对"联邦滤波器信息分配系数的优选算法"一文的商榷

介绍了联邦滤波算法和信息分配原理，指出《中国惯性技术学报》第11卷第6期“联邦滤波器信息分配系数的优选算法”一中存在一些问题，说明使用该优选算法进行信息分配，可能使主滤波器方差阵失去正定性；将联邦滤波用于GPS姿态测量，实验表明动态选择信息分配因子，相对于固定信息分配因子的算法并没有明显优势。     

基于新型滤波器-HABF的SINS传递对准仿真

传统动基座传递对准主要采用扩展卡尔曼滤波技术。但在动基座传递对准的非线性、非高斯条件下,这种基于模型线性化和高斯假设的滤波方法在估计系统状态及其方差时误差较大且可能发散。混合退火粒子滤波针对非线性、非高斯系统状态的在线估计问题,提出一种新的基于序贯重要性抽样的粒子滤波算法。在滤波算法中,用状态参数分解和退火系数来产生重要性概率密度函数,此概率密度函数综合考虑了转移先验、似然、噪声的统计特性以及最新的观察数据,因此更接近于系统状态的后验概率。实验仿真结果表明,这种基于混合退火粒子滤波器不仅比扩展卡尔曼滤波提高了传递对准的精度,而且又比传统的粒子算法减少了时间。     

基于改进MP-WVD算法的核电厂建设爆破振动信号处理方法

针对爆破施工产生的振动问题,结合现有信号分析方法优缺点,引入MP-WVD组合算法解决信号分析过程中交叉项干扰问题,可提高时频分辨率,满足精确提取核电爆破振动响应信号时频分布特征的需求;将HHT算法引入MP算法数据的预处理,成功降低了MP算法运算复杂度,可为大数据量分析奠定基础。运用该算法对漳州核电一期工程场地平整土石方爆破工程振动监测信号进行分析,精确提取了爆破振动信号的时频特征。     

高频地波雷达下的多目标跟踪数据处理

根据高频地波雷达监测海上低速移动目标的要求及该类雷达的特点,提出了一种与高频地波雷达目标跟踪相适应的多目标跟踪数据处理方案。在该方案中对BTC(bayes tracking confirm)方法与BTT(bayes tracking termination)方法进行了改进,解决了上述两种方法在高频地波雷达实际应用中存在的问题。提出了贝叶斯准则与次数判定相结合的跟踪起始和终结方法。模拟结果表明,该方案能够稳定、有效地实现高频地波雷达密集回波下的多目标跟踪。     

光纤陀螺随机误差的滤波方案的探讨

范跃祖，宁文如，刘剑．光纤陀螺随机误差的滤波方案的探讨．数理统计与管理，１９９７，１６（４），２９～３２．光纤陀螺是新一代的光学陀螺仪，它的性能决定着惯性参照系统的精度。光纤陀螺的误差分为两大类。一类是有规律的，另一类是随机的。本文提出了两种新的用于光纤陀螺随机误差补偿的Ｋａｌｍａｎ滤波方案，考虑了两种随机模型：（Ⅰ）角速度变化为等随机的；（Ⅱ）角速度变化为等随机加速的。仿真结果表明，第二种方案对噪声起到了很好的抑制作用和滤波效果     

具有衰减测量和随机时滞的离散非线性复杂网络的保概率集员滤波

研究一类离散非线性复杂网络的保概率集员滤波问题.考虑网络节点受状态随机时滞、衰减测量等影响,为了更贴合实际,采用两类相互独立的随机变量分别描述状态时滞和测量衰减特征.引入Bernoulli随机变量将随机时滞刻画为随机发生时滞,引入在某区间上服从已知概率分布的随机变量刻画衰减测量.文章设计一个分布式集员滤波器,给出滤波误差系统所需满足的充分条件以保证滤波误差被限制在已知椭球集内的概率不小于已给定的概率值,且该充分条件由一个递推线性矩阵不等式表示;建立在矩阵迹最小意义下的凸优化问题以最小化每个时刻所获得的概率椭球集,并设计一个保概率集员滤波器增益矩阵的求解算法.最后,通过一个数值算例验证所设计的滤波设计方案的有效性.     

具有衰减测量和概率通讯延迟的随机非线性系统的事件触发分布式一致滤波

文章针对传感器网络下一类具有衰减测量和概率通讯延迟的随机时变非线性系统,研究该类系统的分布式一致滤波算法设计问题.首先,考虑到传感器网络的拓扑结构,状态估计信息可在相关节点间进行交换.注意到相邻节点间的信息传输会产生概率通讯延迟现象,提出事件触发传输方案旨在减少交换传感器节点之间误差较大的估计信息.每个传感器节点使用相邻节点发送的信息来修正自身的状态,从而构造相应的分布式一致滤波器.通过最小化滤波误差协方差上界的迹来求出滤波器增益以及一致增益.此外,对滤波误差协方差上界矩阵的单调性进行理论分析,并通过数值仿真验证所提出的滤波算法的可行性和有效性.     

存在有界功率扰动和高斯白噪声的滤波算法

传统滤波算法,如卡尔曼滤波,通常对系统模型具有较高的依赖性,需要精确建模才能达到较高的估计精度.而现实场景中由于未知环境因素与建模误差的存在,往往使得估计品质不尽人意.因此针对离散系统同时受有界功率扰动和高斯白噪声影响的滤波问题,提出了一种新的线性时不变的鲁棒最优滤波方法.该方法在保证鲁棒性的同时还能够保证最优均方估计.为了保证鲁棒最优滤波,基于系统级综合方法,并根据误差动力学的系统响应以及干扰和噪声的参数来描述估计性能的上界.并在此基础上,提出了一种数值可处理的新的滤波器设计算法.最后借助测速算例验证了结果的有效性,仿真表明采用该方法得出的滤波算法相比于其它现有方法,能够实现理想的估计品质.     

卷积神经网络在气体泄漏超声识别中的应用

为了克服现有气体泄漏检测方法的不足,提出一种基于卷积神经网络的气体泄漏超声信号识别方法。在设计卷积神经网络网络结构时,通过多次预训练确定网络层数、卷积核数目和尺寸、全连接层神经元数目。同时,选择Inception模块平衡网络宽度和深度,防止过拟合的同时提高网络对尺度的适应性。通过输气管道泄漏实验平台模拟工况中常见的阀门泄漏和垫片泄漏,利用短时傅里叶变换进行时频图表征,在此基础上,建立二分类模型和不同泄漏类型的三分类模型。结果表明,相比二分类模型,不同泄漏类型的三分类模型识别准确率有所降低,添加Inception模块可以有效提高三分类模型的性能。     

一种自适应层进式Savitzky‐Golay光谱滤波算法及其应用

可调谐半导体激光吸收光谱技术（TDLAS）利用半导体激光器的可调谐和窄线宽特性,通过选择特定气体的单条吸收线,排除其余气体的干扰,可以实现高精度、高选择性的气体浓度测量,在气体浓度检测系统中具有广泛的应用前景。在不同的应用条件和环境下,需要解决相应的硬件和数据处理方面的技术问题。主要研究TDLAS技术机动车尾气CO组分浓度遥测系统中的光谱数据处理问题,该系统利用路面漫反射回波信号遥测行驶中的机动车尾气CO组分浓度。由于激光扫描光谱回波信号受到漫反射面情况变化、空气环境变化、尾气湍流影响等因素影响,探测器收集到的信号不仅较弱同时也夹杂着多种噪声, 即测量光路信噪比较差, 故提出一种自适应层进式Savitzky-Golay(S-G)平滑滤波算法,实现了对光谱进行滤波处理从而更加准确地反演CO浓度。S-G滤波算法因其原理简单、功能强大、只需设置两个参数（窗口大小、拟合阶数）等优点,已广泛应用于光谱处理。如何正确设置S-G算法参数使滤波效果在去噪不足和过度滤波之间找到平衡点,是该滤波算法应用的一大难题。设计的检测系统中,测量光路光谱信号为非平稳信号,噪声和有效信号幅度时变,最佳窗口大小和多项式阶数随信号动态而变化,且变化区间较大,使用固定参数的S-G滤波器难以达到最佳效果。提出的自适应层进式S-G平滑滤波算法,通过逐层将测量光路光谱信号经过S-G滤波后,与参考光路的光谱信号设置的参考段比对信号相关系数和信号一阶导相关系数的和,以自适应得到逐层最优参数。通过对信噪比从9.81～29.77的10组不同带噪光谱分析验证了该算法的有效性,自适应层进式S-G算法能较好地去除噪声并还原带噪信号所携带的待测气体浓度信息,与带噪光谱对比,吸收光谱峰值最大误差由25.152%降至5.917%,积分吸光度最大误差由18.1%降至3.9%。在实现的系统中,使用自适应层进式S-G算法对测量光路进行滤波处理,并对不同车型、不同排量、燃烧不同油品的机动车在怠速和缓速通过(5 km·h-1)系统时其排放的CO浓度进行实时在线监测。