AD采样点的电压多少有点起伏波动，经运放放大后电压的波动如果超过ADC的分辩率，则显示的值会出现波动。波动如果十分大的话，建议在硬件上滤波，相反，如果波动较小，你可以用软件滤波方法解决这个问题。
以下方法从网络上转载！！！
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
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
不能消除滤波频率高于采样频率的1/2的干扰信号
8、加权递推平均滤波法
A、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
9、消抖滤波法
A、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
如果在计数器溢出的那一次采样到的值恰好是干扰值,则会将干扰值当作有效值导入系统
10、限幅消抖滤波法
A、方法：
相当于“限幅滤波法”+“消抖滤波法”
先限幅,后消抖
B、优点：
继承了“限幅”和“消抖”的优点
改进了“消抖滤波法”中的某些缺陷,避免将干扰值导入系统
C、缺点：
对于快速变化的参数不宜
粒子滤波算法原理和仿真 1 引言 粒子滤波(Particle Filter, PF)是一种基于蒙特卡洛(Monte Carlo, MC)方法的递推贝叶斯滤波算法。其核心思想是通过从状态空间寻找的一系列随机样本来近似系统变量的概率密度函数，以样本均值代替积分运算，从而获得状态的最小方差估计。其中从状态空间中抽取的样本称为“粒子”。一般地，随着粒子数目的增加，粒子的概率密度函数就逐渐逼近状态的概率密度函数，从而达到最优贝叶斯估计的效果。 2 粒子滤波原理 2.1 系统的动态空间 对于被观测对象的状态，可以通过以下非线性离散系统来描述： 11(,)t t t x f x w --= (1) (,)t t t z h x v = (2) 以上为系统的状态方程和观测方程。其中，f ( )为状态函数，h ( )为观测函数，x t 是系统在时间t 的状态变量，w t 为对应的过程噪声，z t 是系统在时间t 的观测值，v t 为对应的观测噪声。 从贝叶斯估计角度来看，状态估计问题就是根据观测信息z 0:t 构造状态的概率密度函数p (x 0:t |z 0:t )，从而估计在系统在任何状态下的滤波值。设系统状态序列函数为g t ，则有： []0:0:0:0:0:()()()t t t t t t x E g x g x p x z dx =? (3) 根据蒙特卡洛方法，后验概率分布可以用有限的离散样本来近似，由大数定律，当系统粒子数N →∞时，期望E [g t (x 0:t )]可近似为： []() 0:0:1 1()()N i t t t t i E g x g x N ==∑ (4) 式中{() 0:i t x : i =1,2,...N }为状态空间中按p (x 0:t |z 0:t )得到的采样点。 2.2 重要性采样 在粒子采集过程中，p (x 0:t |z 0:t )往往是未知且多变的，因此可先从一个已知且容易采样的参考分布q (x 0:t |z 0:t )中抽样，再通过对抽样粒子集进行加权求和来估计系统的状态值，即：
一、第4题方差分析 1.1 建立数据文件 由题意可知，在同一浓度和温度下各做两次实验，将每一次的实验结果看作一个样本量，共342=24 ??个样本量。 (1) 在“变量视图”下，名称分别输入“factor1”、“factor1”、“result”，类型设为“数值”，小数均为“0”，标签分别为“浓度”、“温度”、“收率”，factor1的值“1=A1，2=A2，3=A3”，factor2的值“1=B1，2=B2，3=B3，4=B4”，对齐选择“居中”。 (2) 在“数据视图”下，根据表中数据输入对应的数据。 数据文件如图1所示，其中“factor1”表示浓度，“factor2”表示温度，“result”表示收率。三种不同浓度分别用1、2、3表示，四种不同温度分别用1、2、3、4表示。 图1.1 SPSS数据文件格式 1.2 基本思路 ，利用单因素方差分析，对 (1) 设“浓度对收率的影响不显著”为零假设H 该假设进行判定。 ，则可 (2) 设“它们间的交互作用对收率没有显著影响”分别依次为假设H 是否成立。 以通过多因素方差分析工具，利用得出的结果即能证明假设H 1.3 操作步骤 (1) 单因素的方差分析操作 ①分析—比较均值—单因素；因变量列表：收率；因子：浓度； ②两两比较：选中“LSD”复选框，定义用LSD法进行多重比较检验；显著性水平：0.05，单击“继续”； ③选项：选中“方差齐次性检验”，单击“继续”； ④单击“确定”。 (2) 有交互作用的两因素方差分析操作
①分析—一般线性模型—单变量；因变量：收率；固定因子：温度、浓度； ②绘制。水平轴：factor1，选择浓度作为均值曲线的横坐标，单图：factor2，选择温度作为曲线的分组变量；单击添加—继续。 ③选项。显示均值：factor1，定义估计因素1的均值；显著性水平：0.05；单击“继续”； ④单击“确定”。 1.4 结果分析 (1) “浓度对收率有无显著影响”结果分析 执行上述操作后，生成下表。 表1.1 方差齐性检验 表1中Levene统计量的取值为0.352，Sig.的值为0.708，大于0.05，所以认为各组的方差齐次。 表1.2 单因素方差分析 从表2可以看出，观测变量收率的总离差平方和为119.58；如果仅考虑浓度单因素的影响，则收率总变差中，浓度可解释的变差为39.083，抽样误差引起的变差为80.875，它们的方差分别为19.542、3.851，相除所得的F统计量的观测值为5.074，对应的概率P值为0.016，小于显著性水平0.05，则应拒绝原假设，认为不同浓度对收率产生了显著影响，它对收率的影响效应不全为0。
为电感对直流的阻抗小，交流的阻抗大，因此能够得到较好的滤波效果而直流损失小。电感滤波缺点是体积大,成本高. 桥式整流电感滤波电路如图2所示。电感滤波的波形图如图2所示。根据电感的特点，当输出电流发生变化时，L中将感应出一个反电势，使整流管的导电角增大，其方向将阻止电流发生变化。 图2电感滤波电路 在桥式整流电路中，当u2正半周时，D1、D3导电，电感中的电流将滞后u2不到90°。当u2超过90°后开始下降，电感上的反电势有助于D1、D3继续导电。当u2处于负半周时，D2、D4导电，变压器副边电压全部加到D1、D3两端，致使D1、D3反偏而截止，此时，电感中的电流将经由D2、D4提供。由于桥式电路的对称性和电感中电流的连续性，四个二极管D1、D3；D2、D4的导电角θ都是180°，这一点与电容滤波电路不同。 图3电感滤波电路波形图 已知桥式整流电路二极管的导通角是180°，整流输出电压是半个半个正弦波，其平均值约为。电感滤波电路，二极管的导通角也是180°，当忽略电感器L的电阻时，负载上输出的电压平均值也是。如果考虑滤波电感的直流电阻R，则电感滤波电路输出的电压平均值为 要注意电感滤波电路的电流必须要足够大，即RL不能太大，应满足wL>>RL，此时IO（AV）可用下式计算 由于电感的直流电阻小，交流阻抗很大，因此直流分量经过电感后的损失很小，但是对于交流分量，在wL和上分压后，很大一部分交流分量降落在电感上，因而降低了输出电压中的脉动成分。电感L愈大，RL愈小，则滤波效果愈好，所以电感滤波适用于负载电流比较大且变化比较大的场合。采用电感滤波以后，延长了整流管的导电角，从而避免了过大的冲击电流。 电容滤波原理详解 1．空载时的情况 当电路采用电容滤波，输出端空载，如图4(a)所示，设初始时电容电压uC为零。接入电源后，当u2在正半周时，通过D1、D3向电容器C充电；当在u2的负半周时，通过D2、D4向电容器C充电，充电时间常数为
数据分析方法及软件应用 （作业） 题目：4、8、13、16题 指导教师： 学院：交通运输学院 姓名： 学号：
4、在某化工生产中为了提高收率，选了三种不同浓度，四种不同温度做试验。在同一浓度与温度组合下各做两次试验，其收率数据如下面计算表所列。试在α=0.05显著性水平下分析 (1)给出SPSS数据集的格式(列举前3个样本即可)； (2)分析浓度对收率有无显著影响； (3)分析浓度、温度以及它们间的交互作用对收率有无显著影响。 解答：（1）分别定义分组变量浓度、温度、收率，在变量视图与数据视图中输入表格数据，具体如下图。 (2)思路：本问是研究一个控制变量即浓度的不同水平是否对观测变量收率产生了显著影响，因而应用单因素方差分析。假设：浓度对收率无显著影响。 步骤：【分析-比较均值-单因素】，将收率选入到因变量列表中，将浓度选入到因子框中，确定。 输出： 變異數分析 收率 平方和df 平均值平方 F 顯著性 群組之間39.083 2 19.542 5.074 .016 在群組內80.875 21 3.851 總計119.958 23 显著性水平α为0.05，由于概率p值小于显著性水平α，则应拒绝原假设，认为浓度对收率有显著影响。
（3）思路：本问首先是研究两个控制变量浓度及温度的不同水平对观测变量收率的独立影响，然后分析两个这控制变量的交互作用能否对收率产生显著影响，因而应该采用多因素方差分析。假设，H01：浓度对收率无显著影响；H02：温度对收率无显著影响；H03：浓度与温度的交互作用对收率无显著影响。 步骤：【分析-一般线性模型-单变量】，把收率制定到因变量中，把浓度与温度制定到固定因子框中，确定。 输出： 主旨間效果檢定 因變數: 收率 來源第 III 類平方 和df 平均值平方 F 顯著性 修正的模型70.458a11 6.405 1.553 .230 截距2667.042 1 2667.042 646.556 .000 浓度39.083 2 19.542 4.737 .030 温度13.792 3 4.597 1.114 .382 浓度 * 温度17.583 6 2.931 .710 .648 錯誤49.500 12 4.125 總計2787.000 24 校正後總數119.958 23 a. R 平方 = .587（調整的 R 平方 = .209） 第一列是对观测变量总变差分解的说明；第二列是观测变量变差分解的结果；第三列是自由度；第四列是均方；第五列是Ｆ检验统计量的观测值；第六列是检验统计量的概率ｐ值。可以看到观测变量收率的总变差为119.958，由浓度不同引起的变差是39.083，由温度不同引起的变差为13.792，由浓度和温度的交互作用引起的变差为17.583，由随机因素引起的变差为49.500。浓度，温度和浓度*温度的概率p值分别为0.030,0.382和0.648。 浓度：显著性<0.05说明拒绝原假设（浓度对收率无显著影响），证明浓度对收率有显著影响；温度：显著性＞0.05说明不拒绝原假设（温度对收率无显著影响），证明温度对收率无显著影响；浓度与温度: 显著性＞0.05说明不拒绝原假设（浓度与温度的交互作用对收率无显著影响），证明温浓度与温度的交互作用对收率无显著影响。 8、以高校科研研究数据为例：以课题总数X5为被解释变量，解释变量为投入人年数X2、投入科研事业费X4、专著数X6、获奖数X8；建立多元线性回归模型，
LC滤波电路 LC滤波器也称为无源滤波器，是传统的谐波补偿装置。LC滤波器之所以称为无源滤波器，顾名思义，就是该装置不需要额外提供电源。LC滤波器一般是由滤波电容器、电抗器和电阻器适当组合而成，与谐波源并联，除起滤波作用外，还兼顾无功补偿的需要； 无源滤波器，又称LC滤波器，是利用电感、电容和电阻的组合设计构成的滤波电路，可滤除某一次或多次谐波，最普通易于采用的无源滤波器结构是将电感与电容串联，可对主要次谐波（3、5、7）构成低阻抗旁路；单调谐滤波器、双调谐滤波器、高通滤波器都属于无源滤波器。 LC滤波器的适用场合 无源LC电路不易集成，通常电源中整流后的滤波电路均采用无源电路，且在大电流负载时应采用LC电路。 有源滤波器适用场合 有源滤波器电路不适于高压大电流的负载，只适用于信号处理， 滤波是信号处理中的一个重要概念。滤波分经典滤波和现代滤波。 经典滤波的概念，是根据富立叶分析和变换提出的一个工程概念。根据高等数学理论，任何一个满足一定条件的信号，都可以被看成是由无限个正弦波叠加而成。换句话说，就是工程信号是不同频率的正弦波线性叠加而成的，组成信号的不同频率的正弦波叫做信号的频率成分或叫做谐波成分。只允许一定频率范围内的信号成分正常通过，而阻止另一部分频率成分通过的电路，叫做经典滤波器或滤波电路 电容滤波电路电感滤波电路作用原理 整流电路的输出电压不是纯粹的直流，从示波器观察整流电路的输出，与直流相差很大，波形中含有较大的脉动成分，称为纹波。为获得比较理想的直流电压，需要利用具有储能作用的电抗性元件（如电容、电感）组成的滤波电路来滤除整流电路输出电压中的脉动成分以获得直流电压。 常用的滤波电路有无源滤波和有源滤波两大类。无源滤波的主要形式有电容滤波、电感滤波和复式滤波(包括倒L型、LC滤波、LCπ型滤波和RCπ型滤波等)。有源滤波的主要形式是有源RC滤波，也被称作电子滤波器。直流电中的脉动成分的大小用脉动系数来表示，此值越大，则滤波器的滤波效果越差。 脉动系数(S)=输出电压交流分量的基波最大值／输出电压的直流分量 半波整流输出电压的脉动系数为S=1．57，全波整流和桥式整流的输出电压的脉动系数S≈O．67。对于全波和桥式整流电路采用C型滤波电路后，其脉动
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/7217462177.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
￥ 数值分析思考题1 1、讨论绝对误差（限）、相对误差（限）与有效数字之间的关系。 2、相对误差在什么情况下可以用下式代替 3、查阅何谓问题的“病态性”，并区分与“数值稳定性”的不同点。 4、取 ，计算 ，下列方法中哪种最好为什么（1）(3 3-，（2）(2 7-，（3） ()3 1 3+ ，（4） ()6 1 1 ，（5）99- , 数值实验 数值实验综述：线性代数方程组的解法是一切科学计算的基础与核心问题。求解方法大致可分为直接法和迭代法两大类。直接法——指在没有舍入误差的情况下经过有限次运算可求得方程组的精确解的方法，因此也称为精确法。当系数矩阵是方的、稠密的、无任何特殊结构的中小规模线性方程组时，Gauss消去法是目前最基本和常用的方法。如若系数矩阵具有某种特殊形式，则为了尽可能地减少计算量与存储量，需采用其他专门的方法来求解。 Gauss消去等同于矩阵的三角分解，但它存在潜在的不稳定性，故需要选主元素。对正定对称矩阵，采用平方根方法无需选主元。方程组的性态与方程组的条件数有关，对于病态的方程组必须采用特殊的方法进行求解。 数值计算方法上机题目1 1、实验1. 病态问题 实验目的： 算法有“优”与“劣”之分，问题也有“好”和“坏”之别。所谓坏问题就是问题本身的解对数据变化的比较敏感，反之属于好问题。希望读者通过本实验对此有一个初步的体会。 数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。 $ r e x x e x x ** * ** - == 141 . ≈)61
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
2.4粒子滤波 例子滤波是以贝叶斯滤波和重要性采样为基本框架的。因此，想要掌握例子滤波，对于上述两个基本内容必须有一个初步的了解。重要性采样呢，其实就是根据对粒子的信任程度添加不同的权重，添加权重的规则就是：对于我们信任度高的粒子，给它们添加的权重就相对大一些；否则，就加的权重小一些。根据权重的分布形式，实际上就是它与目标的相似程度。 粒子滤波的结构实际上就是加一层重要性采样思想在里面的蒙特卡罗方法（Monte Carlo method,即以某时间出现的频率来指代该事件的概率）。该方法的基本思想是用一组样本（或称粒子）来近似表示系统的后验概率分布，然后使用这一近似的表示来估计非线性系统的状态。采用此思想，在滤波过程中粒子滤波可以处理任意形式的概率，而不像Kalman滤波只能处理线性高斯分布的概率问题。粒子滤波的一大优势也在于此，因此近年来该算法在许多领域得到成功应用。 2.4.1贝叶斯滤波理论 贝叶斯滤波泛指一类以贝叶斯定理为基础的滤波技术，其根据所获得的观测，对状态后验概率分布、状态先验概率分布、状态估计值以及状态预测值等感兴趣量进行递归计算。 假设有一个系统，我们知道它的状态方程，和测量方程如下： =(,（状态方程）（2.4.1） =(,（测量方程）（2.4.2） 其中x为系统状态，y为测量到的数据，f,h是状态转移函数和测量函数，v,n 为过程噪声和测量噪声，噪声都是独立同分布的。 由贝叶斯理论可知，状态估计问题（目标跟踪、信号滤波）就是根据之前一系列的已有数据（测量数据）递推的计算出当前状态的可信度，这个可信度就是概率公式p()，它需要通过预测和更新两个步奏来递推的计算。 预测过程是利用系统模型(状态方程2.4.2)预测状态的先验概率密度，也就是通过已有的先验知识对未来的状态进行猜测，即p( )。更新过程则利用最新的测量值对先验概率密度进行修正，得到后验概率密度，也就是对之前的猜测进行修正。 处理这些问题之前，假设系统的状态转移服从一阶马尔科夫模型，即当前时刻的状态x(k)只与上一个时刻的状态x(k-1)有关, k时刻测量到的数据y(k)只与当前的状态x(k)有关。
《统计与数据分析》 数据分析实验作业 数据来源于大肠杆菌Escherichia coli K-12 MG1655注释的4289个编码蛋白基因的长度l（单位：核苷酸，NT）及其GC含量r（%）。其中，第1列为基因序号，第2列为基因的长度l（单位：核苷酸，NT），第3列为基因的GC含量r（%）。试针对这一组数据完成下列数据分析工作： 一. 将全部4289个基因视为总体Y，请完成如下工作： 1. 严格按照要求（注意：软件自动生成的结果视为无效作业），分别画出基因长度l和基因GC含量r的频率直方图和箱线图，并对这两类数据的异常值进行分析； 2. 分别求出基因长度l和基因GC含量r的均值、标准差、极差、中位数、众数、变异系数，并在k≤10范围内依次、完整地检验Chebyshev定理； 3. 基于总体Y，考察l与GC含量r比值l/r，请设计抽样对l/r进行比值估计与单随机变量估计的抽样效率的比较分析，并以合适的图示表示比较结果； 4. 基于总体Y，根据中心极限定理构造一个基于GC含量r值的模拟总体数据X，并以合适的图示表示，要求总体X为经过显著性水平α=0.01下的K-S检验的标准正态分布，且X的个体数目也为4289，取值可表示为R。（提示：简单随机抽样的样本均值R近似服从正态分布，样本容量n自定。） 二. 基于服从标准正态分布的总体X，请完成如下工作： 1. 从中进行1次简单随机抽样（容量n=277），求出样本均值和样本标准差，并画出这一样本的频率直方图和箱线图；由此估计总体X的正态分布参数（方法不限，需写出具体求解过程），并分别采用自举法（Bootstrap）重复抽样1000次，分别确定该样本均值和该样本标准差是否处于90%的置信区间（以上下5%分位数来定义90%的置信区间），并以合适的图示表示自举法重复抽样1000次以及该置信区间的结果； 2. 进一步地，进行100次容量为n=61的简单随机抽样，分别画出样本均值、样本标准差的频率直方图，考察同样参数估计方法所估计参数的90%置信区间的情况，并以合适的图示表示（提示：（1）相关分布的分位数表可参考本课程讲义；（2）请参考本课程讲义的表示方式。）。 三. 对于总体Y，将全部4289个基因视为从某一总体中进行1次简单随机抽样的样本（容量n=4289），给定显著性水平为10%，试考察基因长度l与GC含量r是否相互独立。要求写出具体的分析过程。（提示：相关分布的分位数表可参考本课程讲义。） 要求： （1）本次数据分析以实验报告形式打印、装订提交，请在第一页注明学号、姓名； （2）请保证独立完成本作业，鼓励自行编程完成上述数据分析，也可使用相关软件（不限）；（3）本作业占课程总成绩15%。
电源滤波电路、整流电源滤波电路分析 电源滤波电路 整流电路的输出电压不是纯粹的直流，从示波器观察整流电路的输出，与直流相差很大，波形中含有较大的脉动成分，称为纹波。为获得比较理想的直流电压，需要利用具有储能作用的电抗性元件（如电容、电感）组成的滤波电路来滤除整流电路输出电压中的脉动成分以获得直流电压。 常用的滤波电路有无源滤波和有源滤波两大类。无源滤波的主要形式有电容滤波、电感滤波和复式滤波(包括倒L型、LC滤波、LCπ型滤波和RCπ型滤波等)。有源滤波的主要形式是有源RC滤波，也被称作电子滤波器。直流电中的脉动成分的大小用脉动系数来表示，此值越大，则滤波器的滤波效果越差。 脉动系数(S)=输出电压交流分量的基波最大值／输出电压的直流分量 半波整流输出电压的脉动系数为S=1．57，全波整流和桥式整流的输出电压的脉动系数S≈O．67。对于全波和桥式整流电路采用C型滤波电路后，其脉动系数S=1／(4(RLC／T-1)。(T为整流输出的直流脉动电压的周期。) 电阻滤波电路 RC-π型滤波电路，实质上是在电容滤波的基础上再加一级RC滤波电路组成的。如图1(B)RC滤波电路。若用S表示C1两端电压的脉动系数，则输出电压两端的脉动系数S=(1/ωC2R)S。 由分析可知，电阻R的作用是将残余的纹波电压降落在电阻两端，最后由C2再旁路掉。在ω值一定的情况下，R愈大，C2愈大，则脉动系数愈小，也就是滤波效果就越好。而R值增大时，电阻上的直流压降会增大，这样就增大了直流电源的内部损耗；若增大C2的电容量，又会增大电容器的体积和重量，实现起来也不现实。这种电路一般用于负载电流比较小的场合. 电感滤波电路 根据电抗性元件对交、直流阻抗的不同，由电容C及电感L所组成的滤波电路的基本形式如图1所示。因为电容器C对直流开路，对交流阻抗小，所以C并联在负载两端。电感器L对直流阻抗小，对交流阻抗大，因此L应与负载串联。
枣果皮中酚类物质提取工艺优化及抗氧化活性分析 1.实验数据背景叙述。 一：实验关于枣果皮中酚类物质提取工艺优化及抗氧化活性分析。酚类物质是植物体内重要的次生代谢产物，主要通过莽草酸和丙二酸途径合成，广泛分布于植物界。许多的酚类物质具有营养保健功效。现代流行病学研究证明，经常食用富含酚类物质的果蔬能够预防由活性氧导致的相关疾病如癌症、糖尿病、肥胖症等的发生。 二：实验问题：为提高枣果皮中的酚类物质的提取效率，该文以马牙枣为试验材料，对枣果皮中酚类物质提取条件进行了优化。同时分析枣果皮提取物中酚类物质的抗氧化活性。 三：实验目的：要通过实验得到枣果皮中酚类物质提取的最优条件。并对提取物中酚类物质清除DPPH，2，2'－连氮基双（3－乙基苯并噻唑啉）－6－磺酸(ABTS)自由基及铁还原能力进行探讨，同时与合成抗氧化剂2，6-二叔丁基对甲酚（BHT）的抗氧化能力进行比较。 2. 实验数据处理方法选择及论述。 一：单因素试验（获得数据，将数据输入excel中，使用excel绘制图表，以便直观感受影响因素对实验的影响趋势。）
以冻干枣果皮为材料，分别以甲醇浓度、提取温度、提取料液比和提取时 间作为因素，分析不同的提取条件对枣果皮中酚类物质提取效果的影响，检测 指标为提取物中总酚含量。 二：正交试验（设计正交试验以便获得到枣果皮中酚类物质提取的最优条件， 用excel进行结果直观分析，见表2。） 以冻干枣果皮为材料，以提取溶剂浓度（A）、提取温度（B）、料液比（C）、和浸提时间（D）作4 因素3水平的L9（34）正交设计（见表1），检测指标为 提取物中总酚含量。 表1 枣果皮中酚类物质提取因素水平表 三：统计分析 所有提取试验均重复3 次，每次提取液的测定均重复3 次。结果表示为平 均值±标准偏差。应用excel软件对所有数据进行方差分析。 3. 实验数据的处理的过程叙述。 一：在单因素试验中，将每次试验结果输入excel中，选中表格，点击“插入”柱形图。
第三章 误差和分析数据的处理 作业及答案 一、选择题(每题只有1个正确答案) 1. 用加热挥发法测定BaCl 2·2H 2O 中结晶水的质量分数时，使用万分之一的分析天平称样0.5000g ，问测定结果应以几位有效数字报出？( D ) [ D ] A. 一位 B. 二位 C .三位 D. 四位 2. 按照有效数字修约规则25.4507保留三位有效数字应为( B )。 [ B ] A. 25.4 B. 25.5 C. 25.0 D. 25.6 3. 在定量分析中，精密度与准确度之间的关系是( C )。 [ C ] A. 精密度高，准确度必然高 B. 准确度高，精密度不一定高 C. 精密度是保证准确度的前提 D. 准确度是保证精密度的前提 4. 以下关于随机误差的叙述正确的是( B )。 [ B ] A. 大小误差出现的概率相等 B. 正负误差出现的概率相等 C. 正误差出现的概率大于负误差 D. 负误差出现的概率大于正误差 5. 可用下列何种方法减免分析测试中的随机误差( D )。 [ D ] A. 对照实验 B. 空白实验 C. 仪器校正 D. 增加平行实验的次数 6. 在进行样品称量时，由于汽车经过天平室附近引起天平震动产生的误差属于( B )。 [ B ] A. 系统误差 B. 随机误差 C. 过失误差 D. 操作误差 7. 下列表述中，最能说明随机误差小的是( A )。 [ A ] A. 高精密度 B. 与已知含量的试样多次分析结果的平均值一致 C. 标准偏差大 D. 仔细校正所用砝码和容量仪器 8. 对置信区间的正确理解是( B )。 [ B ] A. 一定置信度下以真值为中心包括测定平均值的区间 B. 一定置信度下以测定平均值为中心包括真值的范围 C. 真值落在某一可靠区间的概率 D. 一定置信度下以真值为中心的可靠范围 9. 有一组测定数据，其总体标准偏差σ未知，要检验得到这组分析数据的分析方法是否准确可靠，应该用( C )。 [ C ] A. Q 检验法 B. G(格鲁布斯)检验法 C. t 检验法 D. F 检验法 答：t 检验法用于测量平均值与标准值之间是否存在显著性差异的检验------准确度检验 F 检验法用于两组测量内部是否存在显著性差异的检验-----精密度检验 10 某组分的质量分数按下式计算：10 ???= m M V c w 样，若c =0.1020±0.0001，V=30.02±0.02， M=50.00±0.01，m =0.2020±0.0001，则对w 样的误差来说( A )。 [ A ] A. 由“c ”项引入的最大 B. 由“V ”项引入的最大
直流电源滤波电路及电子滤波器原理分析 整流电路是将交流电变成直流电的一种电路，但其输出的直流电的脉动成 分较大，而一般电子设备所需直流电源的脉动系数要求小于0.01。故整流输出 的电压必须采取一定的措施。尽量降低输出电压中的脉动成分，同时要尽量保 存输出电压中的直流成分，使输出电压接近于较理想的直流电，这样的电路就 是直流电源中的滤波电路。常用的滤波电路有无源滤波和有源滤波两大类。无源滤波的主要形式有电容滤波、电感滤波和复式滤波(包括倒L型、LC滤波、LCπ型滤波和RCπ型滤波等)。有源滤波的主要形式是有源RC滤波，也被称 作电子滤波器。直流电中的脉动成分的大小用脉动系数来表示，此值越大，则 滤波器的滤波效果越差。脉动系数(S)=输出电压交流分量的基波最大值／输出电压的直流分量半波整流输出电压的脉动系数为S=1.57，全波整流和桥式整流 的输出电压的脉动系数S≈0.67。对于全波和桥式整流电路采用C型滤波电路后，其脉动系数S=1/(4(RLC/T-1)。(T为整流输出的直流脉动电压的周期。)RC-π型滤波电路，实质上是在电容滤波的基础上再加一级RC滤波电路组成的。如图 1虚线框即为加的一级RC滤波电路。若用S’表示C1两端电压的脉动系数，则输出电压两端的脉动系数S=(1/ωC2R’)S’。由分析可知，在ω值一定的情况下，R愈大，C2愈大，则脉动系数愈小，也就是滤波效果就越好。而R值增大时，电阻上的直流压降会增大，这样就增大了直流电源的内部损耗；若增大C2的 电容量，又会增大电容器的体积和重量，实现起来也不现实。为了解决这个矛盾，于是常常采用有源滤波电路，也被称作电子滤波器。电路如图2。它是由 C1、R、C2组成的π型RC滤波电路与有源器件--晶体管T组成的射极输出器 连接而成的电路。由图2可知，流过R的电流IR=IE／(1+β)=IRL／(1+β)。流 过电阻R的电流仅为负载电流的1/(1+β)．所以可以采用较大的R，与C2配合
Answer of Homework 2 1.6 计算下列各式的卷积： （a ）()e (),()e (),at bt x t u t h t u t a b --==≠ Answer: （a ）通过卷积定义()0()()()d e e d ,0t at b t y t x h t t τττττ∞----∞=-=≥??，因此 ()[(e e )/(b )]()at bt y t a u t --=-- 1.7 计算下列各式的卷积，并画出结果曲线。 （b ）21()(2),()(2)2n x n u n h n u n -??=-=+ ??? Answer: 定义信号11()()2n x n u n ??= ??? 和1()()h n u n = ，可以发现1()(2)x n x n =-，1()(2)h n h n =+，因此, 1111()()()(2)(2)(2)(2)k y n x n h n x n h n x k h n k ∞ =-∞=*=-*+=--+∑ 用2m + 代替k 得到: 111011()()()21()22m n n m m y n x m h n m u n +∞=-∞=??????=-==-?? ? ?????????∑∑ 2n 1.9 一因果LTI 系统，其输入输出关系由1()(1)()4 y n y n x n = -+给出，若()(1)x n n δ=-，试求()y n 。 Answer: 由于该系统为一因果系统，因而()0,1y n n =<从而得到 1 1(1)(0)(1)0114 111(2)(1)(2)0444 111(3)(2)(3)0416161()()4 m y y x y y x y y x y m -= +=+==+=+==+=+== 因此， 11()()(1)4 n y n u n -=- 1.12 给定()(2),()e (1)t x t u t h t u t =-=--。试计算卷积()()()y t x t h t =*。 Answer:
扩展卡尔曼滤波和粒子滤波算法比较上海大学2013 , 2014学年秋季学期 研究生课程小论文 课程名称: 随机信号导论课程编号: 07SB17002 论文题目: 扩展卡尔曼滤波和粒子滤波算法比较 研究生姓名: 班孝坤 (33%) 学号: 13720843 研究生姓名: 倪晴燕 (34%) 学号: 13720842 研究生姓名: 许成 (33%) 学号: 13720840 论文评语: 成绩: 任课教师: 刘凯 评阅日期: 扩展卡尔曼滤波和粒子滤波算法比较 第一章绪论 在各种非线性滤波技术中, 扩展卡尔曼滤波是一种最简单的算法, 它将卡尔曼滤波局部线性化,适用于弱非线性、高斯环境下。卡尔曼滤波用一系列确定样本来逼近状态的后验概率密度, 适用于高斯环境下的任何非线性系统。粒子滤波用随机样本来近似状态的后验概率密度, 适用于任何非线性非高斯环境, 但有时选择的重要性分布函数与真实后验有较大差异, 从而导致滤波结果存在较大误差, 而粒子滤
波正好克服了这一不足, 它先通过UKF产生重要性分布, 再运用PF 算法。通过仿真实验, 对其的性能进行比较。 严格说来,所有的系统都是非线性的,其中许多还是强非线性的。因此,非线性系统估计问题广泛存在于飞行器导航、目标跟踪及工业控制等领域中,具有重要的理论意义和广阔的应用前景。 系统的非线性往往成为困扰得到最优估计的重要因素，为此，人们提出了大量次优的近似估计方法。包括EKF,基于UT变换的卡尔曼滤波(UKF)，粒子滤波，等等。 第二章扩展卡尔曼滤波介绍 2.1 扩展卡尔曼滤波的理论(EKF) 设非线性状态空间模型为: xfxv,(,)(1)ttt,,11 yhxn,(,)(2)ttt 式中和分别表示在t时刻系统的状态和观测，和 xR,yR,vR,nR,tttt分别表示过程噪声和观测噪声，f和h表示非线性函数。 扩展卡尔曼滤波(Extended kalman filter,以下简称EKF)是传统非线性估计的代表,其基本思想是围绕状态估值对非线性模型进行一阶Taylor展开,然后应用线性系统Kalman滤波公式。 EKF是用泰勒展开式中的一次项来对式(1)和 ( 2 ) 中的非线性函数f和h 进行线性化处理, 即先计算f和h 的雅克比矩阵, 然后再在标准卡尔曼滤波框架下进行递归滤波。和均为零均值的高斯白噪声。 vntt 2.2 扩展卡尔曼滤波的算法 EKF的算法同KF 一样, 也可分为两步预测和更新。如图2.1所示