基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断

针对涡扇发动机气路部件故障诊断中参数存在不同的噪声统计特性,提出了一种自适应平方根容积卡尔曼滤波(ASRCKF)器的自适应滤波方法.该方法直接利用基于3阶容积积分方法近似发动机的非线性统计特性,用于替代非线性无迹卡尔曼滤波方法的系统模型,避免了滤波过程参数选取的问题;采用移动窗口法对噪声协方差矩阵进行自适应估计,提高了算法对不同统计特性噪声的自适应能力和滤波精度.通过对发动机气路部件健康参数蜕化过程仿真结果表明:ASRCKF方法相比平方根容积卡尔曼滤波(SRCKF)方法,精度提高40%~50%,对不同噪声信号具有更好的适应能力.      

基于相关与小波变换相结合的弱信号检测

针对强噪声背景中的弱信号检测问题,在传统的相关检测方法的基础上,利用小波良好的去噪性能,提出了相关检测与小波变换相结合的弱信号检测方法。仿真结果表明,该方法优于传统的相关检测方法,无须知道有用信号的先验知识和同步信号便可以有效的检测周期性弱信号,并获得更高的输出信噪比。     

基于小波分析的发动机惯性起动失速信号检测方法研究

针对某型涡扇发动机惯性起动失败,利用小波Mallat算法对采集到的风扇和压气机脉动压力信号进行快速高频滤波,通过对滤除高频噪声的信号进行傅里叶频谱分析,准确检测出发动机起动失败时的失速信号。研究结果表明,利用小波分析方法进行失速故障检测简单、直观,具有一定的工程实用价值。     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

基于CCFHTLS算法的异步电动机转子故障检测

定子电流经低通滤波器处理后产生高斯有色噪声,限制了异步电机转子故障检测算法的辨识精度。针对该问题,提出一种抑制高斯有色噪声的异步电机故障检测技术。首先对采集到的定子电流进行预处理,利用逆同步旋转变换剔除基波,避免了直接检测时基波对故障辨识精度的影响。然后利用互相关函数(CCF)处理技术对高斯有色噪声的抑制作用,提出基于CCFHTLS算法的电机转子故障诊断技术。针对异步电机转子断条和偏心故障的识别进行试验,结果表明CCFHTLS算法可以有效抑制高斯有色噪声,并保留故障有用信息,显著地提高了故障检测的分辨率。     

短波地空通信多普勒频移对DTMF信号解码影响

DTMF信号具有优良的抗干扰性能和一定的抗多普勒频移的能力,广泛应用于语音信道的低速数据通信。文中分析了地-空短波通信的多普勒频移、基于Goertzel算法的DTMF信号解码基本原理和基本过程;在语音噪声背景下,基于Goertzel算法,解算了16个频点的信号幅值,对地—空短波通信的多普勒频移对DTMF信号解码性能的影响进行了仿真,得出了在语音和多普勒频移干扰的背景下,信噪比高于9dB时,基本可实现DTMF信号的高可靠检测的结论。     

基于Canny的改进图像边缘检测算法

边缘检测是图像处理领域中最重要的关键技术之一。针对经典边缘检测算法抗椒盐噪声性能较差及阈值选取适应性不强等问题,提出了一种基于Canny的算法架构,结合自适应中值滤波(Adaptive Median Filtering,AMF）、大津法(Otsu）以及最大熵法(Maximum Entropy Method,MEM）的改进图像边缘检测算法。该算法首先结合改进自适应中值滤波对图像降噪,从而在保留图像细节的同时较好地滤除了椒盐噪声干扰。而后利用基于Otsu和MEM提出的改进双阈值选取方法,获取自适应的高低阈值对图像边缘进行检测,边缘检测准确度可以达到96%以上。实验结果表明,本文算法在椒盐噪声干扰下针对背景复杂的图像有更好的边缘检测效果。     

一种基于肌声信号的穿戴式助力系统运动意图检测算法

针对未来深空探测活动中航天员在多种复杂任务环境下的运动助力需求,提出一种面向航天员穿戴式助力系统的运动意图检测算法。以航天员的关节力矩作为运动意图的表征,利用希尔伯特-黄变换对特定肌肉发出的肌声信号进行滤波处理,以消除由肢体运动导致的伪迹噪声和由传感器引入的高频噪声,并参照肌肉的发力原理对滤波后的肌声信号进行特征值提取,通过机器学习的方法建立肌声信号与关节力矩间的映射关系,使助力系统能够及时准确地识别出航天员的运动意图并实施助力。最后募集了3名志愿者进行了150 000组样本数据关节力矩辨识实验,实验结果表明：所提出算法的决定系数可达0.953 2,能够有效辨识航天员的运动意图。     

基于切片熵权的WHT多LFM信号识别方法

为提高在低信噪比与先验信息不足条件下对线性调频(LFM)信号识别能力,借鉴信息论中的熵权法改进WHT(Wigner-Hough Transform),提出了一种基于切片熵权的WHTE(Wigner-Hough Transform based on Entropy)算法。推导出LFM信号的WHT与对应特性,将WHT变换域内极半径和角度切片的熵值来转换为权重因子,进而对每个切片进行加权处理,采用双层权重以弱化噪声与干扰项的影响,并推导出LFM信号与高斯白噪声在WHT维度内不同假设条件下的概率密度分布函数,构建了对于LFM信号WHT后恒虚警检测的完备流程。通过理论分析与公式推导论证了算法的可行性,并与WHT、分数阶傅里叶变换与周期WHT算法的仿真对比,验证了算法的有效性,凸显WHTE算法能够在强噪声背景下与没有先验支撑时实现对LFM信号的良好检测。     

有色噪声作用下的INS/地磁组合导航算法研究

为了克服基本扩展卡尔曼滤波对噪声统计特性的约束,针对地磁测量噪声为有色噪声的特性,基于扩维卡尔曼滤波算法实现了惯性/地磁组合导航算法。分析了分布式组合导航方案的基本原理,在子滤波器观测信息为实测地磁场总强度信息条件下,基于巡航导弹巡航段飞行过程采用基本扩展卡尔曼滤波和扩维卡尔曼滤波算法进行了仿真分析。仿真结果表明,扩维卡尔曼滤波具有较好的稳定性和收敛性,解决了扩展卡尔曼滤波算法的发散问题。     

GPS/INS组合导航系统自适应滤波算法与仿真研究

随着组合导航系统应用环境的日趋复杂，给噪声统计特性的准确描述带来困难，这将造成Kalman滤波器不稳定甚至发散。首先对目前解决此问题常用的自适应滤波方法进行了总结和分析，在此基础上，给出了基于滤波收敛性判据，结合Sage-Husa自适应滤波和强跟踪Kalman滤波的改进自适应滤波算法。最后以GPS／INS组合导航系统为例进行了计算机仿真，结果表明：该算法可有效抑制滤波发散，具有较大范围的自适应能力。     

自适应滤波技术的研究

应用常规卡尔曼滤波器(KF)要求知道系统精确的数学模型和系统噪声与量测噪声的统计特性,才能获得理想的滤波效果,否则可能产生发散现象。人们越来越倾向于利用自适应滤波(AKF)技术来解决发散的问题。针对AKF技术的研究现状,本文探讨一种结构简单、实时性较强、工程上比较实用的AKF算法。仿真结果表明,这种算法具有较强的自适应性,为一种实用而有效的滤波方法。     

适用于矢量接收机的模糊自适应CKF方法研究

卫星导航接收机矢量跟踪环路的核心就是用一个Kalman滤波器将标量接收机的信号跟踪和导航解算一起完成,优点是能够形成通道之间的相互辅助,缺点是也会相互影响。尤其在部分卫星信号被遮挡或者部分通道信号质量较差的环境下,问题通道会影响其他通道,甚至导致矢量跟踪环路滤波器发散,常规的方法是检测故障通道然后将故障通道剔除,这样需要对导航滤波器进行变维操作。针对此问题,提出了一种新的消除问题通道对其他通道影响的方法,同时不需要对导航滤波器进行变维。首先给出了一种标度因子,用来判断通道是否存在故障通道,然后给出一种利用模糊控制的导航滤波器自适应调整方法。仿真表明,在通道卫星信号被频繁遮挡的极端情况,矢量接收机依旧能保持正常的导航精度,并没有明显受到误差通道的影响,同时避免了对导航滤波器进行变维操作。     

A new adaptive Kalman filter for navigation systems of carrier-based aircraft

The features of carrier-based aircraft’s navigation systems during the approach and landing phases are investigated. A new adaptive Kalman filter with unknown state noise statistics is proposed to improve the accuracy of the INS/GNSS integrated navigation system. The adaptive filtering algorithm aims to estimate and adapt the unknown state noise covariance Q in high dynamic conditions, when the measurement noise covariance R is assumed to be known empirically in advance. The new adaptive Kalman ...     

基于改进强跟踪ASCKF算法的SINS/GNSS组合对准方法

大方位失准角下的SINS/GNSS组合对准系统呈非线性,采用传统的卡尔曼滤波方法进行初始对准易导致对准精度下降甚至滤波发散。基于此,提出了一种基于改进强跟踪自适应平方根容积卡尔曼滤波算法的组合对准方法。该方法采用QR分解求取协方差的分解因子,并在状态预测方差阵的平方根更新中引入多重渐消因子调整滤波增益;同时,基于Sage-Husa自适应滤波,引入改进的时变噪声估计器实时估计噪声的统计特性。仿真结果表明,采用改进的滤波算法进行大方位失准角下的组合对准,对准精度明显提高。     

改进的Sage-Husa自适应滤波算法在MEMS航姿参考系统中的应用

针对经典Kalman滤波和扩展Kalman滤波融合算法存在的计算量大、精度低、实时性差的缺点,引入了改进的Sage-Husa自适应扩展Kalman滤波算法。该算法对经典扩展Kalman滤波算法进行了自适应改进,并在此基础上利用加权渐消记忆法获取了遗忘因子,并通过预测残差得出了最优解。同时,用调整有偏增益估计的措施来保证系统噪声预测方差矩阵与噪声预测方差矩阵的对称性和正定性,对滤波器发散进行了有效的抑制,减少了算法的计算量。实验结果表明,该算法有效改善了可靠性、精确性及自适应能力。     

Background noise suppression for signal enhancement by noveltyfiltering

The enhancement of weak signals in the presence of background and channel noise is necessary to design a robust automatic signal detection and recognition system. The autoassociative property of neural networks can be used to map the identifying characteristics of input source waveforms or their spectra. This paper is directed at the exploitation of such neural network properties for novelty filtering that improves the detection probability of weak signals by learning and subsequent subtraction of noise background from the input waveform. A neural-network-based preprocessor that learns to selectively filter out the background noise without significantly affecting the signal will be highly useful in solving practical signal enhancement problems. An analytical basis is established for the operation of neural-network-based novelty filters that enhance the signal detectability in the presence of noise background and channel noise     

Tracking targets using adaptive Kalman filtering

A simple algorithm for estimating the unknown process noise variance of an otherwise known linear plant, using a Kalman filter is suggested. The process noise variance estimator is essentially dead beat, using the difference between the expected prediction error variance, computed in the Kalman filter, and the measured prediction error variance. The estimate is used to adapt the Kalman filter. The use of the adaptive filter is demonstrated in a simulated example in which a wildly maneuvering target is tracked     

极弱信号环境下GPS位同步和载波跟踪技术

为解决环路未锁定、无法找出正确的导航数据位跳变点时极弱全球定位系统(GPS)信号跟踪问题,通过分析信号跟踪模型和相关器1 ms采样数据特性,将最优路径动态规划算法应用于GPS位同步,并提出基于平方根无迹卡尔曼滤波(SRUKF)和位同步结合的载波联合跟踪算法。建立了适合位同步的SRUKF载波环参数估计模型,针对位同步的实现条件和无相位频率先验信息的情况,将位同步模块提前,研究设计了环路未锁定时串行和并行两种弱信号跟踪方案。位同步跟踪完成后环路采用单独的SRUKF工作方式。实验结果证实该文提出的算法具有较高的数据位边缘检测概率(EDR)和参数估计性能,而无须关心环路是否处于锁定状态,能够对载噪比低至22 dB/Hz的弱信号实现跟踪。