带未知时变噪声的非线性系统卡尔曼滤波器算法研究

针对带有未知时变噪声的非线性系统的状态估计问题，详细研究了基于有限差分和未知时变噪声估计器的扩展Kalman滤波器算法。仿真结果发现，该算法具有滤波精度高，数值计算稳定等优点，但系统状态估计对初始误差较敏感。     

基于802.16d的OFDM导频信道估计

以基于导频的信道估计展开研究。首先总结一般无线信道的多径时变统计特性,给出SUI-3信道模型的仿真实现。在此基础上,研究现有的块状导频插入方式下信道估计算法的原理和性能。基于Alamouti空时编码方案,构建1种具有2个发射天线和1个接收天线的时-频空时编码的正交频分复用(OFDM)系统,提出适用于虚载波系统的基于DFT变换的信道估计算法。该方法利用DFT迭代算法来重构虚载波的频域信道状态信息,通过时域滤波方法来抑制噪声。仿真结果表明：该算法实现了良好的信道估计性能,有效可行。     

一种新的基于分布式压缩感知的时变稀疏信道估计

对OFDM（Orthogonal Frequency Division Multiplexing）系统中快时变稀疏信道估计进行了研究,采用CE-BEM模型（Complex Exponential-Basis Expansion Model）对时变信道进行建模。由于信道是稀疏的,所以对应的CE-BEM基的系数也是稀疏的,由此将估计信道的抽头响应问题转化为求解稀疏CE-BEM系数的问题。针对现实稀疏度未知的场景,提出了一种稀疏度自适应的分布式压缩感知（Distributed Compressive Sensing,DCS）算法。考虑到导频放置对性能影响的重要性,提出了一种新的放置方式。仿真结果表明,本文算法有效地提升了估计性能。     

基于观测噪声实时估计的卡尔曼滤波车窗防夹系统研究

卡尔曼滤波可有效解决电机参数变化对车窗防夹控制性能的影响。然而,由于观测噪声往往是未知并且随时间变化,这对基于卡尔曼滤波的车窗防夹控制系统性能有着重要的影响。本文利用小波变换可以对信号和噪声进行分离的特性,提出了一种基于观测噪声实时估计的电动车窗防夹控制方法。在Matlab环境下进行了建模和仿真,结果表明本文算法可以有效实现对观测噪声的实时估计,在不同的噪声条件下都达到了较好的控制效果。     

按段多重Chebyshev多项式系及其应用 Ⅱ.用于时变双线性系统分析和参数辨识

利用PMCP研究时变双线性系统状态分析和参数估计问题,获得了简单、快速、高精度的递推计算算法。数值例子表明,采用本文提供的算法进行系统的状态计算和参数估计,所得计算结果显著优于由一般正交多项式系所导出的算法。     

基于UKF的参数和状态联合估计

对于因模型参数失配造成的非线性系统状态估计不准确现象,采用基于不敏卡尔曼滤波（UKF）的参数和状态联合估计方法,即将未知模型参数和状态组成增广的状态向量,用UKF同时获得参数和状态估计值。通过一个离散非线性随机系统的蒙特卡洛仿真,总结滤波器参数对联合估计器性能的影响及参数选择规律。最后将该方法应用于一个典型的化工反应过程,获得了较好的效果。     

基于SVR插值的FBMC系统时变信道估计

与正交频分复用（OFDM）技术不同,5G候选技术之一的滤波器组多载波（FBMC）技术由于添加了原型滤波器的设计,各个载波之间不需要完全正交,也不需要插入循环前缀作为保护等操作。然而由于引入了固有的虚部干扰,相应的信道估计也更复杂。良好的信道估计和插值算法对于时刻跟踪时变信道响应的变化是十分必要的。本文提出了一种基于SVR插值的FBMC时变信道估计方法,采用辅助导频消除FBMC系统的虚部干扰,然后基于SVR进行时变信道插值。该算法利用已知的导频符号,在存在传输衰落及非线性噪声的情况下,使用SVR回归拟合估计信道响应系数。在仿真中,将信道矢量建模为单径慢时变瑞利衰落信道。结果表明,与传统算法相比,该方法在运算效率损失不大的情况下,对FBMC信道估计的效果有极大的改善,估计精度更高。     

块脉冲算子及其在控制理论中的应用(Ⅱ)——非线性时变系统中时变参数的递推辨识

本文利用(Ⅰ)中所提出的块脉冲算子,来讨论非线性时变系统中时变参数的辨识问题。以两类典型的系统(双线性时变系统和多项式时变系统)为例,分别给出了时变参数的递推辨识算法及计算机模拟结果。这种算法计算简便、精度较高。本文并进一步概括出应用这种方法去获得一般非线性时变系统参数辨识算法所应遵循的步骤,为获得更广泛的非线性时变系统的参数辨识算法,提供了新的途径。     

基于非线性滤波的移动机器人位姿估计

研究了基于扩展卡尔曼滤波和粒子滤波的移动机器人位姿估计。由于扩展卡尔曼滤波必须假定噪声服从高斯分布,若用于复杂非线性系统,其估计精度不甚理想。粒子滤波对噪声类型没有限制,正在成为非线性系统状态估计的有效近似方法。在不同噪声条件下,对基于粒子滤波和扩展卡尔曼滤波的移动机器人位姿估计问题进行了比较研究。仿真结果表明:粒子滤波能明显地改善移动机器人位姿估计的鲁棒性和精度。     

基于伪阻抗学习的神经网络状态估计方法

针对反向传播算法收敛速度慢，且常收敛于局部极小值的缺陷，讨论了伪阻抗学习算法；并利用神经网络的学习能力和非线性特性，讨论了非线性动态系统的状态估计方法。     

基于Cauchy鲁棒函数的UKF改进算法

对于大多数实际系统,其噪声统计特性未知,不敏卡尔曼滤波(unscented Kalman filter,UKF)算法对噪声信息不准的鲁棒性较差,导致滤波精度急剧下降,甚至滤波发散。借助鲁棒数据校正的思想,提出了一种基于Cauchy鲁棒函数的UKF改进算法。以UKF的测量先验值与其实际值的残差作为基准,采用联合权函数对噪声估计值进行实时修正,从而提高了UKF算法的精度。通过两个实例的仿真,验证该算法的有效性。     

无线传感器网络在气体源预估定位中的应用

基于气体污染源浓度衰减模型,分别采用极大似然预估算法(M LE)、非线性最小二乘算法(NLS)对气体污染源定位进行了研究。仿真实验对比了两种算法在不同的传感器节点以及背景噪声情况下对预估定位误差的影响。结果表明:当环境背景噪声较小时,NLS可以得到比M LE算法更精确的预估结果。当环境背景噪声较大时,M LE算法比NLS算法有着更强的鲁棒性。     

一种基于噪声分类的语音增强方法

为了提高噪声估计的准确性,改进语音增强方法性能,在改进的最小控制递归平均算法（Improved Minima Controlled Recursive Averaging, IMCRA）的基础上提出了一种基于噪声分类的语音增强方法。该方法首先对含噪语音进行噪声类型的判断,然后根据判定的噪声类型选取相应的最优参数进行噪声估计,最后采用最优修正的对数谱幅度语音估计计算增强后的语音。该方法相对于传统IMCRA算法,在语音信号的还原和背景噪声的抑制两方面都有较好的性能。     

一种改进的FCM多分辨率图像分割算法及其应用

提出了一种改进的模糊C均值聚类多分辨率图像分割算法,该算法利用像点的邻域信息对像点的模糊隶属度函数进行修正。实验证明:该算法具有对噪声不敏感的优点,在进行图像分割,特别是对含噪图像进行分割时能获得较好的效果。     

一种基于Bark域能量分布的噪声分类方法

对不同种类噪声的分类处理,可以提高噪声环境下语音信号处理的性能。为了能够准确地区分各类噪声,提出了一种基于Bark域噪声能量分布特性的噪声分类方法。通过将噪声能量从均匀时频空间映射到Bark空间,构造了一个能够有效区分各种噪声的22维特征向量,并使用支持向量机（SVM）进行模型训练和噪声分类。实验结果表明：所提出的噪声分类方法具有非常高的分类准确率,对用于实验的两种噪声数据集的平均分类准确率分别为99.50%和93.44%。     

基于小波分析的变频调速电动机运行噪声-负载特性

分析了交-交变频器输出电压、电流和时间谐波磁势的谐波族特征,指出了该特征对电动机运行噪声的影响。提出了一种改进M allat算法,并运用该算法对运行噪声进行了小波分析。该算法的计算量和占用的存储空间较标准M allat算法均减少了49.6%。同时,运用基于小波分析的频带能量法提取运行噪声的特征。经实验验证:电动机负载增加,运行噪声的86~172H z频带能量呈现一致性增加,该频带能量可以作为反映负载变化的主要特征。     

Lung sounds auscultation technology based on ANC-ICA algorithm in high battlefield noise environment

AIM:To explore the more accurate lung sounds auscultaton technology in high battlefield noise environment.METHODS:In this study,we restrain high background noise using a new method-adaptive noise canceling based on independent component analysis(ANC-ICA),the method,by incorporating both second-order and higher-order statistics can remove noise components of the primary input signal based on statistical independence,RESULTS: The algorithm retained the local feature of lung sounds while eliminating high background noise,and performed more effectively than the conventional LMS algorithm.CONCLUSION:This method can cancel high battlefield noise of lung sounds effectively thus can help diagnose lung disease more accurately.     

基于噪声相关性的惩罚加权最小二乘算法在低剂量数字乳腺层析成像中的应用

目的对投影数据方差的精确建模并结合DBT平板探测系统的噪声相关性构建精准噪声模型下的基于噪声相关性的惩 罚加权最小二乘算法在低剂量乳腺层析成像图像中的应用。方法首先对投影数据进行量子噪声和电子噪声建模,使以往常用 的近似噪声模型精准化,然后构建基于噪声相关性的惩罚加权最小二乘算法用于投影数据恢复;最后对处理后的投影数据采用 滤波反投影算法进行重建。结果对不同剂量下ACR标准体模数据进行处理得到的重建结果噪声明显降低,细节对比度提 高。恢复投影数据的重建图像与原始数据重建图像相比,CNRs和LSNRs提升了约3.6倍。结论对投影数据噪声抑制效果明 显,重建DBT图像质量有很大的提升。