基于Kalman滤波的信号多尺度估计

系统地推导了信号基于Kalman滤波多尺度估值算法，并用实例验证了该方法滤波的有效性．     

基于Kalman滤波算法角度测量信号融合技术研究

针对车载激光通信转台姿态角控制中陀螺仪传感器存在漂移误差等问题,提出了以陀螺仪传感器和加速度传感器作为测量元件对车载转台的姿态角进行测量的方法,并在MATLAB软件平台上建立卡尔曼滤波器将传感器采集的信号进行融合,以加速度传感器输出的姿态角信息对陀螺仪测量的姿态角进行修正、补偿,以提高姿态角测量的精度。通过建立试验系统完成测试,结果表明：应用Kalman滤波算法对陀螺仪和加速度传感器信号进行融合后,有效地减小姿态角的测量误差,为准确获得转台姿态角信息提供了理论依据。     

基于GPS/INS的自适应无迹Kalman滤波算法

载体的姿态参数是导航系统重要的影响因素,为提高姿态角测量精度,以INS和GPS紧组合导航系统为研究背景,针对无迹Kalman滤波算法对误差模型较敏感、新息噪声干扰数据需预处理、算法实效性低等缺点,提出改进的自适应无迹Kalman滤波算法.首先,用自适应窗口在线估计系统噪声和量测噪声的协方差值,得到与实际噪声更贴近的统计特性,减小数据预处理的干扰;其次,对状态预测方差阵引入次优渐消因子减少计算量,同时为了减少模型的精度损耗,对滤波过程引入统计量,确定模型不确定性检测阈值;最后,用扩展Kalman滤波、无迹Kalman滤波和改进后的新滤波算法对无人机航向轨迹进行数据处理.结果分析可得,改进的滤波融合算法能将姿态的测量精度提高到0.1°,具有更强的收敛性,能较好地抑制漂移误差.     

基于Kalman滤波的MEMS陀螺仪滤波算法

针对MEMS陀螺仪精度不高、随机噪声复杂的问题,研究了某MEMS陀螺仪的随机漂移模型.应用时间序列分析方法,采用AR(1)模型对经过预处理的MEMS陀螺仪测量数据噪声进行建模,进而基于该AR模型并采用状态扩增法设计Kalman滤波器.速率试验和摇摆试验仿真结果表明,在静态和恒定角速率条件下,采用该算法滤波后的MEMS陀螺仪的误差均值和标准差都比滤波前有了明显的降低.针对摇摆基座下该算法随摆动幅度的增大效果变差的问题,从提高采样率和选择自适应Kalman滤波2个方面对算法进行改进.仿真结果表明,2种方法都能改善滤波效果,然而考虑到系统采样频率和CPU计算速度的限制,自适应滤波有更高的实用性.     

基于遗传模拟退火算法的压缩感知重构方法

将压缩感知的信号重构归结为求解最优l0范数问题,设计了基于遗传模拟退火算法的压缩感知信号重构方法,构造了该信号重构方法的具体算法流程.提出的信号重构方法采用遗传迭代与模拟退火的思想进行问题优化,可精确重构出原信号,避免了遗传算法局部搜索能力差的缺陷.将该信号重构方法应用于一维信号和二维图像信号,实验结果验证了该重构方法的可行性和有效性.与基于遗传算法、卡通-纹理分解的信号重构方法相比,提出的信号重构方法的信号重构精度较高.     

基于改进无迹Kalman滤波的小波网络算法及其应用

无迹Kalman滤波（UKF）是无迹变换（UT）和标准Kalman滤波的结合,对非线性系统具有出色的估计性能,使用UKF估计小波网络参数,速度快,精度高,无需求导计算Jacobian矩阵,但其计算量偏大.基于此,本文考虑引入一种改进的UKF来估计小波网络的参数,以提高训练效率.该改进UKF在Kalman滤波体系内应用了一种基于最小偏度单形Sigma点采样策略的UT,它继承了UKF的优点,并显著提升了计算效率.仿真结果表明,相对于EKF,采用改进UKF算法训练小波网络,速度更快,精度更高;计算精度与UKF相当,但计算效率较之更高.     

压缩感知中四种贪婪类算法重构信号性能研究

鉴于贪婪类算法是压缩感知(CS)信号重构中应用最为广泛的一类算法,对该类中最典型的四种算法进行了综合比较与分析.首先从理论上对四种算法进行了分析,比较了四种算法之间的关系,分别给出了相应的实现过程;然后给出了综合衡量CS重构算法的指标,根据指标全面地比较了四种算法的性能.根据理论分析结果和仿真结果,给出了相应的结论.     

基于Kalman滤波的GPS-IR反演土壤湿度研究

针对多路径反射分量中同时包含多种地表参数和噪声,难以准确提取卫星反射信号有效参数的问题,利用卡尔曼滤波对观测信号中的干扰进行削弱,以获取准确的卫星反射信号,用线性回归模型反演土壤湿度.经理论和实验研究表明,本文方法能够更为精确地反映测站周围土壤湿度的变化,有效改善了部分异常跳变现象,相比传统方法相关性提高18.1％.     

基于改进Snake模型与Kalman滤波的目标跟踪算法

在基于改进Snake模型的基础上,结合Kalman滤波进行运动预测,提出了跟踪运动物体轮廓的一种方法.在物体轮廓的提取方面,将MINIMAX准则应用于参数的自动选取,对霍夫变换进行改进使其能应用于Snake初始轮廓的自动选取,对动态规划算法进行改进使其应用于Snake模型,使其有更好的收敛效果.并采用Kalman滤波器预测物体的运动轨迹,实现在视频摄像中运动物体的有效跟踪.     

Kalman滤波语音增强算法的参数估计与实现

针对Kalman滤波语音增强算法的参数估计及实现问题,提出基于协作式的新型递归神经网络方法.该方法通过协作式递归神经网络算法进行自回归AR参数估计,并利用有噪自回归信号的最小均方算法进行噪声方差参数估计.仿真实验表明,综合以上2种参数估计方法的Kalman滤波语音增强算法具有高效、实现简单的特点,消噪效果明显.     

基于双层改进无迹卡尔曼的曲轴信号修正算法

对发动机曲轴信号的精确识别是控制发动机喷油时刻及相位识别的重要方法,在发动机实际工作状态中,曲轴干扰信号会降低发动机相位识别及喷油时刻的准确性.提出了针对发动机曲轴信号的双层改进无迹卡尔曼滤波DLIUKF(Double Layer Improve Unscented Kalman Filter)修正算法,低层利用采样策略逼近非线性分布的方法对曲轴转角和曲轴齿下降沿脉宽进行预测,后通过高层无迹卡尔曼滤波算法对曲轴平均转速进行最优化估计,该方法用于对发动机曲轴原始信号的干扰信号去除及提高曲轴齿计数值的准确性.结果表明,在仿真实验中,双层改进无迹卡尔曼滤波(DLIUKF)修正算法相较原始信号故障率下降17.8％,抗干扰信号能力较强,与EKF(Extended Kalman Filtering)拓展卡尔曼滤波相比逻辑判断时间下降了1.31 s.通过台架实验证明双层改进无迹卡尔曼滤波(DLIUKF)修正算法能有效消除发动机曲轴干扰信号,其优越的抗干扰能力,提高了发动机运行稳定性.     

基于卡尔曼滤波算法的改进测频算法

分析了经典卡尔曼以及其相关的改进算法的跟踪特性,提出了一种利用拉格朗日线性插值的电压过零点法测得电网频率,再经过改进卡尔曼滤波得到高精度频率的测频算法,具有实时、快速跟踪的特点,且频率测量精确度高.最后通过Matlab软件进行实例仿真,验证了该改进算法的可行性.     

基于Kalman滤波器的运动目标跟踪算法

运动目标跟踪是计算机视觉中的一个典型问题,如何能准确快速的跟踪目标是研究的关键。提出了Kalman滤波器结合Camshift的改进算法。首先选取一段视频图像序列,通过背景差分法快速检测出运动目标,初始化搜索窗口,用Kalmam滤波器预测目标位置,再用Camshift迭代算法计算目标最优的位置,将结果作为Kalman滤波器进行下一次预测的估计值。实验表明,当目标被严重遮挡或受到同色背景干扰时,本算法仍能快速准确的跟踪运动目标。     

Target Tracking Algorithm Based on Meanshift and Kalman Filter

Directed at the problem of occlusion in target tracking, a new improved algorithm based on the Meanshift algorithm and Kalman filter is proposed. The algorithm effectively combines the Meanshift algorithm with the Kalman filtering algorithm to determine the position of the target centroid and subsequently adjust the current search window adaptively according to the target centroid position and the previous frame search window boundary. The derived search window is more closely matched to the location of the target, which improves the accuracy and reliability of tracking. The environmental influence and other influencing factors on the algorithm are also reduced. Through comparison and analysis of the experiments, the modified algorithm demonstrates good stability and adaptability, and can effectively solve the problem of large area occlusion and similar interference.     

基于改进的三帧差和卡尔曼滤波的车辆检测方法

针对卡尔曼滤波方法在车辆检测中存在背景更新参数固定、背景建模实时性较差的问题,提出了三帧差法与自适应卡尔曼滤波算法相结合的运动车辆检测方法.先采用三帧差法快速提取车辆运动区域,再采用高斯分布确定背景更新参数,同时更新背景模型,最后将两者得到的图像相减得到最终检测结果.实验结果表明,该算法的背景更新速度较快,运动目标提取效果较好.     

基于扩展卡尔曼滤波的信号转导网络参数估计

针对细胞信号转导网络的数学模型结构复杂、强非线性以及实验测量数据存在极大不确定性的特点,采用扩展卡尔曼滤波技术,将模型参数作为随机过程的状态估计量,构造相应的卡尔曼滤波方程进行参数估计.以肿瘤坏死因子诱导的核转录因子κB信号转导网络为例,对系统模型的未知参数进行辨识.结果表明该方法能够从噪声数据中提取有效信号,从而有效地识别参数,为解决复杂信号转导通路参数辨识中的不确定性问题提供了可靠的理论方法.     

基于Kalman滤波的红外弱小目标检测前跟踪算法

红外弱小目标检测跟踪问题具有重要的军事意义和广阔的应用前景,检测前跟踪算法是解决这一问题的有效途径。提出了一种基于Kalman滤波的检测前跟踪算法：首先对红外图像进行形态学top-hat算子滤波预处理;然后利用恒虚警率阈值提取单帧候选目标,并利用目标灰度模板进行灰度核密度估计,初步剔除大部分虚假目标,累积处理若干帧后,利用Kalman滤波器筛选出最优轨迹;最后依据一定的判断准则从当前帧候选目标中提取出真实目标。与一种典型的基于管道滤波的算法进行对比,仿真实验结果表明,该算法对目标运动速度和信噪比的变化有较强的适应能力,同时能用于目标遮挡或消失等情况。     

Kalman滤波算法在自平衡机器人中的应用

针对两轮自平衡机器人系统的单一惯性传感器采集数据不够准确,且极易受到外界噪声信号的干扰的问题,提出了基于片上可编程系统的卡尔曼滤波算法来实现多惯性传感器的数据融合系统.介绍了卡尔曼滤波器的基本原理、特点和应用环境.利用FPGA控制器的硬件可重构特性,搭建了Nios软核处理器的SOPC系统硬件平台,在硬件平台上采用C语言实现多姿态传感器的卡尔曼滤波算法,为两轮自平衡机器人的多传感器姿态数据融合提供了有效工具,获得了自平衡机器人姿态数据的最优估计,解决了陀螺仪和加速度计惯性传感器的数据补偿问题.测试结果表明,采用FPGA硬件平台实现卡尔曼滤波算法效率高,姿态数据融合准确、可靠,能够满足自平衡机器人控制系统的姿态最优估计和倾角数据实时反馈要求,系统工作稳定.     

基于Kalman滤波器和遗传算法的参数估计方法

提出了一种基于Kalman滤波器和遗传算法的系统参数估计方法,可以对带测量噪声和过程噪声的线性系统中的未知参数进行有效估计。理论分析和数据仿真表明,此方法能较好地处理已知数据中的噪声,并且能应用于系统未知参数存在较复杂关联的情况。