摘要：在分析数字胃肠造影机DSI序列图象特性的基础上,根据时域递归滤波原理,对非线性自适应滤波器进行改进,便于工程实现。用简化自适应滤波算法确定滤波系数,设计和实现了DSI序列图象的动态降噪,并抑制了快变图象的拖影,具有较好的动态跟踪效果。实验结果表明:图象降噪效果显著,提高了图象的信噪比,满足临床要求。

摘要：准确和快速的信息处理技术是实现车辆起步控制的关键。对于模拟信号，采用常规的在线滤波技术便可获得较理想的效果，但对于转速脉冲信号，因为包含高频过零脉冲，其滤波技术十分困难，为此本文引入模糊推理技术，采用人工智能的方法进行自适应滤波，实验证明，其滤波效果十分明显。

摘要：针对惯性随钻测量中,由于钻头振动导致系统三轴加速度计数据失真,从而使得解算的钻头姿态角误差较大的问题。提出一种基于小波神经网络(WNN)与自适应滤波(AKF)联合对钻具姿态进行估计的方法,首先建立钻具姿态自适应滤波的状态空间模型,根据估计后的残差不断调整自适应因子,降低姿态的估计误差,提高钻具姿态估计精度;根据滤波器的输入输出建立小波神经网络模型,对比输出误差在线修正网络模型,对姿态信息进行反馈补偿。设计振动台实验以及钻进实验对所提方法验证,其中钻进实验中井斜角误差降低到±1.8°,实验结果表明,所提方法解算精度优于自适应卡尔曼滤波算法,能够有效抑制振动误差对姿态解算的影响,为实际钻井提供理论依据。

摘要：研究一种基于自适应滤波的飞艇组合导航系统。采用低精度光纤陀螺和石英加速度计构造惯性测量装置(IMU),研究其高精度导航解算算法;对标准的Sage-Husa自适应滤波方程进行简化变形,设计IMU/北斗组合导航自适应滤波算法,解决组合导航系统噪声和量测噪声统计特性不确定问题。仿真结果表明,在长航时复杂恶劣环境下,基于自适应滤波的IMU/北斗飞艇组合导航系统仍具有较高的导航精度和优越的抗干扰能力,具有良好的工程应用前景。

摘要：为了缩短捷联惯导系统的初始对准时间并提高对准精度,分别设计了常规卡尔曼滤波器和自适应卡尔曼滤波器用于精对准。在系统噪声统计特性未知时,自适应卡尔曼滤波算法利用滤波残差的均值和方差,不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,从而提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真结果表明,使用自适应UKF算法与常规的UKF算法相比,可以获得更优的对准精度和快速性。

摘要：为了能够在大型减震阻尼器性能测试试验中更好反馈试验台的重载液压缸动态位移变化信息,从而真实模拟大型减震阻尼器所需振动激励信号,进而获得更好的特性参数,对比传统变步长LMS算法,根据试验台重载液压缸实际振动的加载工况,在预期参考信号不可知的情况下,通过小波变换对原始信号进行拟合,并使用MATLAB建立误差与步长之间的非线性函数表达式,提出一种基于小波变换的LMS自适应滤波器,最后通过LabVIEW编写了测控程序进行了试验。试验结果表明,相较于传统变步长LMS算法,基于小波变换的自适应滤波器收敛速度更快、稳态误差更小且跟踪能力更强,在实际应用中,相较于其他类型滤波器具有更好的滤波效果。

摘要：针对现有的多聚焦图像融合算法,在抗噪性能、图像连续性以及时间复杂度上的不足,提出了一种基于多维自适应滤波与泊松融合的多聚焦图像融合算法。首先,对统一尺度的源图像构建梯度矩阵,并设计尺度分段的多维自适应核函数对矩阵进行分割;然后,引入判定条件,对泊松重建中的图像边界进行伪边缘抑制,得到纯化后的全聚焦图像;最后,将抗噪算法与融合算法分别对比其他算法模型,进行综合比较,通过6种图像质量评价指标来评估融合性能与效果。结果表明:本文算法不仅有良好的运行效率,清晰的视觉观感,而且在评价因子上有更理想的数据结果。可见,不论主观还是客观上来看,该算法都具备明显优势。

摘要：本文介绍一种以自适应卡尔曼滤波器为核心,以电子屏幕导航为应用手段的新型船用综合导航系统(以下简称综导)。卡尔曼滤波仍是当今船舶导航最适用的滤波方法,但普通卡尔曼滤波对被测系统动态模型和噪声验前统计的苛求,给研制高效综导带来困难。根据系统辨识理论,我们采用虚拟噪声补偿技术,对普通卡尔曼滤波器进行改造,并加进一种用来递推估计噪声统计特性的估值器,构造成自适应卡尔曼滤波器,结果令人满意。此外,以下三点也是本系统设计中的新颖之处:(1)将导航星全球定位系统(GPS)信息与劳兰C、NNSS卫导信息一并接入综导,改善综导的精度和冗余度;(2)采用一种新的防发散算法,能有效的控制自适应滤波器可能的发散;(3)驾驶员观察以电子海图为背景的显示器画面,根据船位偏离情况引导船舶航行,使导航变得既可靠又方便。我们称这种导航手段为电子屏幕导航。文章末尾给出了计算机仿真结果。仿真表明,70～80%的系统噪声和量测噪声能被抑制掉。该系统样机正在进行海上试验。

摘要：无人机组合导航滤波器的设计需要考虑器件和外部环境不稳定带来的影响,同时在飞行过程中也面临着组合导航系统噪声和量测噪声统计特性不确定问题,从而导致滤波精度低,稳定性差,甚至有可能发散,传统常规卡尔曼滤波无法解决上述问题。提出一种根据极大似然准则的自适应卡尔曼滤波算法,利用滤波残差的均值和方差不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真表明,所提出的组合导航滤波器能够满足无人机导航任务的要求,并且具有很好的导航精度和稳定性。

摘要：提出了一种基于最速下降算法的单相基波提取自适应滤波方法。对该自适应滤波器原理及设计方法进行了说明,给出基波信号各参数表达式,通过大量的Matlab仿真,着重对该系统在电压畸变情况下的基波撮取性能进行考查,同时分析了其检测精度与动态响应的关系、初始值的设置对检测效果的影响,结果表明,该自适应滤波器构成一个稳定的多参数(幅值、频率、相位)反馈控制回路,可较准确地提取单相信号的基波分量,实时性好,且具有良好的鲁棒性和抗干扰能力。