有色噪声

摘要： 作为光纤陀螺误差的重要组成部分,随机噪声严重影响着光纤陀螺的精度,对光纤陀螺随机噪声进行准确建模和补偿是提升陀螺精度的有效方式。本文针对光纤陀螺随机噪声的复杂性,难以对其进行精确分析,ARIMA(auto-regressive moving average)模型Kalman滤波中有色噪声不能使用状态扩充法建模的问题,扩展了Harvey方程,实现有色噪声白化。同时,考虑先验噪声的不确定性以及模型参数在线更新导致的参数与状态噪声相互耦合,分析了动态Allan方差估计量测噪声的不足,使用VBAKF(variational Bayesian adaptive Kalman filter)实时修正滤波状态噪声与量测噪声。试验表明,Harvey法较传统滤波建模方式,随机噪声序列方差降低40%,Harvey法结合VBAKF使序列方差降低了54%;VBAKF较动态Allan方差,可以更好地估计量测噪声。结果表明,此方法可有效抑制随机噪声Kalman滤波中有色噪声和随机模型不准确的影响,提高随机误差补偿精度。

摘要： 为了研究通过引入滤波器模型实现对随机海浪的模拟,随机海浪可用有色噪声表示。在随机运动问题中,需要引入滤波器模型对白噪声输入进行处理,从而得到符合真实海浪情况的有色噪声。本文利用ARMA过程构造滤波器模型,并探讨不同阶数的ARMA滤波器模型对ITTC双参数谱的拟合程度。通过滤波器生成谱产生波浪时历,将模拟数据的统计值与ITTC双参数谱的理论值进行对比,验证滤波器的有效性。实验结果表明:滤波器模型为随机海浪的模拟与有色干扰的变化带来了极大方便。

摘要： 多重信号分类(MUSIC)算法的前提条件为噪声是零均值的高斯白噪声。在实际应用中,由于滤波器的通带范围等器件因素,噪声往往是有色噪声。以卫星导航抗干扰应用为背景,针对有色噪声条件,采用对角加载技术改进了MUSIC抗干扰算法。首先通过理论推导和仿真实验,分析了有色噪声条件对MUSIC算法的影响;然后分析了对角加载方法对有色噪声条件下的MUSIC算法的影响,为加载量的选取提供了依据;最后通过实验分析,给出了最佳加载量的选取准则。分析表明,加载噪声比取10~15 dB即可取得较好的改善效果。

摘要： 对带不同的时滞、不同的有色观测噪声和白噪声的ARMA信号,文章根据模型转换算法,推导出相应的反卷积Wiener滤波器,通过计算互协方差阵得到加权阵,采用标量加权得到单通道ARMA信号的最优标量加权融合反卷积Wiener滤波器。通过仿真例子说明,按标量加权融合算法的精度高于每个局部滤波器的精度,验证了算法的正确性。

摘要： 提出了一种有色噪声激励下基于应变响应的工作模态参数识别方法。首先,从应变频响函数出发,将工作模态参数识别方法应用到有色激励下的应变响应信号,推导出仅利用应变响应的多自由度系统模态参数表达式;其次,对悬臂梁进行数值仿真,分析了模态识别误差并验证了该方法的有效性;最后,通过悬臂梁实验验证了在真实有色噪声环境中,该方法依然具有很高的识别精度。

摘要： 在全球卫星导航(GNSS)阵列天线抗干扰理论中,系统噪声通常被视为理想白噪声(AWGN)。但在实际工程中发现系统噪声通常是有色噪声且会影响空时自适应处理(STAP)算法的性能。该文首先推导得出了有色噪声功率谱与空时抗干扰后卫星导航信号相关峰的理论关系,然后通过仿真实验验证了该理论关系的正确性,同时分析了噪声功率谱的等效带宽和谱峰偏移对相关峰的影响,最后发现噪声功率谱能量越集中于卫星导航信号的功率谱谱峰处,空时抗干扰后的卫星导航信号相关峰衰减越大。针对上述问题,该文提出了对角加载和子空间投影方法,两种方法通过对噪声协方差矩阵的特征值进行一致化处理实现有色噪声的白化,从而消除了有色噪声的影响。最后通过仿真实验验证了所提方法的有效性。

摘要： 提出了分两步进行结构响应重构的方法,可实现利用正常测量的响应对因传感器损坏而丢失或其余所需的响应进行重构。首先,建立各处正常工作的传感器的测量响应与需要重构响应的关系,计算出含噪声的各类响应;然后,使用粒子滤波算法降低测量过程中有色噪声对于重构精度的影响,并且在粒子滤波算法中引入萤火虫算法代替重采样过程,改善粒子贫化现象。经对一个二维桁架进行数值模拟,结果显示该方法与直接使用测量响应进行响应重构的方法相比有更高的精度。

摘要： 前两天有点睡不着,看到有人推荐听“白噪声”助眠,噪声就是噪声,还分黑白吗?请问,什么是白噪声?真的能助眠吗?重庆何女士何女士:白噪音(声)是指一段声音中的频率分量的功率在整个可听范围内都是均匀的。相对的,其他不具有这一性质的噪音被称为有色噪声。研究表明,大脑对于外界单调、规律的声音会产生谐振,同时会掩盖住其余声音,起到一种掩蔽效应,由于没有任何变化从而并不引起生理上的认知与注意,会不自觉地弱化可能影响到自己的噪声,更易沉浸在当下的活动,所以有人在学习工作时会播放白噪声作为背景音乐以提高专注度。

摘要： 针对使用传统白噪声卡尔曼滤波算法实现行人导航时,存在因惯性测量单元(IMU)的有色噪声影响,而使得行人导航位置精度过低的问题,提出一种基于有色噪声改进卡尔曼滤波的行人导航算法:采用自回归模型对微机电型IMU的有色噪声进行建模;然后根据建模结果对卡尔曼滤波算法进行改进;最后构建基于改进卡尔曼滤波的行人导航算法.实验结果表明,该法相对于采用白噪声模型的行人导航算法具有更好的定位精度,定位精度可以提高24.21％.

摘要： 针对甘肃省境内19个CMONOC基准站坐标时间序列结果,采用极大似然估计法(MLE)探讨了各基准站的最优噪声模型,确定了基准站的速度场,并分析了甘肃省地壳运动状况.研究结果表明:甘肃省境内CMONOC基准站各坐标分量噪声特性存在较大的差异,"白噪声+闪烁噪声(WN+FN)"为最优噪声模型,能够更好地描述基准站坐标时间序列3分量上的噪声特性,且估算的速率不确定度是仅考虑WN时的4～15倍.甘肃省CMONOC基准站在ITRF14框架下水平方向运动的平均速率为34.54 mm/a,运动方向为SEE 98.07°;相对于欧亚板块的水平方向运动的平均速率为6.49 mm/a,运动方向为NEE 79.23°.

摘要： 本文提出了有色噪声下跳变马尔可夫非线性系统的自适应高斯和滤波器.这里,所考虑的系统转换为噪声不相关下的非线性系统,但同时包含双马尔可夫跳变参数.对于转换后的等价系统,定义了包含相邻时刻双马尔可夫跳变参数的所有可能取值的假设集.通过递推,得到状态后验概率密度.在每一可能假设下,基于高斯混合密度近似后验密度,得到该系统的自适应高斯和滤波器.同时,基于由假设概率预测反应的占优模型应受更多关注的事实,针对每一可能下的模型,提出了一种自适应地高斯分量分配策略.与交互式多模型无迹卡尔曼滤波相比,仿真结果表明所提方法具有更高的精度.

摘要： 本文通过构造基于观测信号的统计量,采用三步迭代(TSI)算法来估计乘性和加性有色噪声中一维谐波信号频率参数,得到了最终估计量的渐近分布,证明了估计的一致性。TSI算法通过引入周期图估计作为初估计,从谐波模型内在特性出发构造统计量,采用迭代方式逐步提高初估计精度,仅需三次迭代就能达到加性噪声情形下最小二乘估计(LSE)的关于样本的收敛速度。由于只需要三次迭代就可以达到收敛,所以算法的计算量比较少。另外相比较传统的迭代算法而言,TSI算法能保证每次迭代后都能够提高估计的精度,从而克服了传统的迭代算法收敛不够稳定不足。仿真实验证实了估计的一致性以及估计的渐近分布,而且在较大噪声情形下该迭代算法依然可行。最后,由于TSI算法具备小的计算量以及高的估计精度,因而十分适合作为一维谐波参数估计的在线算法。

摘要： 噪声中的谐波恢复问题是信号处理领域的一个典型问题,在众多领域中有着广泛的应用。本文主要研究加性有色噪声中谐波频率的估计问题,提出了一种基于子空间旋转不变性的谐波频率的高分辨率估计方法。利用观测信号的自协方差函数构造了一个协方差矩阵,通过对协方差矩阵的特征值进行理论分析,结合子空间旋转不变性,得到了加性有色噪声中谐波的频率和协方差矩阵之间的一种内在联系。利用这个性质可以估计加性有色噪声中谐波的频率。本文方法对于有色噪声的模型无任何假设,而且对于噪声的分布也没有限制,对于高斯和非高斯有色噪声都适用。仿真实验验证了本文所提算法的有效性。

摘要： 在卫星姿态估计与预测中,其精度和可靠性除受各传感器偶然误差和系统误差的影响外,还受时间相依的有色噪声的影响。任何基于高斯白噪声假设而忽略实际有色噪声影响的数据处理理论和方法均不能保证估计结果的可靠性。本文基于UKF算法,将有色噪声看成虚拟白噪声,认为有色噪声模型是任意阶的ARMA模型,采用多项式长除法将有色噪声模型展开成级数表示的形式,求取有色噪声方差,利用该方差对随机模型进行修正,然后根据时间序列分析理论建立新的UKF滤波器。最后,通过仿真算例将它与标准UKF方法进行分析和比较。结果证明,利用该方法在卫星姿态确定中能够有效地减弱有色噪声对滤波器的影响。

摘要： 将卡尔曼滤波原理运用于电力系统负荷预测通常是针对线性定常系统，并在白噪声的前提下进行，模型的灵敏度差和预报精度不高。本文考虑了有色噪声对负荷预测的影响，首先介绍了白噪声下的卡尔曼滤波方法，然后又研究了有色噪声下的卡尔曼滤波算法。但是并不是所有的有色噪声都可以白色化，只有广义马尔可夫有色噪声序列才可以白色化。本文主要研究了用状态扩充法来实现有色噪声白色化，然后在仿真时结合实际电网数据进行的预测计算取得了较好的效果。

摘要： 很多工业过程尤其是机械传动系统,其动态特性可用含有死区非线性的Wiener-Hammerstein模型来描述.由于系统结构和本身的属性,其正、反向工作时动态特性不尽相同,本文研究了该类含有死区的Wiener-非对称Hammerstein模型的参数辨识问题.首先,通过引入开关切换函数和关键项分离的方法,将模型输出描述为待辨识参数的最小二乘格式,进而利用递推算法对模型中的参数进行辨识.然后,考虑系统输出受有色噪声影响的情况,利用广义最小二乘法,给出了该类模型的参数辨识算法.最后,通过仿真实验对方案的有效性进行了验证。

摘要： 含有色噪声的非平稳信号的滤波去噪一直是个未能很好解决的问题,传统的傅立叶分析方法不适用于此类信号。本文提出一种基于希尔伯特谱的瞬时频率滤波方法,并应用于ACM(空气循环机)旋转轴承振动信号的噪声滤波处理中,取得了较好的效果。

摘要： 本文通过引入一般化的缺秩噪声协方差矩阵预白化处理,并对斜投影算法进行扩展,提出了一种新的有色缺秩噪声下的信号子空间语音增强算法,同时通过采用秩显露商ULV分解,提高了子空间算法实现的计算性能,实验比较和主观测听表明,本文算法可以有效抑制背景噪声,提高语音质量。

摘要： 现有的ARMA建模方法由于只利用了观测数据的高阶自协方差构建Yule-Walker方程,而没有充分利用观测数据的低阶自协方差信息,导致观测噪声方差的估计精度不高,并且在AR阶次小于或等于MA阶次时无法估计观测噪声方差.为此,提出了两种提高观测噪声方差估计精度的新方法,一种是基于高阶AR近似单独求解观测噪声方差的方法, 该方法对AR阶次等于或小于MA阶次时仍然有效；另一种是依据AR参数求解结果获得观测噪声方差的方法,该方法在 AR阶次大于MA阶次时估计效果更好.仿真试验结果表明,提出的两种观测噪声方差估计方法的估计精度很高,整个模型参数的估计精度也得到了一定提升,且受观测噪声强度和模型阶次的影响较小.

摘要： 现有的ARMA建模方法由于只利用了观测数据的高阶自协方差构建Yule-Walker方程,而没有充分利用观测数据的低阶自协方差信息,导致观测噪声方差的估计精度不高,并且在AR阶次小于或等于MA阶次时无法估计观测噪声方差.为此,提出了两种提高观测噪声方差估计精度的新方法,一种是基于高阶AR近似单独求解观测噪声方差的方法, 该方法对AR阶次等于或小于MA阶次时仍然有效；另一种是依据AR参数求解结果获得观测噪声方差的方法,该方法在 AR阶次大于MA阶次时估计效果更好.仿真试验结果表明,提出的两种观测噪声方差估计方法的估计精度很高,整个模型参数的估计精度也得到了一定提升,且受观测噪声强度和模型阶次的影响较小.

摘要： 本发明公开了一种考虑可变有色测量噪声的移动机器人定位方法及系统，包括：以移动机器人k时刻在东向和北向的位置和速度作为状态量，将UWB测量得到的移动机器人与UWB参考节点之间的距离作为系统观测量，构建滤波模型；在扩展有限脉冲响应滤波器的基础上，根据在离线阶段选择的不同局部滤波窗口，构建m个不同的考虑有色测量噪声的子滤波器；通过IMM方式对构建的子滤波器的输出进行融合，得到当前时刻的移动机器人最优的位置预估，实现移动机器人的定位。本发明构建不同的有色测量噪声下的子EFIR滤波器，通过交互多模型算法，将各子滤波器的输出进行融合，最终得到最优的UWB测量的移动机器人最优位置预估。

摘要： 本发明公开了一种有色量测噪声下鲁棒泊松多伯努利滤波方法，涉及运载体导航技术领域，具体为S1、建立目标跟踪的状态方程和观测方程和S2、利用量测差分方法构建新的预测分布和似然分布，将有色量测噪声转为白色量测噪声，建立包含相邻时刻运动状态的增广运动状态。该有色量测噪声下鲁棒泊松多伯努利滤波方法，通过量测差分方法将有色量测噪声下状态估计问题转变为白色量测噪声下的状态估计问题，对包含目标增广运动状态、预测增广运动状态协方差和白色量测协方差的增广状态建立高斯逆威沙特逆威沙特(GIWIW)分布，提出一种GIWIW‑PMBM‑CMN的滤波器，并给出GIWIW‑PMBM‑CMN的预测和更新步骤，通过复杂的多目标跟踪场景，采用多种参考算法，验证所提算法的跟踪性能。

摘要： 本发明公开了一种考虑可变有色测量噪声的移动机器人定位方法及系统，包括：以移动机器人k时刻在东向和北向的位置和速度作为状态量，将UWB测量得到的移动机器人与UWB参考节点之间的距离作为系统观测量，构建滤波模型；在扩展有限脉冲响应滤波器的基础上，根据在离线阶段选择的不同局部滤波窗口，构建m个不同的考虑有色测量噪声的子滤波器；通过IMM方式对构建的子滤波器的输出进行融合，得到当前时刻的移动机器人最优的位置预估，实现移动机器人的定位。本发明构建不同的有色测量噪声下的子EFIR滤波器，通过交互多模型算法，将各子滤波器的输出进行融合，最终得到最优的UWB测量的移动机器人最优位置预估。

摘要： 一种有色噪声下的网络化运动控制系统攻击辨识方法，先对网络化运动控制系统进行建模，确定其传递函数；再考虑系统中存在执行器攻击、传感器攻击以及有色噪声的情况，将传递函数转换为状态空间方程并对其离散化；利用EMD对含有执行器攻击和传感器攻击及有色噪声的输出信号进行去噪；最后构建中间观测器并通过矩阵不等式求解观测器增益。本发明与现有鲁棒观测器技术相比，其攻击辨识效果较鲁棒观测器精度更高，并且可以通过调节特定调节参数改善估计性能。

摘要： 本说明书一个或多个实施例提供一种有色噪声的干扰消除方法、装置、电子设备及存储介质；所述方法包括：利用有色噪声协方差矩阵，初始化干扰消除相关参数；使用GAMP算法对接收信号进行干扰消除，得到编码比特的外部对数似然比；对编码比特的外部对数似然比使用BCJR译码，得到编码比特的先验对数似然比；计算星座符号的先验概率；将星座符号的先验概率回代入GAMP干扰消除，进行迭代循环，并在达到设定的最大迭代次数后，输出判决信息比特，完成干扰消除。本方法提高了线性调制的误比特性能，增强了通信系统的有效性和可靠性，大幅降低了干扰消除的复杂度。

摘要： 本发明公开了一种有色噪声中精确估计震后松弛时间的方法，包括以下步骤：选择白噪声和闪烁噪声的组合，使用最大似然技术估计震前GNSS时间序列，获取震前信号；删除地震后GNSS时间序列中的地震前信号；构建震后GNSS时间序列的随机模型。根据实际需要设定阻尼因子λ；使用线性最小二乘法计算地震后变形的振幅Al、Ae和χ2(X)；计算法线矩阵N和L，使用线性最小二乘法计算Al、Ae和χ2(X+δX)；当χ2(X+δX)迭代次数减少到λ可忽略的程度时，停止迭代。本发明既不要求初值的准确性，又能解决有色噪声的干扰，且算法的自适应性显著提高，估计松弛时间的结果基本不受初值影响，进而有效地规避信号提取所携带的大量误差。

摘要： 本发明提供了一种具有未知有色噪声的分布式传感器网络一致性滤波方法，包括：根据一组给定的训练数据，学习分布式传感器网络中每个节点的状态噪声和量测噪声参数。同时进行状态扩展，将学习到的有色噪声参数扩展至状态向量，最后利用一致性卡尔曼滤波算法完成状态估计，使各个传感器节点的估计值收敛到全局一致。为了提高计算效率，针对每个节点，仅将局部测量噪声和状态噪声集成到扩展状态中。仿真结果表明，本发明能够有效估计分布式传感器网络中未知的有色噪声，并且提高分布式估计的精度。本发明可以被应用于分布式传感器网络雷达、红外目标跟踪、移动机器人定位等领域。

摘要： 本发明为一种考虑有色噪声的锂离子电池荷电状态估计方法，该估计方法的步骤是：根据锂离子电池的外特性建立Thevenin模型，然后对模型进行离散化处理，锂电池参数辨识中对有色噪声干扰建立了带外部输入的自回归滑动平均模型，提出自修正遗忘因子，随后利用自修正遗忘因子带入递推增广最小二乘对参数进行辨识，输出方程最后的辨识参数向量在基于Thevenin模型建立的状态方程和观测方程中引入有色噪声变量，实现考虑有色噪声的锂离子电池荷电状态估计。该方法能够有效在锂电池端电压测量时测量噪声为有色噪声的情况下减弱有色噪声的影响，提高锂电池SOC的估计精度。

摘要： 本说明书一个或多个实施例提供一种有色噪声的干扰消除方法、装置、电子设备及存储介质；所述方法包括：利用有色噪声协方差矩阵，初始化干扰消除相关参数；使用GAMP算法对接收信号进行干扰消除，得到编码比特的外部对数似然比；对编码比特的外部对数似然比使用BCJR译码，得到编码比特的先验对数似然比；计算星座符号的先验概率；将星座符号的先验概率回代入GAMP干扰消除，进行迭代循环，并在达到设定的最大迭代次数后，输出判决信息比特，完成干扰消除。本方法提高了线性调制的误比特性能，增强了通信系统的有效性和可靠性，大幅降低了干扰消除的复杂度。

摘要： 本发明提供了用于使用深度神经网络对医学图像进行去噪的方法和系统。在一个实施方案中，一种方法包括：接收由成像系统采集的医学图像，其中医学图像包括有色噪声；使用经训练的卷积神经网络(CNN)将医学图像映射到去噪医学图像；以及经由显示设备显示去噪医学图像。深度神经网络因此可减少采集的有噪医学图像中的有色噪声，从而提高图像的清晰度和诊断质量。