基于稀疏表示的图像混合噪声抑制算法

中值滤波能有效地抑制脉冲椒盐噪声,但它对于图像中的高斯噪声的去除效果不佳;而简单地使用针对高斯噪声的方法,对混合噪声也不能起到较好的抑制效果。稀疏是图像的重要特性,是进行图像处理的重要先验。本文提出了基于稀疏表示的混合噪声抑制算法。实验表明,本文算法可以有效地滤除混合噪声,且较好地保护了图像细节特征。     

基于Simulink的组合导航系统的FDIR技术仿真分析

为解决组合导航系统子系统故障时导航精度降低这一问题,根据事先制定的重构规则进行系统重构,使得导航系统发生故障时仍能正常工作地思想,制定了INS/GPS/ADS组合导航系统的重构规则,并采用Simulink进行了仿真。结果表明,在发生故障时,基于联邦滤波组合导航系统的重构技术能保证系统在故障时仍能以一定的精度进行导航。     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
     

ARMA建模及其在Kalman滤波中的应用

提出了一种补偿惯性传感器随机误差的自回归滑动平均(ARMA)建模方法,在该方法中,首先,将时间序列平稳性检验的轮次法和样本方差变差系数相结合,以确定合适的建模样本长度;其次,将惯性传感器的随机误差看成是真实状态叠加白噪声,通过对观测数据做滤波处理,给出了求解模型参数的算法;随后,构建一组符合ARMA(6,4)模型分布的有色噪声,基于准确建立的ARMA(6,4)模型和AR(2)近似模型构建Kalman滤波器,以研究建模精度和Kalman滤波输出之间的关系;最后,探讨了基于状态可观测度分析的模型降阶方法,在保证精度情况下提高模型计算的实时性,便于建模方法在工程实际中的应用。通过对某型号加速度计的随机误差进行处理,高阶模型及降阶模型的滤波残差标准差分别降为原始随机误差标准差的1/66和1/28,说明方法是有效的。     

一种基于滤波响应损失的多通道合成孔径雷达地面动目标检测方法

针对在非均匀杂波背景下,杂波抑制后孤立强杂波剩余能量导致动目标检测虚警率升高的问题,提出了一种基于滤波响应损失的多通道合成孔径雷达地面动目标检测(SAR-GMTI)方法。对多通道的合成孔径雷达(SAR)图像进行维纳匹配滤波处理,在杂波抑制残差图检测的基础上,根据滤波前后信号的能量差异设计了滤波响应损失检测量,对潜在目标进行二次检测,以剔除虚警。仿真与机载实测数据表明:该方法能在非均匀杂波背景下有效改善动目标的检测性能,可应用于运动平台雷达对地监视预警。     

车载GPS/DR组合导航系统的数据融合算法

建立了车载GPS/DR(全球定位系统/航位推算)组合导航系统自适应联合Kalman滤波的数学模型,研究了综合运用子系统状态评估、自适应信息分配、误差补偿、迭代扩展Kalman滤波、抗野值干扰、U-D协方差分解滤波等技术来提高精度和可靠性的融合滤波算法;针对滤波发散的问题,引入了一种在线估计观测噪声统计特性的自适应滤波方法.理论分析和半物理仿真结果表明,所设计的算法在精度、可靠性、适应性、实时性等方面效果都很好.      

一种新的频域自适应算法

分析了现有自适应滤波算法,并且提出了在有色噪声背景下能够快速收敛的频域自适应新算法.使用牛顿法搜索性能表面和近似于递归最小二乘(RLS)算法的结构,利用现有的拟牛顿QN(Quasi-Newton)时域自适应算法原理,通过快速傅里叶变换(FFT)将其应用于频域.结合快速块最小均方自适应滤波算法FBLMS(Fast Block Least Mean Square)中的并行处理方法对算法的运算过程进行了改进.由于调整了数据格式和增益矩阵的系数加快了迭代过程的收敛,并且提高了信号处理的效率.附加的计算机仿真结果分别给出了在白噪声和有色噪声输入相同汉明窗条件下,新算法、LMS算法和拟牛顿算法QN的自适应系统辨识的效果比较图,表明新算法能有效用于色噪声下的自适应滤波.     

实时棒材图像识别与跟踪方法研究

多目标识别跟踪的关键问题是特征提取和目标匹配.为了提取生产线上堆积棒材的特征,提出粘连目标分割和多目标识别的方法.采用中值滤波和形态学滤波去除噪声,自适应阈值化和分水岭变换分割粘连目标;然后采用区域统计、参数识别、噪声区域去除以及聚类分析等手段进行目标特征识别,提取出棒材的质心点坐标作为特征;对棒材图像序列提出采用模板匹配、相近位移匹配和Kalman滤波的方法建立跟踪链,通过插入、删除、更新链节点进行目标跟踪;对于图像处理中可能出现的漏检目标和虚增目标,进行了计数结果校正.在现场采集了100帧连续图像后,采用此方法跟踪计数的精度为96.2%.      

采用无线电单独测量的编队卫星相对轨道自主确定

在实际工程应用中,编队卫星由于任务的要求使得部分测量设备(例如,激光设备)不可用,这就造成系统的观测性下降。文章将条件数应用于编队卫星系统的可观测度的定量计算;并针对编队卫星进行轨道机动时仅采用无线电进行测量的工况,采用强跟踪离散卡尔曼滤波(UKF)算法进行仿真计算。仿真结果表明该方法具有很强的跟踪能力,并且鲁棒性、稳定性和精度与常规UKF算法相当。     

基于电离层暴时f_0F_2经验模型Kalman滤波短期预报

利用时间累积地磁指数印ap(T),建立了强地磁扰动条件下电离层f0F2与月中值相对偏差经验模型.该经验模型只在春秋季节和夏季特强地磁扰动条件ap(T)>100,即时间累积地磁指数大于100时达到理想精度.尝试利用气象预报中常用的Kalman滤波方法对模型的系数进行实时修正,以提高预报精度,并对长春站1986-1995年近一个太阳周f0F2数据进行提前一小时预报试验.冬季预报均方根误差为0.76MHz,春秋季节为0.68MHz,夏季为0.61MHz.在特强地磁扰动条件下,预测误差在0.87～1.43MHz之间.该预报方法同时与包含暴时修正模型STORM的国际参考电离层IRI2001进行了比较,展示了Kalman滤波方法实时修正模型系数的能力和良好的应用前景.