无相移滤波技术用于分析化学信号处理

把无相移滤波技术引入了分析化学信号处理领域。其方法为：先将输入序列按顺序滤波，然后将所得结果逆转后反向通过滤波器，再将所得结果逆转后输出。通过对色谱信号的实验研究表明，与普通的数字滤波方法相比较，无相移滤波不但具有普通数字滤波的优点，而且不会产生滤波前后的相位偏移，具有良好的应用前景，尤其对于需要准确计算保留时间的场合，用此预处理方法非常适合。     

电感耦合等离子体原子发射光谱法中Kalman滤波法解析重叠谱线的研究

考察了Kalman滤波技术校正ICP-AES中谱线重叠干扰的潜力.以新息序列的平均平方和为评价函数优化扫描光谱的峰位,消除扫描过程中可能产生的波长定位误差,从而保证滤波结果的准确性,并使实际检出限显著改善.在中等分辨率光谱仪和扫描步长为1.5pm的条件下,滤波器能有效地分辨峰间距只有4.8pm且峰形基本相同的重叠线对.对峰间距为9.8pm的重叠线对,当线背比低至0.05左右时仍能获得满意结果.连续背景用理论描述,因而样品溶液和纯组分溶液的光谱扫描无需扣除溶剂空白.     

一种基于二进小波变换的自适应滤波方法

根据信号和噪声经小波变换后在不同尺度上有不同的特征，将相邻尺度二进小波变换值的相关量进行归一化处理并与小波变换值比较来判断信号与噪声，以噪声在各尺度的方差作为终止迭代的标准，提出了一种基于二进小波变换小波域选择噪声的自适应滤波方法。研究了模拟信号的去噪过程、半峰宽和信噪比对去噪结果的影响，并对模拟含噪信号和含噪毛细管电泳信号去噪前后的结果进行了比较。实验结果表明：由于该方法具有良好的自适应性和显著的滤波效果，必将得到广泛的应用。     

ICP—AES卡尔曼滤波同时测定铁基体中26种痕量元素

本文利用电感耦合等离子体原子发射光谱（ＩＣＰ－ＡＥＳ）多色仪的扫描功能，用Ｃ语言编制了Ｋａｌｍａｎ滤波程度软件包，用该软件包对铁基体中２６种痕量元素进行了回收率试验，并对标准碳素钢样中１３种痕量元素进行了测定，结果表明Ｋａｌｍａｎ滤波完全适用于复杂谱线基体中的多种元素同时分析。     

仙人掌图的Wiener极化指数

图的Wiener极化指数定义为图中距离为3的无序点对的数目.本文给出仙人掌图的Wiener极化指数的显示表示,并导出若干特殊仙人掌图的极化指数公式.     

基因识别及其算法研究

针对基因识别问题,基于DNA序列的3周期这一性质,首先给出了DNA序列功率和信噪比的快速算法并讨论了不同物种基因类型的阈值确定方法;在此基础上,建立了基于背景噪声抑制和频谱平滑的SNR频谱预处理模型,经过预处理后的频谱不仅大幅度抑制了背景噪声,同时保留了SNR频谱的模式特征.在编码序列识别上,对经典的EPND预测算法进行了改进,使用改进的EPND算法对经过预处理后频谱进行基因识别,实验结果显示这种基因识别模型具有优异的基因识别性能,比传统直接使用基于滑动窗口DFT的EPND识别算法在敏感度、特异性等评价指标上提高了2%-12%左右.     

基于多特征和改进稀疏表示的高光谱图像分类

为了实现对高光谱图像的分类,提出了一种基于多特征和改进稀疏表示的方法——MFISR。从高光谱图像中提取光谱特征、Gabor特征和局部二值模式(LBP)特征,求解稀疏系数,同时增加一个2范式约束,利用所得系数得到每个测试像素的最终类别标签。实验结果表明:所提MFISR方法对小样本的检测效果显著,分类性能稳定且较优。     

一种基于Gauss von Mises分布模型的非线性量测更新方法

基于状态空间模型的许多传统滤波算法都基于Rn空间中的高斯分布模型,但当状态向量中包含角变量或方向变量时,难以达到理想的效果。针对J.T.Horwood等提出的nS?R流形上的Gauss Von Mises(GVM)多变量概率密度分布,扩展了狄拉克混合逼近方法,给出了联合分布的GVM逼近方法,推导了后验分布的GVM参数计算公式,设计了量测更新状态估计算法。将J.T.Horwood等的时间更新算法与所提出的量测更新算法相结合,可实现基于GVM分布的递推贝叶斯滤波器(GVMF)。仿真结果表明,当状态向量符合GVM概率分布模型时,GVMF对角变量的估计明显优于传统的扩展卡尔曼滤波器。     

地球静止轨道远程交会过程导航性能评估

远程交会是静止轨道共位卫星自主定点置入的关键途径。针对远程交会过程中大距离跨度下相对运动模型的误差信号特性,理论推导了误差的传递机理,给出了相对导航EKF算法期望及噪声特性的定量分析模型。研究表明,确定距离区间存在最优过程噪声量级及其对应的最优滤波性能,且滤波误差与交会距离正相关,可作为全局最优滤波器的定量设计依据,解决了静止轨道远程交会过程EKF导航算法性能的量化评估问题。仿真表明,分析结论正确,相对速度滤波误差全程优于0.005 m/s(1σ),满足交会任务需求。     

基于变分贝叶斯优化的近邻采样 PF-SLAM 算法

针对移动机器人同时定位与地图构建（SLAM）中观测噪声随时间变化及粒子滤波(PF)中粒子多样性易丧失问题,提出基于变分贝叶斯优化的近邻采样PF-SLAM算法。采用高斯混合模型对时变的观测噪声建模,使用变分贝叶斯方法,迭代估算出混合模型中的未知参数;同时根据粒子权重将粒子划分为保留粒子和调整粒子,通过两种粒子间的近邻位置分布关系优化调整粒子位置,在处理时变观测噪声同时,解决粒子多样性丧失问题,使得优化的粒子集更好地表示机器人位置概率分布。实验表明,改进算法与传统PF-SLAM算法相比,定位与建图误差降低76%,较期望最大化算法下的定位与建图误差降低了54%,进一步验证了所提算法的可行性与有效性,为移动机器人同时定位与建图提供一定参考。