摘要：在曝光过程中由于相机抖动而导致的运动模糊,是一种常见的图像降质现象。该文提出了一种基于变分贝叶斯估计和自然图像梯度统计特性的盲复原算法,用于恢复相机抖动模糊图像,同时针对图像复原过程中出现的振铃效应,设计了一种基于分区域检测和Fuzzy滤波器的去振铃效应方法。实验结果表明,该文提出的盲复原算法能够有效地去除图像中因相机抖动而产生的模糊,而且在保持图像边缘和细节的同时,可以较好地降低振铃效应对图像复原质量的影响。

摘要：开展角闪烁噪声下的目标跟踪研究对提升传感器的探测性能具有重要意义,其中角闪烁噪声具有的分布未知和非平稳特性是长期困扰研究者的难点。针对该问题,该文首先给出角闪烁下基于变分贝叶斯参数学习的跟踪滤波理论框架。其次,提出一种联合估计运动状态和闪烁噪声分布的变分贝叶斯-交互式多模型(VB-IMM)算法,该算法通过设计多个并行的跟踪模型处理角闪烁的跟踪问题,同时利用变分贝叶斯方法实现闪烁噪声分布参数的在线学习,并反馈给跟踪模型,实时调整跟踪模型参数。最后,设计了仿真实验对算法在闪烁噪声分布未知和非平稳条件下的跟踪性能进行了验证,同时对算法的计算复杂度进行了仿真分析。仿真结果表明,在量测噪声分布未知和非平稳条件下,VB-IMM具有较高的跟踪精度,且算法复杂度较小,易于实现。

摘要：考虑试验观测数据不确定性,针对以随机响应为目标的复杂仿真模型不确定性修正问题,提出一种以自回归模型提取信号特征,马氏距离构造近似似然函数,并由变分贝叶斯-蒙特卡洛进行参数后验识别的模型修正方法。对经过平稳性检验的随机信号进行自回归分析,得到模型特征向量实现信息降维;考虑试验观测数据混合不确定性并用概率盒法表征,以数值模拟数据与试验观测数据的特征向量之间的马氏距离构造近似对数似然;基于变分贝叶斯-蒙特卡洛方法求解边际似然,经过很少的迭代次数即可收敛,最终识别出参数的后验分布。在螺栓连接结构仿真案例和某民用飞机机翼模型工程案例中,修正后的模型具有很高精度,且在一定的观测不确定性水平下依然具有良好的修正效果,验证了所提方法对工程结构不确定性模型修正问题的有效性。

摘要：为了解决组合导航中由于野值存在而导致传统滤波算法性能下降的问题,针对SINS/GPS组合导航系统模型提出基于T分布的变分贝叶斯高斯滤波算法,充分考虑野值所导致的噪声厚尾特性,将观测噪声建模为T分布.对系统状态和自举变量进行估计,并且在每个滤波时刻借助变分贝叶斯学习对状态估计进行迭代,以逼近真实后验分布.针对噪声存在野值的场景进行仿真验证,结果表明,在SINS/GPS组合导航系统中,当噪声存在野值时,基于T分布的变分贝叶斯组合导航滤波方法具有一定的鲁棒性,并且精度优于传统组合导航滤波方法.

摘要：针对两个相对运动目标之间基线矢量实时变化导致整周模糊度难以固定,从而导致定位精度偏低的问题,提出一种基于变分贝叶斯自适应鲁棒滤波的北斗四频动对动相对定位算法。结合四频中存在电离层延迟和观测噪声因子小且具有整数特性,建立“宽巷+窄巷+伪距”的无几何模糊度解算模型。设计一种基于变分贝叶斯的自适应鲁棒滤波算法,利用M估计鲁棒化处理观测中的野值,利用变分贝叶斯近似估计时变的观测噪声和系统状态量,以逼近真实后验分布。最后采用最小二乘模糊度降相关平差法进行模糊度固定。实验结果表明,所提算法的模糊度固定率达到99.7%以上,E、N和U三个方向的定位精度均达到厘米级,实现了高精度的动对动相对定位。

摘要：针对由多个MEMS陀螺仪组成的阵列系统在动态情况下噪声时变导致输出精度低的问题,提出了新的动态滤波模型和滤波方法。通过分析MEMS陀螺的误差特性和对角速度进行动态建模,构建了基于角速度估计的阵列陀螺随机误差动态滤波模型。由于动态情况下模型的不确定性导致传统方法精度较差,设计了一种多重渐消因子变分贝叶斯自适应卡尔曼滤波算法,利用变分贝叶斯思想和强跟踪理论提高了滤波器量测噪声估计精度、收敛速度和鲁棒性。最后在高精度转台上进行了静态实验和动态实验。实验结果表明:在静态条件下,“虚拟陀螺”方差降低为单个陀螺的4%,零偏不稳定性降低为47.2%;在动态条件下,“虚拟陀螺”能有效跟踪角速度的变化且角速度残差方差降低为单个陀螺的6.2%。该滤波算法能有效提高MEMS陀螺阵列系统的输出精度。

摘要：针对噪声协方差矩阵失配情况下的状态估计问题,本文基于变分贝叶斯框架,提出了一种适用于过程噪声协方差矩阵和测量噪声协方差矩阵均未知条件下的参数解耦的变分贝叶斯自适应卡尔曼滤波算法。所提算法选取预测误差协方差矩阵作为变分优化变量,并引入了其马尔可夫演化模型,构造了参数解耦的变分推断模型。同时,采用固定点迭代优化实现状态、预测误差协方差矩阵和测量噪声协方差矩阵的联合后验概率分布求解,并设计了算法的收敛性判断准则。仿真结果验证了算法的有效性。

摘要：为了合理监测城市轨道沉降,保障城市轨道行车安全,提出了基于变分贝叶斯学习时序InSAR数据的城市轨道沉降监测方法。以城市环境中的铁路线路轨道为例,使用永久散射体InSAR技术获取了一系列X段79景较短波长的SAR影像,时间跨度为2016年1月-2023年9月。通过变分贝叶斯学习,我们对SAR图像进行滤波、主辅影像选择与干涉处理,并获得了干涉相位图。然后,通过永久散射体挑选,获取了城市轨道目标点的形变数据。将所获得的形变信息进行地理编码后,将其放入适当的地理空间数据分析平台进行可视化和分析处理。通过转换为垂直方向的形变数据,可以反映研究区域城市轨道的沉降状况。测试结果表明,在研究区域内,能够获取约45280个目标点,包括轨道及其两侧各35 m范围内的数据。基于这些数据,我们可以进行城市轨道沉降观测工作,得到研究区域内城市轨道沉降速率分布,并展示观测期间城市轨道沉降的变化趋势。

摘要：为了提高杂波干扰环境下的目标跟踪精度,将概率数据关联与变分贝叶斯理论相结合,提出了一种变分贝叶斯概率数据关联卡尔曼滤波(PDA-VB-KF)跟踪算法。算法首先采用概率数据关联(PDA)技术获取目标的有效量测,随后基于伽马分布设计相应的自适应因子以修正有效量测的噪声协方差。最后在变分贝叶斯(VB)框架下,实现自适应因子和目标状态信息的联合估计。为验证提出算法的跟踪性能,通过两种仿真案例对其进行测试。仿真结果表明,相比于传统的最近邻卡尔曼滤波(NN-KF)算法,k最近邻卡尔曼滤波(KNN-KF)算法和概率数据关联卡尔曼滤波(PDA-KF)算法,提出的算法具有更高的跟踪精度。

摘要：针对航空发动机气路故障诊断中非高斯噪声特性未知的情况,设计一种基于变分贝叶斯(VB)和核极限学习机(KELM)的边缘化粒子滤波方法。该算法采用学生t分布对非高斯噪声建模,并对噪声参数集进行边缘化处理,利用VB递推出噪声的统计特性;递推过程中采用KELM代替发动机迭代模型计算粒子的测量似然函数,显著降低了VB的计算复杂度。对航空发动机气路故障诊断仿真结果表明:在非高斯噪声特性未知情况下,该方法提高了健康参数估计的精度和鲁棒性,实现了复杂噪声背景下发动机气路故障诊断。