多种有色噪声自适应滤波算法的比较

将控制有色噪声影响的自适应滤波算法分为函数模型补偿滤波和随机模型补偿滤波两类。在介绍各种自适应滤波理论和模型的基础上，重点分析了各种自适应滤波算法的优缺点，并用实际算例进行了验证。     

顾及有色噪声的光纤陀螺随机噪声自适应滤波方法

作为光纤陀螺误差的重要组成部分,随机噪声严重影响着光纤陀螺的精度,对光纤陀螺随机噪声进行准确建模和补偿是提升陀螺精度的有效方式。本文针对光纤陀螺随机噪声的复杂性,难以对其进行精确分析,ARIMA （auto-regressive moving average）模型Kalman滤波中有色噪声不能使用状态扩充法建模的问题,扩展了Harvey方程,实现有色噪声白化。同时,考虑先验噪声的不确定性以及模型参数在线更新导致的参数与状态噪声相互耦合,分析了动态Allan方差估计量测噪声的不足,使用VBAKF （variational Bayesian adaptive Kalman filter）实时修正滤波状态噪声与量测噪声。试验表明,Harvey法较传统滤波建模方式,随机噪声序列方差降低40%,Harvey法结合VBAKF使序列方差降低了54%;VBAKF较动态Allan方差,可以更好地估计量测噪声。结果表明,此方法可有效抑制随机噪声Kalman滤波中有色噪声和随机模型不准确的影响,提高随机误差补偿精度。     

顾及有色噪声的自适应粒子滤波UWB定位算法

传统卡尔曼滤波算法要求噪声模型符合高斯分布,在UWB室内定位中,由于载体本身的机制等干扰,观测噪声不仅仅是白噪声,也存在有色噪声的情况,而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度,同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时,拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪;观测噪声为有色噪声时,自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。     

处理有色观测噪声的粒子滤波算法

针对经典Kalman滤波无法直接处理有色噪声的问题,采用多项式长除法将有色观测噪声模型展开成无穷级数,截断取其有限项获得有色噪声的先验信息,然后利用粒子滤波能够处理非高斯噪声的特点对有色观测噪声进行处理.通过一个GPS定位算例,将此新方法与观测扩增方法进行了分析和比较.结果证明,利用该方法能有效地控制有色观测噪声的影响.     

处理有色观测噪声的粒子滤波算法

针对经典Kalman滤波无法直接处理有色噪声的问题,采用多项式长除法将有色观测噪声模型展开成无穷级数,截断取其有限项获得有色噪声的先验信息;然后利用粒子滤波能够处理非高斯噪声的特点对有色观测噪声进行处理。通过一个GPS定位算例,将此新方法与观测扩增方法进行了分析和比较。结果证明,利用该方法能有效地控制有色观测噪声的影响。     

有色噪声情况下状态预测值修正的Kalman滤波

利用线性最小方差估计方法,以正交投影理论为工具,推导了动态线性系统在状态噪声为有色噪声情形下的状态预测值及其相应的协方差阵.在形式上,此预测值比经典Kalman滤波预测值多出一项,该项包含了前一时刻的新息.对新预测值进行分析,得出了有色状态噪声条件下Kalman滤波的新算法,扩展了经典Kalman滤波的应用范围.最后通...     

有色噪声情况下状态预测值修正的Kalman滤波

利用线性最小方差估计方法,以正交投影理论为工具,推导了动态线性系统在状态噪声为有色噪声情形下的状态预测值及其相应的协方差阵。在形式上,此预测值比经典Kalman滤波预测值多出一项,该项包含了前一时刻的新息。对新预测值进行分析,得出了有色状态噪声条件下Kalman滤波的新算法,扩展了经典Kalman滤波的应用范围。最后通过一个模拟算例,证明了该算法的有效性。     

一种改进的自适应Wallis滤波算法

针对影像增强过程中的边缘扩张、灰度过饱和及"块效应"等问题,文章提出了一种改进的自适应Wallis滤波算法:结合影像特征提取的实践应用,在影像局部范围内进行灰度均值和方差的统计,能够较好地实现自适应的判断二值分割阈值,利用迭代的方法,可以有效保证影像在增强处理下的保真度。最后以几组典型影像为例,证明该方法相对于传统方法较好地保证了影像增强后的影像质量,处理效率较高、应用面广。     

基于有色噪声自适应卡尔曼滤波的GPS单点定位

将有色噪声一阶AR模型的自适应卡尔曼滤波应用到精密单点定位中, 采用当前历元的预测残差均方根误差与上一历元的观测残差均方根误差的比值确定相关系数ρ_k,k－1。在使用一阶AR模型进行解算时, 使用实测数据对模型进行验证, 证明了该方法确定的相关系数能够有效提高扩展卡尔曼滤波(EKF)解算过程中的收敛速度和幅度。     

有色噪声观测量的逐次静态滤波与配置

通过改化观测方程,将有色噪声观测值转化为白噪声的虚拟观测值,用白噪声逐次滤波公式进行滤波计算.有色噪声观测值的逐次静态滤波理论可用于GPS数据处理.GPS载波相位观测值经过测站间、卫星间、历元间的3次差分计算,消除了大部分误差和整周模糊度,并使周跳成为孤值,但是相邻历元间隔的三差观测值误差相关造成其协方差阵呈现出分块三对角阵,使所求矩阵占据的时间和内存太大.利用有色噪声观测值的逐次静态滤波的理论,可消去相关性,减少计算时间和内存.这种顾及三差观测值的相关性的算法是严密的.     

一种改进均值的自适应中值滤波算法

针对自适应中值滤波算法在滤除高浓度椒盐噪声和保留图像边缘细节中的不足,提出了一种改进均值的自适应中值滤波(IMAMF)算法。该算法采用扩充图像边界的方式,使得原图像的边界点能在自适应的滤波窗口下参与噪声检测和滤波处理,并在检测噪声和信号时,增加了噪声阈值判定,将存在噪声的像素点用修正后的均值滤波器值输出,信号点则用原始灰度值输出。为了验证算法的可行性,采用了5种不同的算法进行仿真对比分析,并从主观角度和客观指标上进行效果评价。试验结果表明:该算法能有效滤除浓度为10%～90%范围内的椒盐噪声,且图像细节和边缘信息得到了更好的保留,滤波性能明显优于其他算法。     

新型自适应滤波算法在惯导/双星组合中的应用

在系统模型误差和噪声统计特性未知时,为防止滤波发散和提高系统的实时性,提出了一种模糊自适应Kalman滤波算法。该算法利用滤波异常判据获得一个滤波状态因子,进而利用模糊推理系统在线调整量测噪声协方差阵的值,使滤波实现自适应。将该算法应用到惯导/双星组合导航系统中,并和简化的Sage-Husa自适应滤波算法进行仿真比较。仿真结果表明：在滤波精度相当的情况下,该算法简化了运算,提高了实时性。     

自适应滤波在GPS测速中的应用

GPS定位以及测速误差中包含有卫星星历误差、电离层、对流层延迟以及多路径效应等多种误差,对GPS的测速精度有着十分重要的影响,减小其误差的一种重要的方法即为卡尔曼滤波。由于GPS测速难以确定动态噪声和观测噪声,因此,标准卡尔曼滤波往往不能时时满足假设条件,而致发散。采取自适应的滤波方法对其进行改进并进行了比较,取得了较好的结果。     

一种新型非线性滤波理论及其应用

研究一种新型的非线性滤波理论,即Unscented卡尔曼滤波（UKF）,同时为了获得更高的计算效率和确保协方差阵的非负定性,研究了平方根UKF。将UKF和平方根UKF应用到星载GPS卫星定轨中,实际算例表明UKF和平方根UKF的性能要优于常用的推广卡尔曼滤波的性能。     

一种改进的SAR图像斑点噪声滤波方法

在过去的 2 0多年中 ,提出了许多去除SAR图像斑点噪声的方法。这些方法的主要目的是去除斑点噪声而不破坏图像的空间分辨率和边缘信息。理论和实践表明去除图像的斑点噪声和保持图像边缘信息是无法同时完成的。现有大部分滤波器是在去除噪声和保持边缘之间进行折衷。在Han等人方法的基础上提出了一种在去除噪声和保持边缘方面最优的滤波器。它在去除噪声同时能够有效保持边缘信息     

GRACE时变重力场滤波方法研究

用3种不同的滤波方法获得了2007年相对于2005年的卫星重力变化图像,并与同期地面重力测量的结果进行比较,对比分析GRACE月重力场滤波方法的优缺点。结果表明,去相关平滑滤波算法优于高斯滤波和直接截断法,且去相关平滑滤波DDK5处理得到的卫星重力动态变化图像与地面观测结果符合最好,表明GRACE卫星时变重力场可以用来分析大区域重力动态变化。     

顾及系统噪声和观测噪声的分级自适应信息滤波算法

高精度的载体动态导航与定位不仅需要对载体异常扰动和观测异常有良好控制,还需要对状态方程系统噪声及观测噪声的时变特性有准确认识和处理.首先针对包含系统噪声的动力学模型和包含时变观测噪声的导航系统,提出一种基于信息滤波形式的分级自适应滤波算法.然后针对系统噪声的渐变性和突变性,增加了遗忘因子和二段自适应因子,提高了对突变噪...     

含有色噪声的几何导航解自适应融合算法

组合导航系统的精度和可靠性，除受各传感器偶然误差和系统误差的影响外，还受时间相依的有色噪声的影响。任何基于高斯白噪声假设而忽略实际有色噪声影响的数据处理理论和方法均不能保证估计结果的实际可靠性。本文基于多源几何导航结果的融合算法，通过对状态方程有色噪声的拟合和预报，给出了含有有色噪声的几何导航结果的融合算法。并利用模拟数据进行了试算与比较。     

噪声的分布层次分析及其自适应滤波算法

基于对噪声模型的分析 ,提出了两种自适应中值滤波器算法 :(1)对于消除噪声密度较大的脉冲干扰 ,提出了基于剩余脉冲检测的自适应中值滤波器算法 (AMF1) ,通过对滤波器输出是否存在剩余噪声的检测来决定采用的滤波器窗口尺寸 ,从而有效滤除脉冲干扰 ;(2 )对于消除的一定宽度的脉冲干扰 ,则提出了基于脉冲宽度检测的自适应中值滤波器算法 (AMF2 ) ,通过决定干扰脉冲的宽度来确定滤波器窗口的大小 ,从而有效去除较宽的干扰脉冲。通过对实际图像的测试 ,表明提出的算法运算结果优于标准中值滤波器的输出结果     

一种基于多普勒频移的GPS自适应滤波算法研究

针对接收机的动态模型对GPS定位精度的影响,提出了一种基于多普勒频移观测的高动态GPS自适应滤波算法。该算法利用GPS伪距测量值以及利用信号载波的多普勒频移所获得的伪距率测量值,在GPS动态滤波中同时观测伪距和伪距率。借助于移动目标的运动矢量模型以及GPS定位误差模型建立了滤波方程。重点讨论了运用该模型进行Kalman滤波的实现过程。仿真实验表明,该模型与传统的方差自适应模型相比,位置精度提高了32%、速度精度提高了25%,应用本文算法能够提高定位精度和改善接收机的动态性能,拓宽高精度、高动态导航的应用范围。