳态Kalman滤波算法,并基于信息滤波器证明了它同集中式观测融合稳态Kalman滤波算法功能的等价性.因而,它具有渐近全局最优性,且可减少计算负担.一个跟踪系统数值仿真例子验证了它的功能等价性.     

径向速度测量在Kalman滤波中的应用

研究一种把径向速度测量引入Kalman滤波的新方法.在分析传感器噪声特性以及测量方程结构的基础上,提出优先处理位置测量数据,然后利用位置矢量的滤波值改进对径向速度测量方程的伪线性表述,从而得到一种序贯处理、伪线性结构的滤波算法.从理论上分析了该算法的稳定性.蒙特卡洛仿真说明该算法不仅克服了推广Kalman滤波(EKF)暂态性能差的缺陷,而且其稳态性能也略优于EKF.     

针对荧光图象的自适应模糊增强算法

针对在紫外线激发下的荧光图象，详细分析了其噪声模型，并利用信号检测理论得出了最佳门限的选取方法，同时提出了一种自适应的模糊对比度增强算子，从而使强噪声荧光图象的噪声削弱，图象增强．通过实验证明，基于模糊集的图象自适应增强算法的物理概念清晰，实现容易，对于荧光图象有较好的处理效果．最后通过对模糊度的比较，在理论上验证了算法的有效性．     

分莆技术在彩色纹理分割中的应用

应用分形技术,对彩色图象的纹理分割问题进行了探讨,为了有效地描述彩色纹理特征,我们利用图象中的色彩信息。通过象素的色彩曲面之间的体积值和单种色彩分量值进行分析,获得相应的分形特征,继而动用中值滤波技术和非监督聚算法对特征图象进行分割、实验发形技术进行彩色纹理分割是非常有效的。     

基于Wiener自适应滤波算法在语音信号去噪中的研究

主要研究基于Wiener自适应滤波LMS算法与RLS算法在语音信号去噪中的应用。对语音信号与噪声在相关和不相关、平稳和不平稳这四种情况下,分别采用RLS和LMS算法对语音信号进行去噪分析。研究发现,不管信号与噪声处于上面四种情况的任何一种,RLS算法比较优越,而且在处理相关和非平稳的情况下优势更大;对于不相关和平稳的情况,LMS算法的效果较好。     

DS-CDMA盲多用户检测算法性能实验研究

针对CDMA下行链路仅知道目标用户自身扩频码这一情形,通过仿真实验对恒模、最小输出能量、递归最小二乘、Kalman滤波以及基于独立分量分析这几种线性和非线性盲多用户检测算法的误码率和信干比进行了性能比较和讨论.实验证明,基于独立分量分析的盲多用户检测算法具有较好的性能.为对算法工程实现提供具体的参考,本文对各算法的计算复杂度进行了分析.     

多尺度分解下的自适应滤波器组的构建方法

通过分析自适应滤波和小波变换的多尺度分解滤波的原理与方法,建立了非平稳信号的多尺度分解下自适应滤波器组的构建模型和滤波方法.将小波变换分离出来的噪声成分作为自适应滤波器的输入,通过自适应滤波器组,能实现多种噪声成分的自适应滤波.通过模型验证和工程实例的应用,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计.通过自适应滤波器组,能同时实现对多种噪声成分的最佳滤波,具有优良的滤波性能.     

一种有效去除椒盐噪声的开关中值滤波器

图像去噪追求的目的是既能去除图像中的噪声,同时又能较完整的保持图像的细节信息。在研究几种基于中值的椒盐噪声去除方法基础上,设计了一种有效去除图像椒盐噪声的开关中值滤波器。提出的算法首先利用图像灰度值的两个极值把像素点分为信号点和可能噪声点。在滤波阶段,对于信号点保持其灰度值不变,对于可能噪声点分两步进行处理:根据噪声密度决定滤波窗口尺寸并判断滤波窗口内是否包含信号点,如果无信号点则以窗口内像素的中值作为可能噪声点的恢复值,这一步可对误判噪声点进行纠正;而其余可能噪声点采用极值舍弃滤波和递归滤波估计其灰度值,滤波窗口尺寸固定为3×3,这一步用来去除噪声和保持图像细节。实验结果表明,本文算法在主客观方面都优于相比较的方法,且对不同水平的椒盐噪声都具有较好的去除性能。     

一个新的实时图象增强器

本文阐述了一种采用象素增量法的瞬态滤波技术的实时图象增强器,导出了该增强器的数学模型,分析了它的电路原理。实验结果表明,该图象增强器能大幅度提高信噪比,改善图象质量。     

复杂信号环境下的鲁棒卡尔曼滤波算法

该文提出一种有效减小全球导航卫星系统接收机在复杂信号环境下定位误差的鲁棒卡尔曼滤波算法。该算法对基于高斯白噪声模型的传统Kalman进行了改进,引入了污染分布,并提出了一种基于加权组合正态分布模型下的滤波算法。同时利用矩估计理论对算法中的污染率给出了一种在线估计方法。通过模拟数据和真实采集信号的测试证明,本文提出的算法可在线对污染率进行准确稳定的估计,抑制粗差的效果明显优于传统Kalman滤波算法,定位误差显著减小。     

基于Kalman滤波的目标轨迹预测

Kalman滤波器在各个领域都有广泛的应用,如航天器的轨道计算、雷达目标跟踪、生产过程的自动控制等．卡尔曼滤波器在机动目标跟踪中具有良好的性能,它是一种最佳估计并能够进行递推计算．但以Kalman滤波方法预测的过程需要对目标的运动方程有准确了解而且要求系统的过程与测量噪声为高斯噪声且相互独立,这在实时跟踪过程中都是很难满足的．本文利用基于Matlab编程的Kalman滤波改进算法实现目标预测跟踪,并绘出目标质心轨迹坐标．     

无参考输入的双话筒噪声抵消

介绍了一种双通道的噪声抵消系统 .传统的频谱减法的语音增强需要预先知道噪声的特性 .但是 ,噪声的平稳性和可分离性在许多实际应用场合都无法满足要求 .提出采用两路话筒输入 ,以便动态获得噪声频谱的方法 .采用自适应校正滤波的同步算法 ,利用语音信号的相关性同步两路信号中的语音 ,通过抵消其中的语音成分获得噪声的频谱特性 .实验证明该方法能够获得很好的同步效果 .在获得噪声频谱的基础上用频谱减和维纳滤波两种方法进行了噪声抵消的对比实验 .对 0dB信噪比输入的信号可以获得约 9dB信噪比的提高 .用维纳滤波处理后的语音比频谱减法残留较低的“音乐声” .在非平稳条件下对噪声仍具有一定的跟踪能力