基于边缘方向改进的自适应窗口Lee滤波算法

为克服自适应窗口Lee滤波算法对图像边缘方向不敏感的弊端,提出了一种改进方法。其基本思路是先对图像纹理区进行分类,然后在方向上使用改进的四向模板获取方向窗口,分别对不同的方向使用不同的窗口增长方式对图像进行滤波。实验表明,改进后的算法相比传统算法在有效去除噪点的同时保存了大量的边缘与细节信息。     

输电杆塔的结构设计分析

结合输电杆塔计算机分析现状,介绍一种计算机有限元分析方法,其前处理简单,能处理多种塔型,且能自动组材     

一种基于极值的自适应中值滤波改进算法

提出了一种基于极值的自适应中值滤波改进算法,该方法可以有效地保护图像细节,并去除图像中的椒盐噪声.首先利用椒盐噪声的分布给出疑似噪声的判断标准,然后根据噪声密度自适应地确定滤波窗口大小,再采用一种新的算法进行滤波,最后将本算法与其他几种滤波算法进行对比,实验结果表明,本算法优于其他中值滤波算法.     

基于改进LMS自适应滤波的局部放电噪声抑制方法

为了解决局部放电测量现场中信号淹没在周期性窄带干扰中的问题,文中提出一种应用于变压器局部放电在线监测系统的改进变步长最小均方(least mean square, LMS)自适应滤波算法,通过构造一个新型滤波函数结合实际情况中AD芯片量程自适应调整步长,解决了传统LMS算法需要阶数和步长匹配、收敛性差、容易发散的缺点。通过改变滤波器阶数和参考信号时延,分析改进算法收敛速度及稳态误差,并对测试中发现时延为0的特殊情况进行了讨论分析,为高信噪比自适应滤波器设计提供了参考。改变新方法初始迭代步长同传统固定步长LMS算法的迭代过程进行了仿真对比,证明了新方法具有收敛速度快、不易发散的优点。最后,通过实验室搭建的变压器局放在线监测装置,对比分析了实测数据下传统LMS算法与本文算法的不同效果,通过对信噪比(SNR)、均方误差(MSE)和波形相似系数(NCC)三种指标对比,验证了新方法的优越性。     

自适应滤波算法的一个改进方案

本文提出了LMS算法的一个改进方案。该方案可在收敛速度与稳态误调噪声间作出折衷。理论分析及模拟结果证明了该方法的优良性能。     

基于VC++的常规输电杆塔荷载计算软件系统

在常规的输电线路杆塔设计工作中，必须对杆塔塔头荷载进行认真地分析和计算．根据杆塔荷载组合原则，分别计算各种不同荷载组合情况下，塔头上的外部荷载．荷载计算公式复杂，涉及参数多，用计算机实现复杂计算是完全必要的．本文较为详细地分析了输电杆塔荷载计算的编程过程和数据、图形的处理方法，开发设计出一个完整的杆塔荷载计算软件．使用本软件不仅能完成复杂的荷载计算，而且计算准确、工作效率高．     

基于LMS算法的图像自适应滤波方法研究

在图象处理工作中,为了免除噪声的干扰,需要对图像进行预处理。本论文对现有的图像滤波方法与LMS算法进行了介绍,并针对目前的基于LMS的自适应滤波方法进行了介绍和研究。     

基于全相位算法的自适应滤波算法

为减小实时信号的自适应处理时间,改善系统性能,在全相位数据空间概念的基础上,提出一种全相位自适应信号处理方法,并通过仿真对该算法在不同原始信号、不同噪声干扰的情况下进行了性能分析．在对该算法和经典的自适应算法在不同原始信号、不同噪声干扰的情况下进行了性能对比之后,提出了该算法的改进方案来改进输入信噪比小于0时的性能．结果表明,改进方案的输出误差性能达到甚至优于理想状态下的经典自适应算法, 从而验证了该算法及其改进方案的可行性和优越性．     

基于改进自适应无迹卡尔曼滤波的国产民机导航数据滤波算法

针对国产民用飞机导航数据存在杂波不能准确测量的问题,提出一种基于改进自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法的导航数据滤波方法。将无迹卡尔曼滤波(unscented Kalman filter,UKF)与改进Sage-Husa次优无偏极大后验噪声估计器结合构造出改进AUKF,有效解决了在模型不确定或干扰信号统计特性不完全得知的情况下,滤波精度低甚至发散的问题,同时与维纳滤波器和小波阈值法滤波效果进行对比。选择ARJ21飞机实际运行的高度、经度及纬度数据进行仿真,结果表明：改进后的AUKF算法较其他滤波算法精度更高,有效提高了导航数据的可靠性。研究对提高国产民机导航定位精度具有重要意义。     

改进的自适应均值滤波算法及应用

燃煤锅炉的燃烧过程复杂且不稳定,监视系统的图像可能受到各种噪声的干扰,针对此问题,提出一种改进的自适应均值滤波算法。此算法利用自适应阈值和图像的全局统计特性对滤波系数加以优化。实验结果表明,该方法可以更有效地减少噪声,并可以保护图像的边缘信息。由于阈值选取具有自适应性,可推广应用到其它去噪领域。     

当前统计模型自适应滤波算法改进

由于"当前"统计模型自适应滤波算法对于最大加速度的过分依赖,使其对于弱机动目标并不具有较高的跟踪精度,基于"当前"统计模型自适应滤波算法的研究及目标跟踪性能的分析,提出了将目标的机动状态划分为强机动和弱机动,当目标在作弱机动运动时,可通过修正最大加速度来提高跟踪精度,分别针对常速、常加速、弱变加速三种弱机动情况进行了数学仿真,仿真结果表明,通过修正最大加速度的方法,可使该算法对于弱机动目标的跟踪精度大大提高。     

改进的Sage-Husa滤波在精确空投组合导航系统中的应用

精确空投导航系统要求在满足导航精度的前提条件下,尽可能的降低成本。而低成本的组合导航系统在空投过程中受外部空投环境的影响较大,给噪声统计特性的准确描述带来困难。这将导致常规卡尔曼滤波器滤波不稳定甚至发散。为了解决此问题,在对常用的Sage-Husa滤波算法进行了总结和分析的基础上,研究了一种将协方差匹配技术和简化的Sage-Husa滤波技术相结合的自适应滤波算法。最后将该滤波方法应用到精确空投组合导航系统中进行了仿真分析。仿真结果表明此算法能够满足精确空投导航任务的要求,并且具有很好的导航精度和可靠性。     

基于残余噪声能量的自适应杂波抑制方法

基于残余噪声能量的自适应杂波抑制方法无需对目标信号、杂波与噪声的先验统计信息做假设，权向量值由系统设定的残余噪声决定。计算机仿真结果证实了该方法可以有效地抑制杂波与噪声信号。     

一种三相混合电力滤波器控制方法的研究

介绍了由无源滤波器和有源滤波器组合构成的三相混合电力滤波器及其基本工作原理．针对传统控制方法的不足提出了复合控制方法，该方法同时检测负载侧和电网侧谐波电流，相应的控制系数KL、Ks可分别控制，控制KL可控制滤波器的谐波补偿特性，控制Ks可控制滤波器的谐振抑制特性．利用MATLAB进行了仿真研究，然后搭建实验样机进行了实验研究．结果表明，采用复合控制方法时，电网电流谐波含量大大减少，其中含量最多的5次谐波减小为原来的1／10左右．     

基于自适应UKF的锂离子动力电池状态联合估计

针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波(unscented Kalman filter, UKF)框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换(unscented transform,UT)时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态(state of charge,SOC)以及电池健康状态(state of health,SOH)的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.     

基于抗差自适应滤波的高速列车融合测速算法

针对Kalman滤波在高速列车融合测速过程中因观测粗差和动力学模型误差而引起的融合精度下降问题,提出一种基于抗差自适应滤波的高速列车融合测速算法。首先,在Kalman滤波的基础上构建异常检测函数和误差判别统计量,用于检测和区分传感器异常观测导致的观测粗差和动力学模型误差;然后,针对观测粗差和动力学模型误差,分别采用三段式函数和指数函数构造抗差因子和自适应因子,通过2种因子合理调节观测信息和模型信息在状态估计中的权重,从而降低观测粗差和动力学模型误差对融合结果的影响;最后,通过2种运行场景以及算法对比,仿真验证抗差自适应滤波算法性能。仿真结果表明,与基于Kalman滤波的融合测速算法相比,所提出算法无论在观测粗差场景还是在动力学模型误差场景,均具有更高的精度和稳定性。     

一种改进的自适应图像中值滤波方法

针对标准中值滤波方法存在的不足,提出了一种改进的自适应中值滤波方法。该方法用求得的均值自适应代替原噪声图像的灰度值。实验结果表明,与标准中值滤波方法相比,该方法在滤除噪声的同时,保留了图像细节且有较好的信噪比,尤其对含噪声密度高的图像的处理效果优势更为明显。     

组合导航系统中模糊自适应卡尔曼滤波器的设计

为了解决常规卡尔曼滤波法存在的不足,给出了用模糊推理系统与卡尔曼法相结合的方法。该方法通过监视理论残差和实际残差的协方差一致程度,应用模糊系统不断调整滤波器的增益系数,对卡尔曼滤波器进行在线自适应控制,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真,结果表明该方法是有效、实用的。     

基于自适应免疫算法和预测-校正内点法的无功优化

针对电力系统无功优化问题,将自适应免疫算法（adaptive immtme algorithm,AIA）和预测-校正内点法相结合,提出了一种新的混合优化算法．先利用AIA进行大范围全局寻优,找到候选最优点,把它作为内点法的初始可行点,再通过预测-校正内点法在初始可行点的邻域内进行局部的确定性搜索,提高解的精度和速度;在此基础上,根据对偶间隙的变化过程,提出了对中心参数及相应障碍参数的改进选择方法,有效地避免了数值振荡,使计算精度及收敛速度均得到明显改善．将上述方法用于IEEE14节点系统,计算时间为2．0s,优化后网损下降2．27％;而用于IEEE118节点系统,计算时间为322s,优化后网损下降14．29％．这表明本文所提出的算法在计算速度和精度上较其他方法均有明显改进．