超声速运动目标被动声定位算法的后置处理

超声速运动目标在空气中习行时产生激波,前文＾「１」利用激波到达时间提出一种基于波前方向矢量的定位算法,本文着重分析该定位算法的理论估计精度。提出一种基于数据融合的后置处理算法,以提高估计精度。     

被动声定位算法及误差分析

本文主要以任意四元非平面阵为基础建立了六几阵的被动定位阵型,研究和分析了六兀阵的空间定向性能,并详细分析了由六元阵的阵形误差所引起的定位误差,针对这种阵列的误差进行分析与仿真,最后,从仿真结果来分析该模型的定位性能。     

被动声定位的一种时延模型

本文提出了一种应用加权非线性最小二乘算法的时延模型,它相当于在逻辑上增加了阵列尺寸.计算机模拟表明定位精度得到了提高.     

基于多尺度Kalman数据融合滤波

本文通过分析基于小波变换的动态系统模型,提出一种基于小波多尺度的Kalman数据滤波方法,本文利用小波的多尺度特点,把初始估计序列多尺度分解,并在不同尺度层上进行Kalman滤波估计,再利用小波重构来融合各层的估计信息,把标准Kalman滤波只在单一尺度和时间轴上对状态估计值和误差协方差进行数据更新,改进为基于小波变换的尺度轴和时间轴上的双向数据更新,该算法将小波多尺度分解去噪和Kalman滤波相结合,对实际中含较强噪声的动态系统的状态估计效果较好.算法也可用于多分辨率多传感器数据融合.     

超声被动定位的一种新滤波方法

本文以距离几何学为基础，对超声被动定位提出了一种新的滤波方法，理论分析证明，利用这种方法，可以提高定位精度，本文还给出了数值的例子，说明如何使用这种新的滤波方法。     

室内五元十字阵被动声定位

研究了在室内利用五元十字阵实现被动声定位方法.提出了目标象限判断方法,俯仰角修正方法,近距离精度计算修正方法,给出了距离和方位角精度计算表达式以及俯仰角和目标定位精度数值模拟结果.文章在一定条件下做了定位误差仿真,仿真结果表明精度修正计算方法合理有效.在实验室中成功地做了近距离静止小目标精确定位实验.在大约2m的距离内...     

声诱发反应的时变滤波处理

由听觉电生理与电子计算机技术的结合而诞生的电反应测听术,是听力学近十余年的一个重要发展,目前在耳科临床及生理学研究中已得到了广泛的应用。此类方法最大的缺点是速度慢:通常需要百次甚至千次的重复采样和叠加,才能得到一个反应的结果。对叠加效率的提高,不同作者提出了不同的方案,其中有所谓选择性叠加,互相关叠加,计权叠加,潜伏期校准叠加等等,而时变滤波(Time varying filtering)叠加则是较值得探索的技术之一[1—3] 通用的平均叠加仪器或设备都有按诱发电位类型而异的固定通带滤波选择,以期得到降低噪声、使信号清晰的效果。此种…     

基于改进的Kalman滤波的语音增强算法

传统的kalman滤波方法在推导过程中假定观测噪声为白噪声。通常对于有色噪声需要用白噪声激励的方法予以模拟,并且需要以牺牲运算量作为代价。本文提出了一种改进的基于kalman滤波的语音增强算法,可以处理白噪声和有色噪声情况,不需要增加计算量,仿真结果表明了该算法对有色噪声的语音增强性能要优于基于传统kalman滤波方法。     

基于Kalman滤波的气体超声波流量计融合方法

针对气体超声波流量计中多个声道获得的多个流量结果如何融合的问题,提出了基于Kalman滤波的融合方法。把多声道气体超声波流量计看成是若干个单声道流量计的组合,根据每个声道计算结果的统计规律,自动地调整每个声道的流量结果在最终输出中的权重系数,在消耗较小的计算资源情况下,实现对流量结果中异常值的判断和处理,使流量输出更加稳定。在以DSP和FPGA为核心的气体超声流量计信号处理系统上实时实现算法,并进行实流实验。实验结果验证了方法的有效性。     

基于 Kalman滤波理论的运动目标检测新方法

该丈研究了基于Kalman滤波理论的渐消记忆最小二乘法在图像背景重建中的应用,并将它应用在复杂背景的图像序列中,实现对运动目标的自动检测.首先用渐消记忆最小二乘法对复杂背景进行预测和更新,然后把当前帧与预测的背景模板做差分运算,最后采用自适应阈值分割技术实现对目标的自动分割.文中通过对序列图像的仿真,讨论了最小二乘法的存在问题,改进及适用情况,干扰的消除.试验结果表明,该方法具有很强的实用性.     

基于卡尔曼滤波的ABS轮速信号处理

针对实际测得的汽车制动时的轮速信号,分别采用了卡尔曼滤波方法和传统滤波方法进行信号处理。分析表明采用卡尔曼滤波方法处理后的车轮角加速度信号更能真实地反映出汽车ABS系统的工作过程,证明了卡尔曼滤波是一种可用于ABS轮速信号处理的有效手段,因此采用卡尔曼滤波的ABS控制算法可更有效地防止制动时车轮抱死,提高汽车制动时的方向稳定性。     

基于粒子滤波的液态场环境声源定位方法

研究了石油储罐罐底腐蚀声发射源的定位方法.针对有限空间液态场中水声信号的多途效应严重影响声源目标定位问题,提出一种基于粒子滤波的到达时间差(TDOA)声源定位方法,充分考虑广义互相关结果中多途效应导致的多个峰值,采用高斯似然函数进行重要性采样,实现对多途效应影响的抑制.水池实验结果表明这种方法比传统的Chan方法具有更高的定位准确性和精度,定位结果的均方根误差(RMSE)为Chan方法的10%,提高了定位性能.     

Kernel Entropy Based Extended Kalman Filter for GPS Navigation Processing

This paper investigates the kernel entropy based extended Kalman filter (EKF) as the navigation processor for the Global Navigation Satellite Systems (GNSS), such as the Global Positioning System (GPS). The algorithm is effective for dealing with non-Gaussian errors or heavy-tailed (or impulsive) interference errors, such as the multipath. The kernel minimum error entropy (MEE) and maximum correntropy criterion (MCC) based filtering for satellite navigation system is involved for dealing with non-Gaussian errors or heavy-tailed interference errors or outliers of the GPS. The standard EKF method is derived based on minimization of mean square error (MSE) and is optimal only under Gaussian assumption in case the system models are precisely established. The GPS navigation algorithm based on kernel entropy related principles, including the MEE criterion and the MCC will be performed, which is utilized not only for the time-varying adaptation but the outlier type of interference errors. The kernel entropy based design is a new approach using information from higher-order signal statistics. In information theoretic learning (ITL), the entropy principle based measure uses information from higher-order signal statistics and captures more statistical information as compared to MSE. To improve the performance under non-Gaussian environments, the proposed filter which adopts the MEE/MCC as the optimization criterion instead of using the minimum mean square error (MMSE) is utilized for mitigation of the heavy-tailed type of multipath errors. Performance assessment will be carried out to show the effectiveness of the proposed approach for positioning improvement in GPS navigation processing.     

被动相位共轭处理在水声通信中的应用

由于海洋信道的复杂性,要实现可靠的水下声通信,必须进行有效的信道匹配.本文描述了一种能利用信道特性的信道匹配技术-被动相位共轭处理.仿真计算结果表明该技术在水下声通信中有很好的应用前景.     

基于卡尔曼滤波的运动目标速度测量

移动机器人和智能无人驾驶车辆实时测量运动目标速度是实现自主导航的关键问题。提出了基于Kinect摄像机的机器视觉测速方法,利用图像处理技术检测运动目标,使用速度计算公式获取运动目标速度观测值。为提高速度测量精确度,减少环境噪声影响,应用卡尔曼滤波算法估计运动目标速度。试验结果表明,该方法在移动机器人作任意形式运动过程中可以实时方便地测量运动目标的直线速度以及角速度,具有高精确性、稳定性和广泛应用性。     

基于卡尔曼滤波和粒子滤波融合的UWB室内定位算法

基于超宽带(ultra-wideband, UWB)室内定位技术得到了广泛的发展,然而,在LOS(line-of-sight)和NLOS(non-line-of-sight)环境下的UWB的测距信息均存在不同程度的误差,因此,提出了一种改进的卡尔曼滤波算法对UWB原始数据进行平滑处理;之后提出卡尔曼滤波(Kalman filters and particle filters, KPF)和粒子滤波融合的算法。通过卡尔曼滤波得到的状态量和误差协方差进行粒子采样,克服了传统粒子滤波进行粒子采样时的运动学模型与实际运动不相符的缺点,大幅减少了粒子退化的现象。经过实验,该算法在LOS和NLOS环境中的定位精度分别提升了20.6%和15.6%。     

子带自适应回声抵消

1.序言: 出于性能价格比的因素人们一直在探索更好的自适应滤波器结构和算法以实现长阶AEC[1-4].在所研究过的各种滤波器结构中,子带自适应滤波器一直是最具吸引力和有效的.子带自适应滤波器基于"分频带"的概念提高LMs算法收敛性能的方法.降低采样率的操作使其计算量大大减少,而减少的程度依赖于子带的数目和分析、综合滤波器组的特性.最近的发表的工作表明对于长阶AEC的实际应用研究也都着重于这些方面.     

一种基于改进卡尔曼滤波的camshift目标跟踪算法

针对目标跟踪中的突变问题,本文提出一种基于改进卡尔曼预测的camshift(continuously adaptivemean shift)跟踪算法.本算法首先使用一种新的目标颜色模型,对传统目标模型进行改进,提高了目标跟踪的准确性和稳定性;同时为了更有效的预测目标位置,对卡尔曼滤波的一步预测值进行改进,并将修改后的卡尔曼预测算法融入camshift算法中,跟踪中增加采样率.实验表明,与传统camshift算法相比,该算法能够处理目标运动中发生突变的情况,实现对运动目标高精度的跟踪.     

基于卡尔曼滤波的有源噪声自适应逆控制

提出在自适应逆控制建模中,用卡尔曼滤波代替LMS滤波,并对比研究了LMS、RLS、KALMAN三种算法。提出基于滤波-U卡尔曼的自适应逆控制,并将其应用于有源噪声控制中,取得了良好的降噪效果。