共查询到20条相似文献,搜索用时 31 毫秒
1.
研究使用虚拟噪声补偿技术的自适应kalman滤波算法。首先对实际系统模型中的误差部分进行虚拟噪声补偿,然后通过一般自适应kalman滤波算法相结合,使改进的自适应kalman滤波算法在带有模型误差和噪声统计特性误差的前提下,能够在线估计观测随机误差的噪声特性。并编制仿真软件,验证改进算法的可行性。 相似文献
2.
3.
本文提出一种新的基于α稳定分布噪声环境下的自适应滤波算法,这种算法针对变步长自适应滤波算法收敛速度和稳态误差相矛盾的不足,建立了步长μ(n)与误差信号e(n)之间的新的非线性函数关系。该函数能够削弱输入端不相关α稳定分布噪声对步长调整的影响,更好地解决稳态误差与收敛时间之间的矛盾。通过系统辨识仿真结果表明,新的算法α对稳定分布下的尖峰脉冲噪声有较强的韧性,比传统的NLMP算法有更快的参数辨识速度和更小的稳态误差,同时还具有很好地跟踪多时变系统的能力。 相似文献
4.
5.
提出了一种自适应高斯引导的新型图像滤波算法。首先分析了引导滤波的数学模型,并在此基础上对其进行了改进,采用一个更加理性的参数优化算法。最后对改进的滤波算法进行了对比实验,实验结果表明自适应高斯引导滤波算法能够很好的滤除图像中的噪声,同时最大程度的保留了原始图像中的边缘和细节等信息。该算法对于激光三维条纹图像去躁具有良好的效果。 相似文献
6.
7.
8.
自适应迭代滤波算法作为典型的滤波改进算法,有效提高了滤波精度,但旧数据影响过大,导致滤波发散;遗忘因子滤波算法虽然引进遗忘因子减少了旧数据的影响,但是其滤波算法本身的精度不高,难以处理高度非线性问题。基于此,本文借鉴遗忘因子的滤波算法和自适应迭代无迹卡尔曼滤波算法的思想,把遗忘因子与自适应迭代容积卡尔曼滤波相结合,这样既可以发挥遗忘因子的作用,减小历史数据对滤波结果的影响,又可以提高滤波算法本身精度和处理非线性问题的能力。仿真实验表明,该算法可以有效减小误差且提高滤波精度。 相似文献
9.
传统的传感网络信号挖掘方法在噪声干扰下,以降低波动信号参与通信为代价调控网络平稳度,极大降低了网络信号传递效率,存在较大的弊端。提出一种基于改进中值滤波的神经网络敏感信号挖掘方法,分析噪声干扰下无线传感网络信号特征,采用改进中值滤波的神经网络对原始含噪敏感信号进行中值滤波,利用中值滤波抑制噪声干扰产生的敏感信号值,通过BP神经网络去除敏感信号中的噪声,采用梯度下降方法在信号权矢量空间中求取误差函数的极小值,获取使误差函数极小化的权值组合,也就是待挖掘的传感网络敏感信号最佳解,实现传感网络敏感信号的准确挖掘。实验结果表明,所提方法能更好地过滤噪声,有效挖掘出敏感信号,具有较高的鲁棒性和自适应特性。 相似文献
10.
11.
《科技通报》2017,(10)
针对目前现有的TLD(跟踪-学习-检测)算法易受阴影、遮蔽、摄像机晃动或是目标快速运动的影响,提出基于HSV-HOG的改进TLD目标跟踪方法。首先,在跟踪初始化前通过加入HSV颜色空间提高TLD算法初始化速度以及抗噪性,使得TLD算法在阴影、抖动的干扰下依然能够实现较好的目标跟踪。若TLD算法选取的跟踪目标受到遮蔽、运动过快,则在算法中加入自适应kalman滤波预测目标物体可能存在的区域,缩小跟踪器的跟踪范围,提高跟踪速度,并在检测器加入后验HOG特性,对已缩小的预测区域进行检测,增强了检测器的判别和检测能力。实验证明,改进的追踪方法具有较好的鲁棒性和跟踪精度。 相似文献
12.
13.
传统的滤波方法不能满足测量公路平整度的精度要求。为此,提出一种新的用于公路平整度测量的滤波算法。利用伪距和多普勒频移建立乘性噪声测量模型,利用二阶马尔卡夫对模型进行变换,在运用卡尔曼算法进行滤波,消除测量中的伪距和多普勒频移干扰误差,完成优化测量。结果表明,利用该算法能够有效消除GPS信道中的乘性噪声,实现了对公路平整度的精确测量。 相似文献
14.
15.
在分析现有的细节保护滤波算法的基础上,提出了一种基于相关度预测的图像椒盐噪声自适应滤除算法。对于信号像素,保持灰度值不变。对于噪声嫌疑像素,利用对邻域灰度相关量化分析和定义的灰度相关函数作为信号邻域相关性的度量,并将该系数作为预测滤波算法的阈值进行判别。根据像素被判定为噪声或有效信号的概率,自行调整滤波强度,减少图像滤波处理中的细节损失。实验表明,该算法的噪声滤除能力、细节保护能力以及运算效率都可以得到满意的结果。 相似文献
16.
介绍了改进型自适应滤波器的工作原理,提出一种改进型变步长自适应滤波算法,该算法极大地减少了噪声和延时对检测系统收敛速度和精度的影响.仿真实验结果证明了该算法的有效性和实用性. 相似文献
17.
18.
19.
文章认为相空间局域线性回归法是电力系统短期负荷预测混沌预测法中广泛使用的方法,在用线性最小二乘法估计局部线性化模型的参数时,往往由于病态的数据矩阵导致估计值对噪声过于敏感而变得不可信.针对这种情况应用最小均方误差准则和最陡下降原理提出了一种基于自适应滤波电力系统短期负荷预测算法,避免了病态矩阵的影响.实验结果表明该算法预测结果稳定、可靠. 相似文献