ad采集滤波算法（AD acquisition filtering algorithm）
The theory of SCM quantitative signal acquisition from A/D chip is needed, but due to the interference between the power supply circuit, noise interference and electromagnetic interference, superimposed periodic or non periodic interference signals in the analog input signal on A/D chip,
And will be added to the quantization value, to signal a certain deterioration. Considering the real-time and security of data acquisition, it is sometimes necessary to process the collected data soft, and to minimize the influence of the interference signal. This process is called data acquisition and filtering.
The following ten methods of data acquisition and filtering and programming examples. These 10 methods have different performances for different noises and sampling signals, and provide a wide choice for different occasions. When selecting these methods, you must understand the presence of the circuit
The main noise types, including the main aspects:
* is noise a sudden random noise or a periodic noise?
* the level of noise frequency
Void (display) / / digital display
{
Qian=water/1000;
Bai=water%1000/100;
Shi=water%100/10;
Ge=water%10;
SEG (1, GE);
SEG (2, Shi);
Segdian (3, Bai);
SEG (4, Qian);
SEG (5,0);
SEG (6,5);
Segdian (7,0);
}
* is the sampling signal a block change signal or a slow change signal?
* also consider the resources available to the system
Through the analysis of noise and sampling performance, the most appropriate method and reasonable parameters can be chosen to achieve good results.
There are mainly 10 kinds of methods of data collection and filtering the currently used, these 10 methods are processed in the time domain, with respect to the design in the frequency domain IIR or FIR filter, is a simple, small amount of computation, and the performance can meet the
Application requirements for most occasions
1, limiting filter method (also known as program judgment filter)
A and method:
Based on experience judgment, determine the maximum deviation allowed for the two sampling (set to A)
Each time a new value is detected:
If the difference between this value and the previous value is <=A, the value is valid
If the difference between this value and the previous value is >A, then the value is invalid, the value is dropped, and the last value is used instead of the value
B, advantages:
It can effectively overcome the pulse interference caused by accidental factors
C and shortcomings
That periodic interference can not be suppressed
Poor smoothness
1 、 limited sub filter
/ * A value can be adjusted according to the actual situation
Value is a valid value, and new_value is the current sample value
Filtering procedure returns a valid actual value.
#define A 10
Char value;
Char, filter ()
{
Char new_value;
New_value = get_ad ();
If (new_value - > A (value) || (value - > new_value A) Return value;
Return new_value;
}
//========================================================= ========================================
2 median filtering
A and method:
Continuous sampling N times (N odd number)
Arrange the values of the N sub sampling by size
Take the middle value as the valid value
B, advantages:
It can effectively overcome the fluctuation disturbance caused by accidental factors
The temperature and level changes slowly, and the measured parameters have good filtering effect
C and shortcomings:
It is not suitable for fast changing parameters such as flow rate and speed
2 median filtering
/ * N value can be adjusted according to the actual situation The method of bubble sort.
#define N 11
Char, filter ()
{
Char value_buf[N];
Char, count, I, J, temp;
For (count=0; count { Value_buf[count] = get_ad (); Delay (); } For (j=0; j { For (i=0; i { If (value_buf[i]>value_buf[i+1]) { Temp = value_buf[i]; Value_buf[i] = value_buf[i+1]; Value_buf[i+1] = temp; } } } Return value_buf[(N-1) /2]; } / / =========================================================== ====================================== 3、算术平均滤波法 一个、方法： 连续取N个采样值进行算术平均运算 N值较大时：信号平滑度较高，但灵敏度较低 N值较小时：信号平滑度较低，但灵敏度较高 N值的选取：一般流量，n = 12；压力：n = 4 B、优点： 适用于对一般具有随机干扰的信号进行滤波 这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动C、缺点： 对于测量速度较慢或要求数据计算速度较快的实时控制不适用 比较浪费RAM 3、算术平均滤波法 / * * / #定义N 12 焦filter() { int＝0； 对于（计数= 0；计数< n；计数+） { get_ad()总和+ =； delay()； } 返回（char）（总和/ n）； } / / =========================================================== ====================================== 4、递推平均滤波法（又称滑动平均滤波法） 一个、方法： 把连续取N个采样值看成一个队列 队列的长度固定为n 每次采样到一个新数据放入队尾，并扔掉原来队首的一次数据（先进先出原则）。 把队列中的N个数据进行算术平均运算，就可获得新的滤波结果 N值的选取：流量，n = 12；压力：n = 4；液面，n = 4 ~ 12；温度，n = 1 ~ 4 B、优点： 对周期性干扰有良好的抑制作用，平滑度高 适用于高频振荡的系统 C、缺点： 灵敏度低 对偶然出现的脉冲性干扰的抑制作用较差 不易消除由于脉冲干扰所引起的采样值偏差 不适用于脉冲干扰比较严重的场合 比较浪费RAM 4、递推平均滤波法（又称滑动平均滤波法） / * * / #定义N 12 焦value_buf [N].； 字符i＝0； 焦filter() { 字符计数； int＝0； value_buf [我] = get_ad() + +； 如果（i = n）i = 0； 对于（计数= 0；计数< n，计数+） 总和= value_buf [数]； 返回（char）（总和/ n）； } / / =========================================================== ====================================== 5、中位值平均滤波法（又称防脉冲干扰平均滤波法） 一个、方法： 相当于”中位值滤波法”+“算术平均滤波法” 连续采样N个数据，去掉一个最大值和一个最小值 然后计算N-2个数据的算术平均值 N值的选取：3 ~ 14 B、优点： 融合了两种滤波法的优点 对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差 C、缺点： 测量速度较慢，和算术平均滤波法一样 比较浪费RAM 5、中位值平均滤波法（又称防脉冲干扰平均滤波法） / * * / #定义N 12 焦filter() char计数，i，j； 焦value_buf [N].； int＝0； 对于（计数= 0；计数< n；计数+） { value_buf [数] = get_ad()； delay()； } 对于（j＝0；j；n-1；j +） { 为（i = 0；i < N-J；i++） { 如果（value_buf [我] > value_buf [我+ 1 ]）{ 温度= value_buf [我]； value_buf [我] = value_buf [我+ 1 ]； value_buf [我] =温度+ 1； } } } 对于（计数= 1；计算n-1；计数+） 总和=值[计数]； 返回（char）（和（n-2））； } / / =========================================================== ====================================== 6、限幅平均滤波法 一个、方法： 相当于”限幅滤波法”+“递推平均滤波法” 每次采样到的新数据先进行限幅处理， 再送入队列进行递推平均滤波处理 B、优点： 融合了两种滤波法的优点 对于偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差 C、缺点： 比较浪费RAM 6、限幅平均滤波法 / * * / 略参考子程序1、3 7、一阶滞后滤波法 为加快程序处理速度假定基数为/ * 100 = 0，~ 100 * / #定义50 char值； 焦filter() 焦new_value； new_value = get_ad()； 返回值（100-A）* + * new_value； } / / =========================================================== ====================================== 7、一阶滞后滤波法 一个、方法： 取= 0 ~ 1 本次滤波结果=（1-a）* + *上次滤波结果本次采样值 B、优点： 对周期性干扰具有良好的抑制作用 适用于波动频率较高的场合 C、缺点： 相位滞后，灵敏度低 滞后程度取决于一值大小 1 / 2的干扰信号不能消除滤波频率高于采样频率的 / / =========================================================== ====================================== 8、加权递推平均滤波法 一个、方法： 是对递推平均滤波法的改进，即不同时刻的数据加以不同的权 通常是，越接近现时刻的数据，权取得越大。 给予新采样值的权系数越大，则灵敏度越高，但信号平滑度越低 B、优点： 适用于有较大纯滞后时间常数的对象 和采样周期较短的系统 C、缺点： 对于纯滞后时间常数较小，采样周期较长，变化缓慢的信号 不能迅速反应系统当前所受干扰的严重程度，滤波效果差 8、加权递推平均滤波法 / * * / COE数组为加权系数表，存在程序存储区。 #定义N 12 字符代码的COE的[ ] = { 1,2,3,4,5,6,7,8,9,10,11,12 }； 字符代码sum_coe = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12； 焦filter() { 字符计数； 焦value_buf [N].； int＝0； 对于（计数= 0，计算< n；计数+） { value_buf [数] = get_ad()； delay()； } 对于（计数= 0，计算< n；计数+） 总和+ = value_buf [数]×科[数]； 返回（char）（和/ sum_coe）； } / / =========================================================== ====================================== 9、消抖滤波法 一个、方法： 设置一个滤波计数器 将每次采样值与当前有效值比较： 如果采样值＝当前有效值，则计数器清零 如果采样值<>当前有效值，则计数器+ 1，并判断计数器是否> =上限N（溢出） 如果计数器溢出，则将本次值替换当前有效值，并清计数器 B、优点： 对于变化缓慢的被测参数有较好的滤波效果， 可避免在临界值附近控制器的反复开/关跳动或显示器上数值抖动 C、缺点： 对于快速变化的参数不宜 If the value sampled at the time of the overflow of the counter is exactly the interference value, the interference value is considered as a valid value import system The 9 、 noise elimination filter method #define N 12 Char, filter () { Char count=0; Char new_value; New_value = get_ad (); While (value, =new_value); { Count++; 常用的8种数字滤波算法 摘要：分析了采用数字滤波消除随机干扰的优点，详细论述了微机控制系统中常用的8种数字滤波算法，并讨论了各种数字滤波算法的适用范围。 关键词：数字滤波；控制系统；随机干扰；数字滤波算法 1 引言 在微机控制系统的模拟输入信号中，一般均含有各种噪声和干扰，他们来自被测信号源本身、传感器、外界干扰等。为了进行准确测量和控制，必须消除被测信号中的噪声和干扰。噪声有2大类：一类为周期性的，其典型代表为50 Hz 的工频干扰，对于这类信号，采用积分时间等于20 ms整倍数的双积分A/D转换器，可有效地消除其影响；另一类为非周期的不规则随机信号，对于随机干扰，可以用数字滤波方法予以削弱或滤除。所谓数字滤波，就是通过一定的计算或判断程序减少干扰信号在有用信号中的比重，因此他实际上是一个程序滤波。 数字滤波器克服了模拟滤波器的许多不足，他与模拟滤波器相比有以下优点： (1)数字滤波器是用软件实现的，不需要增加硬设备，因而可靠性高、稳定性好，不存在阻抗匹配问题。 (2)模拟滤波器通常是各通道专用，而数字滤波器则可多通道共享，从而降低了成本。 (3)数字滤波器可以对频率很低(如0.01 Hz)的信号进行滤波，而模拟滤波器由于受电容容量的限制，频率不可能太低。 (4)数字滤波器可以根据信号的不同，采用不同的滤波方法或滤波参数，具有灵活、方便、功能强的特点。 2 常用数字滤波算法 数字滤波器是将一组输入数字序列进行一定的运算而转换成另一组输出数字序列的装置。设数字滤波器的输入为X(n)，输出为Y(n)，则输入序列和输出序列之间的关系可用差分方程式表示为： 其中：输入信号X(n)可以是模拟信号经采样和A/D变换后得到的数字序列，也 《数字信号处理》课程设计报告 设计课题滤波器设计与实现 专业班级电信1101班 姓名 学号 201105 报告日期2013年12月 《数字信号处理》 课程设计任务书 题目滤波器设计与实现 学生姓名甘源滢学号201105020103 专业班级电信1101班 设计内容与要求一、设计内容： 设计一个模拟低通巴特沃斯滤波器，技术指标：通带截止频率1000rad，通带最大衰减1dB；阻带起始频率5000rad，阻带最小衰减30dB，画出其幅度谱和相位谱。 二、设计要求 1 设计报告一律按照规定的格式，使用A4纸，格式、封面统一给出模版。 2 报告内容 （1）设计题目及要求 （2）设计原理(包括工作原理、涉及到的matlab函数的说明) （3）设计内容（设计思路，设计流程、仿真结果） （4）设计总结（收获和体会） （5）参考文献 （6）程序清单 起止时间2013年12 月16日至2013年12月23 日指导教师签名2013年12月10日系（教研室）主任签名2013年12 月12 日学生签名2013年12月13日 目录 1课题描述 (1) 1.1报告介绍 (1) 2设计原理 (2) 2.1巴特沃斯低通模拟滤波器的设计原理 (2) 2.2低通巴特沃斯滤波器的设计步骤如下 (3) 2.3函数说明 (3) 2.3.1buttord函数 (3) 2.3.2butter函数 (4) 2.4模拟低通滤波器的性能指标 (4) 3设计内容 (5) 3.1MATLAB简介 (5) 3.2巴特沃斯滤波器的设计步骤 (6) 3.3对巴特沃斯低通模拟滤波器的仿真 (6) 4实验结果分析 (7) 5实验心得体会 (7) 6程序清单 (8) 7参考文献 (9) 1.课题描述 1.1报告介绍 模拟滤波器的理论和设计方法已经发展的相当成熟，且有多种典型的滤波器供我们选择，如巴特沃斯(butterworth)滤波器,切比雪夫(chebyshev)滤波器，椭圆(ellipse)滤波器，贝塞尔(bessel)滤波器等。这些滤波器都有着严格的设计公式，现成的曲线和图表供设计人员使用，而且所设计的系统函数都满足电路实现条件。这些典型的滤波器各有特点：巴特沃斯滤波器具有单调下降到幅频特性；切比雪夫滤波器的幅频特性在带通或者阻带有等波纹特性，可以提高选择性；贝塞尔滤波器通带内有较好的线性相位特性；椭圆滤波器的选择性相对前三种是 1、限幅滤波法(又称程序判断滤波法) A、方法: 根据经验判断,确定两次采样允许的最大偏差值(设为A) 每次检测到新值时判断: 如果本次值与上次值之差<=A,则本次值有效 如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值B、优点: 能有效克服因偶然因素引起的脉冲干扰 C、缺点 无法抑制那种周期性的干扰 平滑度差 2、中位值滤波法 A、方法: 连续采样N次(N取奇数) 把N次采样值按大小排列 取中间值为本次有效值 B、优点: 能有效克服因偶然因素引起的波动干扰 对温度、液位的变化缓慢的被测参数有良好的滤波效果 C、缺点: 对流量、速度等快速变化的参数不宜 3、算术平均滤波法 A、方法: 连续取N个采样值进行算术平均运算 N值较大时:信号平滑度较高,但灵敏度较低 N值较小时:信号平滑度较低,但灵敏度较高 N值的选取:一般流量,N=12;压力:N=4 B、优点: 适用于对一般具有随机干扰的信号进行滤波 这样信号的特点是有一个平均值,信号在某一数值范围附近上下波动 C、缺点: 对于测量速度较慢或要求数据计算速度较快的实时控制不适用 比较浪费RAM 4、递推平均滤波法(又称滑动平均滤波法) A、方法: 把连续取N个采样值看成一个队列 队列的长度固定为N 每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则) 把队列中的N个数据进行算术平均运算,就可获得新的滤波结果 N值的选取:流量,N=12;压力:N=4;液面,N=4~12;温度,N=1~4 B、优点: 对周期性干扰有良好的抑制作用,平滑度高 适用于高频振荡的系统 C、缺点: 灵敏度低 对偶然出现的脉冲性干扰的抑制作用较差 不易消除由于脉冲干扰所引起的采样值偏差 不适用于脉冲干扰比较严重的场合 比较浪费RAM 5、中位值平均滤波法(又称防脉冲干扰平均滤波法) A、方法: 相当于“中位值滤波法”+“算术平均滤波法” 连续采样N个数据,去掉一个最大值和一个最小值 然后计算N-2个数据的算术平均值 N值的选取:3~14 B、优点: 融合了两种滤波法的优点 对于偶然出现的脉冲性干扰,可消除由于脉冲干扰所引起的采样值偏差C、缺点: 测量速度较慢,和算术平均滤波法一样 比较浪费RAM 6、限幅平均滤波法 A、方法: 相当于“限幅滤波法”+“递推平均滤波法” 每次采样到的新数据先进行限幅处理, 再送入队列进行递推平均滤波处理 B、优点: 融合了两种滤波法的优点 对于偶然出现的脉冲性干扰,可消除由于脉冲干扰所引起的采样值偏差C、缺点: 比较浪费RAM 7、一阶滞后滤波法 A、方法: 取a=0~1 本次滤波结果=(1-a)*本次采样值+a*上次滤波结果 B、优点: 对周期性干扰具有良好的抑制作用 适用于波动频率较高的场合 C、缺点: 相位滞后,灵敏度低 滞后程度取决于a值大小 一个应用实例详解卡尔曼滤波及其算法实现 标签：算法filtermatlabalgorithm优化工作 2012-05-14 10:48 75511人阅读评论(25) 收藏举报分类： 数据结构及其算法（4） 为了可以更加容易的理解卡尔曼滤波器，这里会应用形象的描述方法来讲解，而不是像大多数参考书那样罗列一大堆的数学公式和数学符号。但是，他的5条公式是其核心内容。结合现代的计算机，其实卡尔曼的程序相当的简单，只要你理解了他的那5条公式。 在介绍他的5条公式之前，先让我们来根据下面的例子一步一步的探索。 假设我们要研究的对象是一个房间的温度。根据你的经验判断，这个房间的温度是恒定的，也就是下一分钟的温度等于现在这一分钟的温度（假设我们用一分钟来做时间单位）。假设你对你的经验不是100%的相信，可能会有上下偏差几度。 我们把这些偏差看成是高斯白噪声（White Gaussian Noise），也就是这些偏差跟前后时间是没有关系的而且符合高斯分配（Gaussian Distribution）。另外，我们在房间里放一个温度计，但是这个温度计也不准确的，测量值会比实际值偏差。我们也把这些偏差看成是高斯白噪声。 好了，现在对于某一分钟我们有两个有关于该房间的温度值：你根据经验的预测值（系统的预测值）和温度计的值（测量值）。下面我们要用这两个值结合他们各自的噪声来估算出房间的实际温度值。 假如我们要估算k时刻的是实际温度值。首先你要根据k-1时刻的温度值，来预测k时刻的温度。因为你相信温度是恒定的，所以你会得到k时刻的温度预测值是跟k-1时刻一样的，假设是23度，同时该值的高斯噪声的偏差是5度（5是这样得到的：如果k-1时刻估算出的最优温度值的偏差是3，你对自己预测的不确定度是4度，他们平方相加再开方，就是5）。然后，你从温度计那里得到了k时刻的温度值，假设是25度，同时该值的偏差是4度。 由于我们用于估算k时刻的实际温度有两个温度值，分别是23 度和25度。究竟实际温度是多少呢？相信自己还是相信温度计呢？究竟相信谁多一点，我们可以用他们的covariance（协方差）来判断。因为Kg^2=5^2/(5^2+4^2)，所以Kg=0.78，我们可以估算出k时刻的实际温度值是：23+0.78*(25-23)=24.56度。 可以看出，因为温度计的covariance比较小（比较相信温度计），所以估算出的最优温度值偏向温度计的值。 现在我们已经得到k时刻的最优温度值了，下一步就是要进入k+1时刻，进行新的最优估算。到现在为止，好像还没看到什么自回归的东西出现。对了，在进入k+1时刻之前，我们还要算出k时刻那个最优值（24.56 度）的偏差。算法如下：((1-Kg)*5^2)^0.5=2.35。这里的5就是上面的k时刻你预测的那个23度 2017 年秋季学期研究生课程考核 （读书报告、研究报告） 考核科目:雷达系统导论 学生所在（系）:电子与信息工程学院 学生所在学科:电子与同学工程 学生姓名: 学号: 学生类别: 考核结果阅卷人 第 1 页（共页） 几种非线性滤波算法的介绍与性能分析 作者姓名：学号： 专业院系：电信学院电子工程系 电子邮件： 摘要—非线性滤波算法在雷达目标跟踪中有着重要的应用，对雷达的跟踪性能有着至关重要的影响。好的滤波算法有利于目标航迹的建立及保持，能够得到较精确的目标位置，为发现目标后的后续工作提供可靠的数据依据。本文重点介绍了雷达数据处理中的几种非线性滤波算法：扩展卡尔曼滤波（EKF）、不敏卡尔曼滤波（UKF）、粒子滤波（PF），并且给出了一个利用这三种算法进行数据处理的一个实例，通过这个实例对比分析了这三种算法的性能以及优劣。 关键字—非线性滤波算法；扩展卡尔曼滤波；不敏卡尔曼滤波；粒子滤波； I.概述（一级表题格式） 在雷达对目标进行跟踪前要先对目标进行检测。对于满足检测条件的目标就需要进行跟踪，在跟踪的过程中可以利用新获得的数据完成对目标的进一步检测比如去除虚假目标等，同时利用跟踪获得数据可以进一步完成对目标动态特性的检测和识别。因此对目标进行准确的跟踪是雷达性能的一个重要指标。在检测到满足条件的目标后，根据目标运动状态建立目标运动模型，然后对目标跟踪算法进行设计，这是雷达目标跟踪中的核心部分。 目前主要的跟踪算法包括线性自回归滤波，两点外推滤波、维纳滤波、- αβ滤波、加权最小二乘滤波、维纳滤波和卡尔曼滤波[1]。对于线性系统而言最优滤波的方法就是卡尔曼滤波，卡尔曼滤波是线性高斯模型下的最优状态估计算法。但是实际问题中目标的运动模型往往不是线性的，因此卡尔曼滤波具有很大的局限性。目前主要用的非线性滤波算法可以分为高斯滤波和粒子滤波[2]。不敏卡尔曼滤波和扩展卡尔曼滤波就是高斯滤波中的典型代表，也是应用相对较为广泛的。粒子滤波的应用范围比高斯滤波的适用范围要广，对于系统状态非线性，观测模型非高斯等问题都有很好的适用性。本文具体分析阐述了扩展卡尔曼滤波算法，不敏卡尔曼滤波算法，粒子滤波算法，并且通过一个实例利用仿真的方法分析了这三种算法在滤波性能上的优劣，最后对这三种算法做了一定的总结。 我本科毕业设计题目为《基于历史数据的路径生成算法研究》，由于我是跨专业保研到电信学院，该课题所研究内容不属于雷达系统研究范围，是一种城市路网最快路径生成算法。 II.几种非线性滤波算法 A.扩展卡尔曼滤波 扩展卡尔曼滤波是将非线性系统转换为近似的线性系统的一种方法，其核心思想是围绕滤波值将非线性函数展开成泰勒级数并略去二阶及以上的项，得到一个近似的线性化模型，然后应用卡尔曼滤波完成状态估计。 扩展卡尔曼滤波状态空间模型： k k k w x f+ = + ) ( x 1 状态方程 k k k v x h+ =) ( z观测方程 其中(.) f和(.) h为非线性函数 在扩展卡尔曼滤波中，状态的预测以及观测值的预测由非线性函数计算得出，线性卡尔曼滤波中的状态转移矩阵A阵和观测矩阵H阵由f和h函数的雅克比矩阵代替。 对 (.) f和(.) h Taylor展开，只保留一次项有： ) ? ( ) ?( ) ( k k k k k x x A x f x f- + ≈ ) ? ( ) ?( ) ( k k k k k x x H x h x h- + ≈ 其中： k k x x k k dx df A ?= =为f对 1- k x求导的雅克比矩阵 k k x x k k dx dh H ?= =为h对 1- k x求导的雅克比矩阵 ) ?( ? 1-k k x f x=，于是可以得出： k k k k k k k w x A x f x A x+ - + ≈ + ) ? ) ?( ( 1 k k k k k k k v x H x h x H z+ - + ≈ + ) ? ) ?( ( 1 通过以上变换，将非线性问题线性化。接下来EKF 滤波过程同线性卡尔曼滤波相同，公式如下: )) | (?( ) |1 ( X?k k X f k k= + ) ( ) ( ) | ( ) ( ) |1 (P k Q k k k P k k k+ Φ' Φ = + )1 ( )1 ( ) |1 ( )1 ( )1 (S+ + + ' + + = +k R k H k k P k H k )1 ( )1 ( ) |1 ( )1 ( K1+ + ' + = +-k S k H k k P k 第33卷第8期自动化学报Vol.33,No.8 2007年8月ACTA AUTOMATICA SINICA August,2007 遗传重采样粒子滤波器 叶龙1王京玲1张勤1 摘要粒子退化现象是影响粒子滤波器性能的一个重要因素.本文针对粒子退化,将遗传机制应用于粒子重采样,以进化设计解决退化问题.分析并给出了平衡粒子集的有效性与多样性的手段以取得最佳性能的遗传粒子滤波结构的方法. 关键词粒子滤波器,粒子退化,遗传机制,有效性粒子,多样性粒子中图分类号TP3 Genetic Resampling Particle Filter YE Long1WANG Jing-Ling1ZHANG Qin1 Abstract Particle degeneration is a key issue in the perfor-mance of a particle?lter.In this paper we introduce genetic mechanism into particle resampling process.It is shown that the new particle?lter can e?ectively eliminate particle degeneration and reduce its dependency on the particle validity.Furthermore, the new genetic particle?lter can be optimized by three key ge-netic factors–selection,crossover and mutation probabilities. Key words Particle?lter,particle degeneration,genetic mechanism,e?ective particle,diversiform particle 1引言 近年来,针对状态估计与运动跟踪,粒子滤波器[1～3](Particle?lter)由于采用蒙特卡罗采样(Monte Carlo sampling)结构而在非线性、非高斯系统状态跟踪上体现出越来越大的优越性,并得到了广泛的应用[4,5].粒子退化[3]是粒子滤波器中不可避免的、同时严重影响粒子滤波器性能的现象,在粒子滤波器经过几次迭代之后,很多粒子只有很小甚至接近于零的权值,这些权值在进行粒子的重要度更新的时候虽然还要计算但是对整个系统的帮助很小,基本上属于无用的粒子,这样一方面浪费了大量计算资源,同时也容易造成跟踪的精度降低甚至目标丢失.粒子重采样是解决粒子退化问题的一种重要方法,常用的重采样算法有累积分布重采样[2](Binary search)、系统重采样[6](Systematic resampling)、剩余重采样[7](Residual resampling)等.这些算法通过增加粒子的有效性解决了粒子退化问题,但是在实际应用中可影响系统的鲁棒性.重采样完成后,重要度高的粒子通过重采样被多次选取,这在一定程度上丢失了粒子的多样性,由此造成的后果就是一旦目标丢失或跟踪精度不够,系统自动收敛的可能性很小. 针对这一问题,本文将遗传机制[8]应用于粒子重采样,利用进化思想解决粒子退化问题,即针对重采样中粒子有效性与多样性的两个矛盾,提出了一种新型的在保证粒子有效性的同时科学地增加粒子多样性的方法—遗传重采样算法.同时通过单变量与多变量跟踪问题的实例,给出了针对具体问题寻找最佳遗传系统的方案,通过引入置信区间分析并演 收稿日期2006-2-16收修改稿日期2007-4-19 Received February16,2006;in revised form April19,2007 国家自然科学基金(60572041)资助 Supported by National Natural Science Foundation of China (60572041) 1.中国传媒大学信息工程学院北京100024 https://www.doczj.com/doc/085689577.html,rmation Engineering School,Communication University of China,Beijing100024 DOI:10.1360/aas-007-0885示了多样性粒子与有效性粒子的比例对于跟踪准确性的影响. 2遗传重采样算法与遗传粒子滤波器 假设一个动态状态空间中的目标状态方程与观测方程定义如下 x k=f(x k?1,v k)(1) z k=h(x k,u k)(2) 其中,x k与z k分别表示目标状态值与观测值,f k:R ns×R nv→R ns表示目标状态非线性转移函数,v k为状态转移噪声,n s与n v分别表示目标状态矢量维数与状态噪声矢量维数；h k:R ns×R nu→R nz表示目标状态非线性观测函数,u k为观测噪声,n z与n u分别表示目标观测矢量维数与观测噪声矢量维数,跟踪的目的就是通过目标的观测状态z k 得到x k的估计. 粒子滤波器是通过递归蒙特卡罗采样实现跟踪的一种统计计算方法,其算法包括两个主要步骤：预测和更新.预测是指根据Chapman-Kolmogorov方程得到目标运动的先验概率密度函数(Probability density function,PDF)；而更新是指通过贝叶斯公式与目标状态似然度对先验PDF做出的修正.在粒子滤波器中,PDF用带有权值的粒子组成的粒子集近似表示,因此粒子滤波器是一种通过粒子状态与权值的预测与更新而实现目标状态后验概率密度估计的方法.粒子退化是粒子滤波器中一个不可避免的问题.在粒子状态更新后,为解决粒子退化问题,需要对粒子集合进行重采样操作以去除不重要的粒子,但是这种去除往往使粒子集丢失其多样性(如引言中所述).因此,在本文中,我们将遗传操作引入了粒子重采样,解决了这一问题. 将遗传机制应用于粒子的重采样.首先,作为一种进化思想的理论基础,遗传机制为解决粒子退化问题提供了重要的指导思想;其次,遗传机制不仅仅通过选择算子[8]T s遴选优良个体,还可以通过重组算子T c与变异算子T m操作产生新的个体.因此,适当地优化调整选择概率P s、重组概率P c以及变异概率P m,可以在保证粒子有效性的同时兼顾粒子的多样性.遗传重采样过程是遗传机制的执行过程,即针对每一个带有权值的粒子状态,首先对状态进行二进制编码,然后按照设定的选择、交叉、变异概率对于粒子集依次进行相应的算子计算,得到的粒子集合在二进制解码后得到最终的重采样粒子集.因此,遗传重采样下的粒子滤波器算法可以描述为算法1. 算法1.遗传重采样粒子滤波器算法(GRPF) [{x i k,ωi k}N i=1]=GRPF[{x i k?1,ωi k?1}N i=1,z k] 步骤1.初始化粒子集{x i0,ωi0}i=1:N for k=1:K 步骤2.粒子状态预测 x i k～P(x i k,x i k?1)i=1:N 步骤3.粒子状态权衡(更新) ωi k∝ωi k?1P(z k|x i k) ω i k= ωi k N i=1 ωi k 步骤4.遗传粒子重采样 毕业设计(论文) UNDERGRADUATE PROJECT (THESIS) 题目: 冲击测试常用滤波算法研究 学院 专业 学号 学生姓名 指导教师 起讫日期 目录 摘要 (2) ABSTRACT (3) 第一章绪论 (4) 1.1课题背景 (4) 1.2国内外相关领域的研究 (4) 1.3主要研究内容与创新 (5) 1.3.1研究内容与意义 (5) 1.3.2课题的创新点 (5) 1.3.3 研究目的与技术指标 (6) 第二章数字滤波基础 (7) 2.1数字滤波算法概念 (7) 2.2数据采样与频谱分析原理 (8) 2.2.1 时域抽样定理 (8) 2.2.2 离散傅立叶变换(DFT) (8) 2.2.3 快速傅立叶变换(FFT) (9) 2.2.4 频谱分析原理 (9) 2.3常用数字滤波算法基础 (10) 2.3.1常用数字滤波算法分类 (10) 2.3.2常用数字滤波算法特点 (11) 2.3.3常用滤波算法相关原理 (13) 2.4 冲击测试采样数据 (16) 2.4.1噪声的特点与分类 (16) 2.4.2冲击测试采样数据特点 (17) 2.5 MATLAB简介 (17) 2.5.1 MATLAB功能简介 (18) 2.5.2 MATLAB的发展 (18) 第三章、冲击测试滤波算法设计及滤波效果分析 (20) 3.1 冲击测试采样数据的分析 (20) 3.2 滤波算法设计及效果分析 (21) 3.2.1 中位值平均法的设计 (21) 3.2.2限幅法和限速法的设计 (23) 3.2.3一阶滞后法的设计 (25) 3.2.4低通法的设计 (26) 第四章结论与展望 (34) 4.1冲击测试的滤波算法总结 (34) 4.2冲击测试的滤波算法展望 (34) 致谢 (36) 参考文献 (37) 附录：程序代码清单 (38) 实验一 IIR数字滤波器设计及软件实现 一、实验目的 （1）熟悉用双线性变换法设计IIR数字滤波器的原理与方法； （2）学会调用MATLAB信号处理工具箱中滤波器设计函数（或滤波器设计分析工具fdatool）设计各种IIR数字滤波器，学会根据滤波需求确定滤波器指标参数。 （3）掌握IIR数字滤波器的MATLAB实现方法。 （3）通过观察滤波器输入输出信号的时域波形及其频谱，建立数字滤波的概念。 二、实验原理 设计IIR数字滤波器一般采用间接法（脉冲响应不变法和双线性变换法），应用最广泛的是双线性变换法。基本设计过程是：①先将给定的数字滤波器的指标转换成过渡模拟滤波器的指标；②设计过渡模拟滤波器；③将过渡模拟滤波器系统函数转换成数字滤波器的系统函数。MATLAB信号处理工具箱中的各种IIR数字滤波器设计函数都是采用双线性变换法。第六章介绍的滤波器设计函数butter、cheby1 、cheby2 和ellip可以分别被调用来直接设计巴特沃斯、切比雪夫1、切比雪夫2和椭圆模拟和数字滤波器。本实验要求同学调用如上函数直接设计IIR数字滤波器。 本实验的数字滤波器的MATLAB实现是指调用MATLAB信号处理工具箱函数filter对给定的输入信号x(n)进行滤波，得到滤波后的输出信号y(n）。 三、实验内容及步骤 （1）调用信号产生函数mstg，产生由三路抑制载波调幅信号相加构成的复合信号st，该函数还会自动绘图显示st的时域波形和幅频特性曲线，如图1-1所示。由图可见，三路信号时域混叠无法在时域分离。但频域是分离的，所以可以通过滤波的方法在频域分离，这就是本实验的目的。 图1-1 三路调幅信号st 的时域波形和幅频特性曲线 （2）要求将st 中三路调幅信号分离，通过观察st 的幅频特性曲线，分别确定可以分离st 中三路抑制载波单频调幅信号的三个滤波器（低通滤波器、带通滤波器、高通滤波器）的通带截止频率和阻带截止频率。要求滤波器的通带最大衰减为0.1dB,阻带最小衰减为60dB 。 提示：抑制载波单频调幅信号的数学表示式为 0001()cos(2)cos(2)[cos(2())cos(2())]2 c c c s t f t f t f f t f f t ππππ==-++ 其中，cos(2)c f t π称为载波，f c 为载波频率，0cos(2)f t π称为单频调制信号，f 0为调制正弦波信号频率，且满足0c f f >。由上式可见，所谓抑制载波单频调幅信号，就是2个正弦信号相乘，它有2个频率成分：和频0c f f +和差频0c f f -，这2个频率成分关于载波频率f c 对称。所以，1路抑制载波单频调幅信号的频谱图是关于载波频率f c 对称的2根谱线，其中没有载频成分，故取名为抑制载波单频调幅信号。容易看出，图1-1中三路调幅信号的载波频率分别为250Hz 、500Hz 、1000Hz 。如果调制信号m(t)具有带限连续频谱，无直流成分，则()()cos(2)c s t m t f t π=就是一般的抑制载波调幅信号。其频谱图是关于载波频率f c 对称的2个边带（上下边带），在专业课通信原理中称为双边带抑制载波 (DSB-SC) 调幅信号,简称双边带 (DSB) 信号。如果调制信号m(t)有直流成分，则()()cos(2)c s t m t f t π=就是一般的双边带调幅信号。其频谱图是关于载波频率f c 对称的2个边带（上下边带），并包含载频成分。 低通滤波：又叫一阶惯性滤波，或一阶低通滤波。是使用软件编程实现普通硬件RC 低通滤波器的功能。 适用范围：单个信号，有高频干扰信号。 一阶低通滤波的算法公式为： Y(n)X(n)(1)Y(n 1)αα=+-- 式中： α是滤波系数；X(n)是本次采样值；Y(n 1)-是上次滤波输出值；Y(n)是本次滤波输出值。 滤波效果1： 红色线是滤波前数据（matlab 中生成的正弦波加高斯白噪声信号） 黄色线是滤波后结果。 滤波效果2： matlab中函数，相当于一阶滤波，蓝色是原始数据（GPS采集到的x（北）方向数据，单位m），红色是滤波结果。 一阶滤波算法的不足： 一阶滤波无法完美地兼顾灵敏度和平稳度。有时，我们只能寻找一个平衡，在可接受的灵敏度范围内取得尽可能好的平稳度。 互补滤波：适用于两种传感器进行融合的场合。必须是一种传感器高频特性好（动态响应好但有累积误差，比如陀螺仪。），另一传感器低频特性好（动态响应差但是没有累积误差，比如加速度计）。他们在频域上互补，所以进行互补滤波融合可以提高测量精度和系统动态性能。 应用：陀螺仪数据和加速度计数据的融合。 互补滤波的算法公式为： 1122Y(n)X (n)(X (n)Y(n 1))αα+=+-- 式中：1α和2α是滤波系数；1X (n)和2X (n)是本次采样值；Y(n 1)-是上次滤 波输出值；Y(n)是本次滤波输出值。 滤波效果 （测试数据）： 蓝色是陀螺仪 信号，红色是加 速度计信号，黄 色是滤波后的 角度。 . 互补滤波实际效果： . 卡尔曼滤波：卡尔曼滤波器是一个“optimal recursive data processing algorithm （最优化自回归数据处理算法）”。对于解决很大部分的问题，它是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测。 首先，用于测量的系统必须是线性的。 (k)(k 1)(k)(k)X AX BU w =-++ (k)(k)(k)Z HX v =+ (k)X 是系统k 时刻的状态，(k)U 是系统k 时刻的控制量。(k)Z 是系统k 时 刻的测量值。A 和B 为系统参数，(k)w 和(k)v 分别表示过程和测量的噪声，H 是测量系统参数。 在进行卡尔曼滤波时： 首先进行先验预测： (k 1|k)(k |k)(k)(k)X AX BU w +=++ 计算先验预测方差： '(k 1|k)(k |k)(k)P AP A Q +=+ 计算增益矩阵： (k 1)(k 1|k)'/((k 1|k)'(k 1))Kg P H HP H R +=++++ 后验估计值： (k 1|k 1)(k 1|k)(k 1)(Z(k 1)(k 1|k))X X Kg HX ++=++++-+ 后验预测方差： (k 1|k 1)(1(k 1))(k 1|k)P Kg H P ++=-++ 其中，(k)Q 是系统过程激励噪声协方差，(k)R 是测量噪声协方差。 举例说明： （下文中加粗的是专有名词，需要理解） 预测小车的位置和速度的例子（博客+自己理解）: Kalman_Filter(float Gyro,float Accel) { Angle+=(Gyro - Q_bias) * dt; Pdot[0]=Q_angle - PP[0][1] - PP[1][0]; Pdot[1]= - PP[1][1]; Pdot[2]= - PP[1][1]; Pdot[3]=Q_gyro; PP[0][0] += Pdot[0] * dt; PP[0][1] += Pdot[1] * dt; PP[1][0] += Pdot[2] * dt; PP[1][1] += Pdot[3] * dt; Angle_err = Accel - Angle; PCt_0 = C_0 * PP[0][0]; PCt_1 = C_0 * PP[1][0]; E = R_angle + C_0 * PCt_0; K_0 = PCt_0 / E; K_1 = PCt_1 / E; t_0 = PCt_0; t_1 = C_0 * PP[0][1]; PP[0][0] -= K_0 * t_0; PP[0][1] -= K_0 * t_1; PP[1][0] -= K_1 * t_0; PP[1][1] -= K_1 * t_1; Angle += K_0 * Angle_err; Q_bias += K_1 * Angle_err; Gyro_x = Gyro - Q_bias; } 首先是卡尔曼滤波的5个方程： -=--+（1）先验估计 X k k AX k k Bu k (|1)(1|1)() -=--+（2）协方差矩阵的预测(|1)(1|1)' P k k AP k k A Q 2011年4月第4期 电子测试 ELECTRONIC TEST Apr.2011 No.4一种改进的粒子滤波重采样算法研究 金玉柱，李善姬 （延边大学工学院，吉林 延吉 133002） 摘要：粒子滤波是基于递推的蒙特卡罗模拟方法的总称，可用于任意非线性，非高斯随机系统的状态估计。为了减轻退化现象，引入重采样过程，但重采样过程算法复杂，计算量大，不利于硬件实现，并且会削弱粒子的多样性，从而导致滤波性能下降。提出了一种将局部重采样和优化组合算法结合的重采样算法。将粒子按权值大小分类，小权值的粒子抛弃，大权值的粒子进行复制，将复制的粒子和抛弃的粒子线性组合产生新的粒子，增加了粒子多样性并且只对大权值粒子进行运算，故降低了计算量利于实时系统的硬件实现。仿真结果证明了该算法的有效性。 关键字：粒子滤波; 局部重采样; 优化组合 中图分类号： TP391 文献标识码：A Research of improved particle filter resampling algorithm Jin Yuzhu, Li Shanji (College of Engineering, Yanbian University, Yanji 133002, China) Abstract: Particle filtering is a sequential Monte Carlo simulation algorithm. It can be used to estimate the state of any nonlinear, non-Gaussian system. In order to reduce the degeneracy, the resampling algorithm is adopted. But the resampling process has complex algorithm architecture, which have restricted its implementation in real-time system. Resampling process also leads to the loss of diversity of particles, and the loss makes filter’s performance worse. A new algorithm-partial resampling combined with optimizing combination resampling method is proposed. Assort the particles by their weights, the particles which have low weights are abandoned and the particles which have high weights are reproduced, and generate new particles by combining the reproduced particles and abandoned particles. This new method partly overcomes the loss of diversity and because it simply operates to the high weights particle so its calculation is simplified. And it is propitious to implement by hardware. The simulation results prove the effectiveness of the proposed method. Keywords : particle filtering; partial resampling; optimizing combination 0 引言 粒子滤波器，又称序贯蒙特卡罗方法。可以有效地处理非线性、非高斯滤波问题，广泛地应用在机动目标跟踪、信号传输与压缩、金融领域数据分析、图像处理、故障诊断等领域。所谓粒子滤波就是贝叶斯估计基于抽样理论的一种近似算法，通过非参数化的蒙特卡罗模拟方法来实现递推贝叶斯滤波，即通过一组动态状态空间上按贝叶斯准则进行更新的随机加权的样本或粒子，对未知状态的后验概率密度进行估计，其中这些粒子通过对后验密度序贯重 1.设计物理可实现的低通滤波器 设计思路：因为要设计FIR有限脉冲响应滤波器，通常的理想滤波器的单位脉冲响应h是无限长的，所以需要通过窗来截断它，从而变成可实现的低通滤波器。程序如下： clc;clear all; omga_d=pi/5; omga=0:pi/30:pi; for N=3:4:51; w1= window(@blackman,N); w2 = window(@hamming,N); w3= window(@kaiser,N,2.5); w4= window(@hann,N); w5 = window(@rectwin,N); M=floor(N/2); subplot(311);plot(-M:M,[w1,w2,w3,w4,w5]); axis([-M M 0 1]); legend('Blackman','Hamming','kaiser','hann','rectwin'); n=1:M; hd=sin(n*omga_d)./(n*omga_d)*omga_d/pi; hd=[fliplr(hd),1/omga_d,hd]; h_d1=hd.*w1';h_d2=hd.*w2';h_d3=hd.*w3';h_d4=hd.*w4';h_d5=hd.*w5'; m=1:M; H_d1=2*cos(omga'*m)*h_d1(M+2:N)'+h_d1(M+1); H_d2=2*cos(omga'*m)*h_d2(M+2:N)'+h_d2(M+1); H_d3=2*cos(omga'*m)*h_d3(M+2:N)'+h_d3(M+1); H_d4=2*cos(omga'*m)*h_d4(M+2:N)'+h_d4(M+1); H_d5=2*cos(omga'*m)*h_d5(M+2:N)'+h_d5(M+1); subplot(312);plot(omga,[H_d1,H_d2,H_d3,H_d4,H_d5]); legend('Blackman','Hamming','kaiser','hann','rectwin'); subplot(313);plot(abs([fft(h_d1);fft(h_d2);fft(h_d3);fft(h_d4);fft(h_ d5)])'); pause(); end 程序分析： 整个对称窗的长度为N，然而为了在MATLAB中看到窗函数在负值时的形状需将N变为它的一半，即为2M+1个长度。窗长设置为从3开始以4为间隔一直跳动51。则长度相同的不同窗函数在时域[-M,M]的形状如第一个图所示。 对窗函数进行傅里叶变换时，将零点跳过去先构造一个一半的理想滤波器的脉冲响应hd，再将零点位置求导得出的数赋值进去。将生成的hd左右颠倒形成了一个理想的滤波器的脉冲响应。将构造的理想滤波器的脉冲响应依次与之前定义的窗函数相乘，相乘出来的为列向量，用转置将其变成行向量，形成的h_d就是非理想的低通滤波器的脉冲响应序列。因为h_d为对称奇数长度序列，它的DTFT 可以是二倍的离散余弦变化，而零点的位置则直接带入求出，两者相加则是H_d。则第二个图表示的是五个矩阵向量在频域的变化，而第三个图表示的是五个非理想低通滤波器的傅里叶变换，图三FFT给出的结果永远是对称的，因为它显示 数字信号处理课程设计 题目：基于matlab的语音信号滤波处理学院：物理与电子信息工程 专业：电子信息工程 班级： B07073041 学号： 200932000066 姓名：高珊 指导教师：任先平 摘要： 语音信号处理是研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴学科，是目前发展最为迅速的学科之一，通过语音传递信息是人类最重要，最有效，最常用和最方便的交换信息手段，所以对其的研究更显得尤为重要。 Matlab语言是一种数据分析和处理功能十分强大的计算机应用软件，它可以将声音文件变换成离散的数据文件，然后用起强大的矩阵运算能力处理数据。这为我们的本次设计提供了强大并良好的环境！ 本设计要求自己录制一段自己的语音后，在MATLAB软件中采集语音信号、回放语音信号并画出语音信号的时域波形和频谱图。再在Matlab中分别设计不同形式的FIR数字滤波器。之后对采集的语音信号经过不同的滤波器（低通、高通、带通）后，观察不同的波形，并进行时域和频谱的分析。对比处理前后的时域图和频谱图，分析各种滤波器对于语音信号的影响。最后分别收听进行滤波后的语音信号效果，做到了解在怎么样的情况下该用怎么样的滤波器。 目录 1.设计内容 (4) 2.设计原理 (4) 2.1语音信号的时域分析 (4) 2.2语音信号的频域分析 (5) 3.设计过程 (5) 3.1实验程序源代码 (6) 3.1.1原语音信号时域、频域图 (6) 3.1.2低通滤波器的设计 (6) 3.1.3高通滤波器的设计 (7) 3.1.4带通滤波器的设计 (8) 3.1.5语音信号的回放 (9) 3.2调试结果描述 (10) 3.3所遇问题及结果分析 (15) 3.3.1所遇主要问题 (16) 3.3.2结果分析 (16) 4.体会与收获 (17) 5.参考文献 (17) 1、限幅滤波法（又称程序判断滤波法） 2、A、方法： 3、根据经验判断，确定两次采样允许的最大偏差值（设为A） 4、每次检测到新值时判断： 5、如果本次值与上次值之差<=A,则本次值有效 6、如果本次值与上次值之差>A,则本次值无效,放弃本次值,用上次值代替本次值 7、B、优点： 8、能有效克服因偶然因素引起的脉冲干扰 9、C、缺点 10、无法抑制那种周期性的干扰 11、平滑度差 12、 13、2、中位值滤波法 14、A、方法： 15、连续采样N次（N取奇数） 16、把N次采样值按大小排列 17、取中间值为本次有效值 18、B、优点： 19、能有效克服因偶然因素引起的波动干扰 20、对温度、液位的变化缓慢的被测参数有良好的滤波效果 21、C、缺点： 22、对流量、速度等快速变化的参数不宜 23、 24、 25、 26、3、算术平均滤波法 27、A、方法： 28、连续取N个采样值进行算术平均运算 29、N值较大时：信号平滑度较高，但灵敏度较低 30、N值较小时：信号平滑度较低，但灵敏度较高 31、N值的选取：一般流量，N=12；压力：N=4 32、B、优点： 33、适用于对一般具有随机干扰的信号进行滤波 34、这样信号的特点是有一个平均值，信号在某一数值范围附近上下波动 35、C、缺点： 36、对于测量速度较慢或要求数据计算速度较快的实时控制不适用 37、比较浪费RAM 38、 39、4、递推平均滤波法（又称滑动平均滤波法） 40、A、方法： 41、把连续取N个采样值看成一个队列 42、队列的长度固定为N 43、每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则) 44、把队列中的N个数据进行算术平均运算,就可获得新的滤波结果常用的8种数字滤波算法
数字信号处理滤波器的设计
10种常用滤波方法
卡尔曼滤波算法与matlab实现
几种非线性滤波算法的研究-内附程序
遗传重采样粒子滤波器
基于Matlab的常用滤波算法研究(含代码)讲解
数字信号处理实验一 IIR数字滤波器设计及软件实现
常见的信号处理滤波方法
卡尔曼滤波算法总结
一种改进的粒子滤波重采样算法研究_金玉柱
数字信号处理滤波器
基于matlab的语音信号滤波处理——数字信号处理课程设计
常用滤波方法
相关主题
文本预览