XiaoMi-AI文件搜索系统
World File Search System滤波
最大Correntropy扩展了用于车辆状态观察的Kalman滤波器
（2022年3月23日收到； 2022年6月25日修订； 2022年8月6日接受）摘要 - 对于车辆状态估算，传统的卡尔曼过滤器在高斯假设下表现良好，但在实际的非高斯局势（尤其是当噪声是非高斯的重型尾巴）中，它表现出较差的准确性和鲁棒性。在本文中，提出了基于最大相关标准（MCC）的扩展卡尔曼过滤器（EKF）算法（MCCEKF），并建立了横向纵向耦合的车辆模型，同时使用YAW速率，longipudinal peppare的状态观察者，使用了longitialinal peppare，该速度使用了易于使用的速度。在分析了所提出算法的复杂性后，通过双车道变化和正弦扫描转向扭矩输入操作在Simulink/CARSIM仿真实验平台上验证了新算法。实验结果表明，与传统的EKF算法相比，基于MCC的EKF算法在非高斯噪声的情况下具有更强的鲁棒性和更好的估计精度，而MCCEKF在实际情况下更适合于车辆状态估计。关键词：车辆状态估计，最大Correntropy标准，非高斯噪声，车辆动力学1。简介
基于集成卡尔曼滤波框架与机器学习算法的锂电池荷电状态估计
摘要：基于卡尔曼滤波（KF）框架和机器学习算法的电池等效电路模型荷电状态（SOC）估计研究相对有限，大部分研究仅针对少数几种机器学习算法，缺乏全面的分析比较，且大部分研究侧重于通过机器学习算法获取卡尔曼滤波框架算法模型的状态空间参数，再将状态空间参数代入卡尔曼滤波框架算法中进行SOC估计，此类算法耦合性强，复杂度高，实用性不强。本研究旨在将机器学习与卡尔曼滤波框架算法相结合，将五种卡尔曼滤波框架算法的输入、输出和中间变量值的不同组合作为六种主流机器学习算法的输入，估计最终的SOC。这六种主流机器学习算法包括：线性回归、支持向量回归、XGBoost、AdaBoost、随机森林、LSTM；算法耦合度较低，无需进行双向参数调整，且不涉及机器学习与卡尔曼滤波框架算法之间。结果表明，集成学习算法与纯卡尔曼滤波框架或机器学习算法相比，估计精度有显著提高。在各类集成算法中，随机森林与卡尔曼滤波框架的估计精度最高，且实时性好。因此，可以在各种工程应用中实现。
1. 基于 FPGA 的 IIR 滤波器数字脉冲星去色散方法 2. 工程 3. 硕士
脉冲星的探测需要耗费大量的计算资源。传统方法主要侧重于从记录的数据中探测脉冲星。然而，数字处理技术的进步，尤其是 FPGA 和 GPU 的开发，使人们对实时脉冲星探测的兴趣日益浓厚，其显著优势在于可以观测罕见的瞬态事件、提高天文台的观测效率等。为了实现这样的系统，需要仔细考虑资源分配，尤其是在向更通用的实时脉冲星搜索引擎扩展时。本研究项目迈出了实现这一目标的第一步，应用一种通用数学方法，使用二阶延迟网络实现任意色散曲线，并将其作为 FIR 和 IIR 滤波器在脉冲星后端实现，从而可以比较资源利用率。
在傅立叶过滤波前传感，基本限制和定量比较中建模噪声传播
上下文。自适应光学器件（AO）是一种允许地面望远镜的角度分辨率的技术。波前传感器（WFS）是此类系统的关键组成部分之一，驱动基本的性能限制。目标。在本文中，我们专注于特定类别的WFS：傅立叶过滤波前传感器（FFWFSS）。此类以其极高的灵敏度而闻名。然而，缺乏任何类型的FFWF的清晰而全面的噪声传播模型。方法。考虑到读出的噪声和光子噪声，我们得出了一个简单而全面的模型，使我们能够了解这些噪声如何在线性框架中的相重建中传播。结果。这种新的噪声传播模型适用于任何类型的FFWF，它允许人们重新审视这些传感器的基本灵敏度极限。此外，还进行了广泛使用的FFWFSS之间的新比较。我们专注于使用的两个主要FFWFS类：Zernike WFS（ZWFS）和金字塔WFS（PWFS），从而带来了对其行为的新理解。
基于随机滤波方法的储能元件剩余使用寿命预测综述
摘要：锂离子电池是一种绿色环保的储能元件，因其能量密度高、循环性能好而成为储能的首选。锂离子电池在充放电循环过程中会发生不可逆过程，造成电池容量的不断衰减，最终导致电池失效，准确的剩余使用寿命（RUL）预测技术对储能元件的安全使用和维护具有重要意义。本文综述了国内外储能元件RUL预测方法的研究进展。首先明确储能元件的失效机理，然后总结以锂离子电池为代表的储能元件RUL预测方法；其次，分析了基于卡尔曼滤波和粒子滤波的数据-模型融合方法在锂离子电池RUL预测中的应用，并讨论了储能元件RUL预测面临的问题及未来的研究展望。
飞行路径重建滤波器扩展，用于灵活跟踪...
I. 简介 飞行测试是任何新型飞机开发过程的核心部分。作为测试的一部分，记录飞机在各种机动过程中的响应，从中可以确定描述其特性的飞机稳定性系数。然后可以使用这些估计值来验证或更新现有的数值模型。但是，测量到的响应有噪声、有偏差，并且可能以不同的速率采样，这可能导致模型不准确。因此，在估算这些稳定性系数之前，飞行路径重建 (FPR) [ 1 , 2 ] 通常是过滤和检查收集的飞行测试数据的一致性的第一步。FPR 是一种过滤技术，通过将飞机运动方程与响应测量相结合来重建飞机状态的时间历史。在这些方程中，飞机被表示为在空中移动的点质量。然而，为了提高燃油效率，飞机结构变得更轻，从而也更灵活。这反过来导致飞机的结构动力学与飞机飞行动态响应具有更大的相互作用。因此，为了正确地模拟这种相互作用，还需要重建结构的动力学和刚体状态。除了气动弹性建模外，跟踪飞机结构变形对于结构等应用也很重要
b'量子图像\xef\xac\x81滤波是对经典图像\xef\xac\x81滤波算法的扩展，主要研究基于量子特性的图像\xef\xac\x81滤波模型。现有的量子图像\xef\xac\x81滤波侧重于噪声检测和噪声抑制，忽略了\xef\xac\x80滤波对图像边界的影响。本文提出了一种新的量子图像\xef\xac\x81滤波算法，实现了K近邻均值\xef\xac\x81滤波任务，在抑制噪声的同时，可以达到边界保持的目的。主要工作包括：提出一种新的用于计算两个非负整数之差绝对值的量子计算模块，从而构建了距离计算模块的量子电路，用于计算邻域像素与中心像素的灰度距离；改进现有的量子排序模块，以距离作为排序条件对邻域像素进行排序，从而构建了K近邻提取模块的量子电路；设计了K近邻均值计算模块的量子电路，用于计算选取的邻域像素的灰度均值；\xef\xac\x81最后，构建了所提量子图像\xef\xac\x81过滤算法的完整量子电路，并进行了图像去噪仿真实验。相关实验指标表明,量子图像K近邻均值\xef\xac\x81滤波算法对图像噪声抑制具有与经典K近邻均值\xef\xac\x80滤波算法相同的效果,但该方法的时间复杂度由经典算法的O 2 2 n降低为O n 2 + q 2 。
b'量子图像\xef\xac\x81滤波是对经典图像\xef\xac\x81滤波算法的扩展，主要研究基于量子特性的图像\xef\xac\x81滤波模型。现有的量子图像\xef\xac\x81滤波侧重于噪声检测和噪声抑制，忽略了\xef\xac\x80滤波对图像边界的影响。本文提出了一种新的量子图像\xef\xac\x81滤波算法，实现了K近邻均值\xef\xac\x81滤波任务，在抑制噪声的同时，可以达到边界保持的目的。主要工作包括：提出一种新的用于计算两个非负整数之差绝对值的量子计算模块，从而构建了距离计算模块的量子电路，用于计算邻域像素与中心像素的灰度距离；改进现有的量子排序模块，以距离作为排序条件对邻域像素进行排序，从而构建了K近邻提取模块的量子电路；设计了K近邻均值计算模块的量子电路，用于计算选取的邻域像素的灰度均值；\xef\xac\x81最后，构建了所提量子图像\xef\xac\x81过滤算法的完整量子电路，并进行了图像去噪仿真实验。相关实验指标表明,量子图像K近邻均值\xef\xac\x81滤波算法对图像噪声抑制具有与经典K近邻均值\xef\xac\x80滤波算法相同的效果,但该方法的时间复杂度由经典算法的O 2 2 n降低为O n 2 + q 2 。
基于多输入跨导器的 0.5 V、nW 范围通用滤波器，用于生物信号处理
1 布尔诺理工大学微电子系，Technick á 10, 601 90 布尔诺，捷克共和国 2 布拉格捷克技术大学生物医学工程学院，n á m. S í tn á 3105, 272 01 克拉德诺，捷克共和国 3 国防大学电气工程系，Kounicova 65, 662 10 布尔诺，捷克共和国 4 拉卡邦国王技术学院工程学院电信工程系，曼谷 10520，泰国 5 琴斯托霍瓦理工大学电气工程系，42-201 琴斯托霍瓦，波兰 6 库尔德斯坦大学电气工程系，萨南达伊 66177-15175，伊朗 7 斯洛伐克理工大学电气工程与信息技术学院，81219 布拉迪斯拉发，斯洛伐克 * 通信地址：khateb@vutbr.cz
使用单比例因子自适应卡尔曼滤波器进行纳米卫星容错姿态估计
1 伊斯坦布尔技术大学航空航天学院，34469 伊斯坦布尔，土耳其，收到日期：2022 年 3 月 24 日 修订日期：2022 年 6 月 8 日 接受日期：2022 年 6 月 20 日 摘要 Özet 在本研究中，提出了一种集成自适应 TRIAD/扩展卡尔曼滤波器 (EKF) 姿态估计系统，其中 TRIAD 和自适应 EKF 相结合以估计纳米卫星的姿态。作为系统的第一步，TRIAD 算法利用磁力计和太阳传感器测量结果产生初始粗四元数估计，然后将该粗估计直接输入到自适应 EKF。将姿态信息直接输入到滤波器相对减少了 EKF 带来的计算负担。作为系统的第二步，自适应 EKF 滤波 TRIAD 解并给出最终的四元数估计。同时，自适应 EKF 在传感器故障时使用单个缩放因子 (SSF) 重新调整测量噪声协方差矩阵，使整个系统对传感器故障更具鲁棒性。进行了几次模拟，并针对两种不同的故障类型（即姿态传感器中的噪声增量和连续偏差）测试了所提出的系统的性能。
用于 EEG 信号检测的带有基于 RRAM 的低通 FIR 滤波器的 13 W 模拟前端
摘要：本文介绍了一种用于检测脑电图 (EEG) 信号的模拟前端 (AFE)。AFE 由四个部分组成，即斩波稳定放大器、纹波抑制电路、基于 RRAM 的低通 FIR 滤波器和 8 位 SAR ADC。这是首次在 EEG AFE 中引入基于 RRAM 的低通 FIR 滤波器，其中利用 RRAM 的生物可信特性高效分析模拟域中的信号。前置放大器采用对称 OTA 结构，在满足增益要求的同时降低了功耗。纹波抑制电路大大改善了噪声特性和失调电压。基于 RRAM 的低通滤波器实现了 40 Hz 的截止频率，适用于 EEG 信号的分析。SAR ADC 采用分段电容器结构，有效降低了电容器开关功耗。芯片原型采用 40 nm CMOS 工艺设计。整体功耗约为13µW，实现超低功耗运行。