CN114157270A - 一种基于数据滚动粒子滤波的燃油油量数据处理方法 - Google Patents
一种基于数据滚动粒子滤波的燃油油量数据处理方法 Download PDFInfo
- Publication number
- CN114157270A CN114157270A CN202111316411.8A CN202111316411A CN114157270A CN 114157270 A CN114157270 A CN 114157270A CN 202111316411 A CN202111316411 A CN 202111316411A CN 114157270 A CN114157270 A CN 114157270A
- Authority
- CN
- China
- Prior art keywords
- delta
- weight
- filter
- particles
- particle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002245 particle Substances 0.000 title claims abstract description 217
- 238000001914 filtration Methods 0.000 title claims abstract description 72
- 238000005096 rolling process Methods 0.000 title claims abstract description 21
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 239000000446 fuel Substances 0.000 title claims description 14
- 239000003921 oil Substances 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 22
- 239000000295 fuel oil Substances 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000012952 Resampling Methods 0.000 claims description 47
- 238000005070 sampling Methods 0.000 claims description 40
- 230000015556 catabolic process Effects 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000006731 degradation reaction Methods 0.000 claims description 9
- 230000005587 bubbling Effects 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000012805 post-processing Methods 0.000 claims description 4
- 206010033307 Overweight Diseases 0.000 claims 2
- 238000005259 measurement Methods 0.000 abstract description 12
- 230000008859 change Effects 0.000 abstract description 6
- 238000009499 grossing Methods 0.000 abstract description 3
- 230000004044 response Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Fats And Perfumes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于数据滚动粒子滤波的燃油油量数据处理方法,通过在信号采集的过程中,设置一个对燃油油量信号进行后处理的滚动粒子软件滤波器,通过软件的滤波器在测量部件前端对模拟式的测量信号进行前端处理。本发明能够对频率很高或很低的信号进行滤波,同时,滤波参数非常容易更改。使用本发明的粒子滤波方法可以消除油面波动误差,对油量信号进行必要的平滑处理,使其更接近于真实的状态,克服飞机机动飞行带来油量测量的误差,提高了滤波的精度。
Description
技术领域
本发明属于航空燃油油量数据采集测量技术领域,具体地说,涉及一种基于数据滚动粒子滤波的燃油油量数据处理方法。
背景技术
目前基于计算机技术的粒子式燃油测量系统,大大提高了油量测量的精度,却带来了测量稳定性不好的问题。在实际的应用中,输出的油量数据会频繁跳动,甚至输出和实际情况相去甚远的油量数据,这已严重影响到飞行员对飞机工作状态的正确判断。
现有技术通常采用硬件滤波器的方法,在测量部件前端对模拟式的燃油油量数据测量信号进行前端处理。硬件滤波器的不足之处是滤波参数不易更改,不能对频率很高或很低的信号进行滤波,且存在阻抗匹配问题。
发明内容
本发明针对现有技术的上述缺陷,提出了一种基于数据滚动粒子滤波的燃油油量数据处理方法,通过在信号采集的过程中,设置一个对燃油油量信号进行后处理的滚动粒子软件滤波器,通过软件的滤波器在测量部件前端对模拟式的测量信号进行前端处理。本发明能够对频率很高或很低的信号进行滤波,同时,滤波参数非常容易更改。使用本发明的粒子滤波方法可以消除油面波动误差,对油量信号进行必要的平滑处理,使其更接近于真实的状态,克服飞机机动飞行带来油量测量的误差,提高了滤波的精度。
本发明具体实现内容如下:
本发明提出了一种基于数据滚动粒子滤波的燃油油量数据处理方法,设置一个对燃油油量信号进行后处理的滚动粒子软件滤波器,在滚动粒子软件滤波器中设置滤波队列地址、滤波队列长度设置单元;然后进行以下操作:
步骤1,通过滤波队列地址和滤波队列长度设置单元来设定滤波队列,并定义滤波极限Δlimit、滤波队列上限Δupper、滤波阈值上限Δ+、滤波阈值下限Δ-、滤波队列下限Δlower;
步骤2,采用滤波极限Δlimit对采样值Si进行初次过滤;所述滤波极限Δlimit为采样值Si的有效范围,为正值;
步骤3,采用冒泡法对初次过滤后的采样值Si进行排序;对排序后的采样值Si,通过滤波队列上限Δupper、滤波阈值上限Δ+、滤波阈值下限Δ-、滤波队列下限Δlower对所有采样值Si进行分类,根据采样值Si的值的大小分为大权值粒子中值粒子和小权值粒子,得到大权值粒子集、中值粒子集和小权值粒子集及可信采样值序列Vi;
步骤5,将重采样后得到的大权值粒子集、中值粒子集和小权值粒子集中的粒子组成数据队列k;对数据队列k进行队列填充和k次平均;
步骤6,将经过k次取平均后的值作为油量输出值进行输出,并作为下一个滤波周期的基准油量值。
为了更好地实现本发明,进一步地,在所述步骤3中,对于经过初次过滤的采样值Si,还要采用滤波队列上限Δupper和滤波队列下限Δlower构成的区间[Δlower,Δupper]进行再次过滤,将不再区间[Δlower,Δupper]内的采样值Si进行剔除,然后再采用冒泡法进行排序。
为了更好地实现本发明,进一步地,在所述步骤3中,对所有采样值Si进行分类,并计算出可信采样值序列Vi的中值Δ;进行分类的的具体公式如下:
其中:Ui-1表示第i-1个周期的油量输出数据。
为了更好地实现本发明,进一步地,得到的所述小权值粒子集为:
为了更好地实现本发明,进一步地,得到的所述中值粒子集为:
为了更好地实现本发明,进一步地,得到的大权值粒子集为:
为了更好地实现本发明,进一步地,所述步骤4中,进行重采样条件判断的操作为:
对于中值粒子集中的粒子,不进行重采样;
对于大权值粒子集中的粒子,进行重采样的判断手段为:先求得滤波队列上限Δupper,然后与预先设定的滤波阈值上限Δ+进行比较;若在大权值粒子集中的某个粒子的采样值Si取值范围在Δ+<Si≤Δupper,则不进行重采样;若在大权值粒子集中的某个采样值Si取值范围在Δupper<Si,则进行重采样;
对于小权值粒子集中的粒子,进行重采样的判断手段为:先求得滤波队列下限Δlower,然后与预先设定的滤波阈值下限Δ-进行比较;若小权值粒子集中的某个粒子的采样值Si在ΔloWer≤Si<Δ-范围内,则不进行重采样;若若小权值粒子集中的某个粒子的采样值Si在Δloer>Si内,则进行重采样。
为了更好地实现本发明,进一步地,在对大权值粒子集中的粒子进行了重采样后,还要使用线性方程式进行经验降解,将降解后得到的新的大权值粒子作为大权值粒子集中的粒子替换掉对应的旧的大权值粒子;具体经验降解的公式为:
为了更好地实现本发明,进一步地,在对小权值粒子集中的粒子进行重采样后,还要使用线性方程式进行经验补偿,将补偿得到新的小权值粒子作为小权值粒子集中的粒子替换掉对应的旧的小权值粒子;具体的经验补偿的公式为:
为了更好地实现本发明,进一步地,对大权值粒子集的粒子总数记为NA,中值粒子集的粒子总数记为NB,小权值粒子集的粒子总数记为NC;得到数据队列k的值,具体计算为:
NA+NB+NC=k。
本发明与现有技术相比具有以下优点及有益效果:
(1)本发明采用软件滤波器的方法对测量数据进行后处理,而不是采用硬件滤波器的方法,在测量部件前端对模拟式的测量信号进行前端处理。能够对频率很高或很低的信号进行滤波,同时,滤波参数非常容易更改。用粒子滤波方法消除油面波动误差,对油量信号进行必要的平滑处理,使其更接近于真实的状态,克服飞机机动飞行带来油量测量的误差,提高了滤波的精度。
(2)本发明采用软件算法来实现滚动粒子滤波器,粒子滤波器无需硬件,只是一个计算过程,因此可靠性高,不存在阻抗匹配问题。且粒子滤波可以对频率很高或很低的信号进行滤波,这是模拟式硬件滤波器所不及的;用软件算法实现,可以使多个输入通道共用一个软件滤波器,降低了硬件成本;只要适当改变软件滤波器的滤波程序和运算参数,即可改变滤波特性,且便于更改。
附图说明
图1为本发明实现的具体流程示意图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,应当理解,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例,因此不应被看作是对保护范围的限定。基于本发明中的实施例,本领域普通技术工作人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“设置”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;也可以是直接相连,也可以是通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1:
本实施例提出了一种基于数据滚动粒子滤波的燃油油量数据处理方法,如图1所示,设置一个对燃油油量信号进行后处理的滚动粒子软件滤波器,在滚动粒子软件滤波器中设置滤波队列地址、滤波队列长度设置单元;然后进行以下操作:
步骤1,通过滤波队列地址和滤波队列长度设置单元来设定滤波队列,并定义滤波极限Δlimit、滤波队列上限Δupper、滤波阈值上限Δ+、滤波阈值下限Δ-、滤波队列下限Δlower;
步骤2,采用滤波极限Δlimit对采样值Si进行初次过滤;所述滤波极限Δlimit为采样值Si的有效范围,为正值;
步骤3,采用冒泡法对初次过滤后的采样值Si进行排序;对排序后的采样值Si,通过滤波队列上限Δupper、滤波阈值上限Δ+、滤波阈值下限Δ-、滤波队列下限Δower对所有采样值Si进行分类,根据采样值Si的值的大小分为大权值粒子、中值粒子和小权值粒子,得到大权值粒子集、中值粒子集和小权值粒子集及可信采样值序列Vi;
步骤5,将重采样后得到的大权值粒子集、中值粒子集和小权值粒子集中的粒子组成数据队列k;对数据队列k进行队列填充和k次平均;
步骤6,将经过k次取平均后的值作为油量输出值进行输出,并作为下一个滤波周期的基准油量值。
工作原理:在所述粒子软件滤波器中,设置有滤波队列地址1、滤波队列长度设定单元、滤波极限Δlimit、滤波队列上限Δupper、滤波阈值上限Δ+、滤波阈值下限Δ-、滤波队列下限Δlower。通过滤波队列地址定义了采样数据的存放起始位置,方便我们找到滤波的初始值,滤波队列长度设定单元定义了滤波的响应速度和队列长度k,方便我们找到需要滤波的数据个数,滤波极限Δlimit定义了采样值的取值范围,用以剔除明显虚假的数据,滤波队列上限Δupper和波队列下限Δlower定义了滤波序列可信的取值范围,滤波阈值上限Δ+、滤波阈值下限Δ-定义了滤波的区域划分,用以进行粒子种类的区分。其工作原理是首先利用滤波极限Δlimit将明显的虚假数据去除;用冒泡法进行排序,然后利用滤波队列上限Δupper、波队列下限Δlower以及滤波阈值上限Δ+和滤波阈值下限Δ-对采样数据进行分类,得到三类粒子集,对中值粒子集不进行重采样;最后对大权值粒子和小权值粒子组成的粒子集先进行判断,若符合重采样条件,对其使用线性组合方式进行重采样得到新粒子;最后进行队列填充和k次平均。
实施例2:
本实施例在上述实施例1的基础上,如图1所示,为了更好地实现本发明,进一步地,在所述步骤3中,对于经过初次过滤的采样值Si,还要采用滤波队列上限Δupper和滤波队列下限Δlower构成的区间[Δlower,Δupper]进行再次过滤,将不再区间[Δlower,Δupper]内的采样值Si进行剔除,然后再采用冒泡法进行排序。
进一步地,在所述步骤3中,对所有采样值Si进行分类,并计算出可信采样值序列Vi的中值Δ;进行分类的的具体公式如下:
其中:Ui-1表示第i-1个周期的油量输出数据。
进一步地,得到的所述小权值粒子集为:
进一步地,得到的所述中值粒子集为:
进一步地,得到的大权值粒子集为:
进一步地,所述步骤4中,进行重采样条件判断的操作为:
对于中值粒子集中的粒子,不进行重采样;
对于大权值粒子集中的粒子,进行重采样的判断手段为:先求得滤波队列上限Δupper,然后与预先设定的滤波阈值上限Δ+进行比较;若在大权值粒子集中的某个粒子的采样值Si取值范围在Δ+<Si≤Δupper,则不进行重采样;若在大权值粒子集中的某个采样值Si取值范围在Δupper<Si,则进行重采样;
对于小权值粒子集中的粒子,进行重采样的判断手段为:先求得滤波队列下限Δlower,然后与预先设定的滤波阈值下限Δ-进行比较;若小权值粒子集中的某个粒子的采样值Si在ΔloWer≤Si<Δ-范围内,则不进行重采样;若若小权值粒子集中的某个粒子的采样值Si在Δlower>Si内,则进行重采样。
进一步地,对大权值粒子集的粒子总数记为NA,中值粒子集的粒子总数记为NB,小权值粒子集的粒子总数记为NC;得到数据队列k的值,具体计算为:
NA+NB+NC=k。
工作原理:由于飞机的实际油量是按一个比较稳定的耗油速度减少的,所以这里引入油量可信采样值的概念:可信采样值序列Vi在一定的范围内变化,当它是往下变化时,可信采样值Vi相对基准油量最小不低于滤波队列下限Δlower,也是可以往上变化的,但最大不能超过滤波队列上限Δupper。
粒子软件滤波器开始运行后,得到的采样值Si,必须经过k个测量周期将数据队列填满,作为后续比较的基础。在队列填满的基础上,首先将采样值Si与滤波极限Δlimit比较可将明显的虚假数据拒之门外;用冒泡法进行排序,如果采样值Si小于滤波极限Δlimit且又在[Δlower,Δupper]区间,就认为它是可信的进入数据队列,然后利用滤波队列上限Δupper和滤波队列下限Δlower以及滤波阈值上限Δ+、滤波阈值下限Δ-对采样数据进行分类,得到三类粒子集,对中值粒子集不进行重采样;最后对大权值粒子和小权值粒子组成的粒子集先进行判断,若符合重采样条件,则对其使用线性组合方式进行重采样得到新粒子。根据新粒子组成的数据队列,取这k个数据的平均值,同时要将最早的数据从队列中推出,为新的数据进入留出空间;这个平均值就是一个新的经过软件滤波后的油量值,同时作为下一个滤波周期的基准油量。这样就能在保证测量的跟随性的前提下提高测量的稳定性,比较好的反映出油量的真实变化情况。
选择参数:各个参数对测量系统的跟随性和稳定性有直接的影响,恰当的选择参数是系统能否成功的关键。
在上述所有的参数中,滤波队列长度k和滤波极限Δlimit、滤波队列上限Δupper、滤波阈值上限Δ+、滤波阈值下限Δ-、滤波队列下限Δlower对系统的跟随性和稳定性影响最为明显,必须在满足规定的滤波响应时间的基础上,经过详细的分析试飞数据和理论推理才能得到合适的值。
本实施例的其他部分与上述实施例1相同,故不再赘述。
以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化,均落入本发明的保护范围之内。
Claims (10)
1.一种基于数据滚动粒子滤波的燃油油量数据处理方法,其特征在于,设置一个对燃油油量信号进行后处理的滚动粒子软件滤波器,在滚动粒子软件滤波器中设置滤波队列地址、滤波队列长度设置单元;然后进行以下操作:
步骤1,通过滤波队列地址和滤波队列长度设置单元来设定滤波队列,并定义滤波极限Δlimit、滤波队列上限Δupper、滤波阈值上限Δ+、滤波阈值下限Δ-、滤波队列下限Δlower;
步骤2,采用滤波极限Δlimit对采样值Si进行初次过滤;所述滤波极限Δlimit为采样值Si的有效范围,为正值;
步骤3,采用冒泡法对初次过滤后的采样值Si进行排序;对排序后的采样值Si,通过滤波队列上限Δupper、滤波阈值上限Δ+、滤波阈值下限Δ-、滤波队列下限Δlower对所有采样值Si进行分类,根据采样值Si的值的大小分为大权值粒子中值粒子和小权值粒子Vi C,得到大权值粒子集、中值粒子集和小权值粒子集及可信采样值序列Vi;
步骤5,将重采样后得到的大权值粒子集、中值粒子集和小权值粒子集中的粒子组成数据队列k;对数据队列k进行队列填充和k次平均;
步骤6,将经过k次取平均后的值作为油量输出值进行输出,并作为下一个滤波周期的基准油量值。
2.如权利要求1所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法,其特征在于,在所述步骤3中,对于经过初次过滤的采样值Si,还要采用滤波队列上限Δupper和滤波队列下限Δlower构成的区间[Δlower,Δupper]进行再次过滤,将不再区间[Δlower,Δupper]内的采样值Si进行剔除,然后再采用冒泡法进行排序。
7.如权利要求6所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法,其特征在于,所述步骤4中,进行重采样条件判断的操作为:
对于中值粒子集中的粒子,不进行重采样;
对于大权值粒子集中的粒子,进行重采样的判断手段为:先求得滤波队列上限Δupper,然后与预先设定的滤波阈值上限Δ+进行比较;若在大权值粒子集中的某个粒子的采样值Si取值范围在Δ+<Si≤Δupper,则不进行重采样;若在大权值粒子集中的某个采样值Si取值范围在Δupper<Si,则进行重采样;
对于小权值粒子集中的粒子,进行重采样的判断手段为:先求得滤波队列下限Δlower,然后与预先设定的滤波阈值下限Δ-进行比较;若小权值粒子集中的某个粒子的采样值Si在Δlower≤Si<Δ-范围内,则不进行重采样;若若小权值粒子集中的某个粒子的采样值Si在Δlower>Si内,则进行重采样。
10.如权利要求1-9任一项所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法,其特征在于,对大权值粒子集的粒子总数记为NA,中值粒子集的粒子总数记为NB,小权值粒子集的粒子总数记为NC;得到数据队列k的值,具体计算为:
NA+NB+NC=k。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111316411.8A CN114157270B (zh) | 2021-11-08 | 2021-11-08 | 一种基于数据滚动粒子滤波的燃油油量数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111316411.8A CN114157270B (zh) | 2021-11-08 | 2021-11-08 | 一种基于数据滚动粒子滤波的燃油油量数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114157270A true CN114157270A (zh) | 2022-03-08 |
CN114157270B CN114157270B (zh) | 2024-06-11 |
Family
ID=80459301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111316411.8A Active CN114157270B (zh) | 2021-11-08 | 2021-11-08 | 一种基于数据滚动粒子滤波的燃油油量数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114157270B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007137484A1 (fr) * | 2006-05-11 | 2007-12-06 | Shanghai Jiao Tong University | Procédé et dispositif d'estimation de canaux |
CN102571032A (zh) * | 2011-12-17 | 2012-07-11 | 成都泛华航空仪表电器有限公司 | 用滚动平滑滤波对测量数据进行后处理的方法 |
CN103856185A (zh) * | 2014-02-17 | 2014-06-11 | 上海大学 | 一种基于fpga的粒子滤波权值处理及重采样方法 |
CN106919785A (zh) * | 2017-01-23 | 2017-07-04 | 哈尔滨工程大学 | 一种基于地磁矢量及粒子滤波的载体干扰磁场在线补偿方法 |
WO2018119912A1 (zh) * | 2016-12-29 | 2018-07-05 | 深圳大学 | 基于并行模糊高斯和粒子滤波的目标跟踪方法及装置 |
CN109376369A (zh) * | 2018-08-27 | 2019-02-22 | 广西科技大学 | 基于分类进化重采样的粒子滤波方法 |
CN110233608A (zh) * | 2019-07-02 | 2019-09-13 | 中国航空工业集团公司雷华电子技术研究所 | 一种基于权值自适应的粒子滤波方法和雷达系统 |
-
2021
- 2021-11-08 CN CN202111316411.8A patent/CN114157270B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007137484A1 (fr) * | 2006-05-11 | 2007-12-06 | Shanghai Jiao Tong University | Procédé et dispositif d'estimation de canaux |
CN102571032A (zh) * | 2011-12-17 | 2012-07-11 | 成都泛华航空仪表电器有限公司 | 用滚动平滑滤波对测量数据进行后处理的方法 |
CN103856185A (zh) * | 2014-02-17 | 2014-06-11 | 上海大学 | 一种基于fpga的粒子滤波权值处理及重采样方法 |
WO2018119912A1 (zh) * | 2016-12-29 | 2018-07-05 | 深圳大学 | 基于并行模糊高斯和粒子滤波的目标跟踪方法及装置 |
CN106919785A (zh) * | 2017-01-23 | 2017-07-04 | 哈尔滨工程大学 | 一种基于地磁矢量及粒子滤波的载体干扰磁场在线补偿方法 |
CN109376369A (zh) * | 2018-08-27 | 2019-02-22 | 广西科技大学 | 基于分类进化重采样的粒子滤波方法 |
CN110233608A (zh) * | 2019-07-02 | 2019-09-13 | 中国航空工业集团公司雷华电子技术研究所 | 一种基于权值自适应的粒子滤波方法和雷达系统 |
Non-Patent Citations (4)
Title |
---|
伊廷华;张永恒;李宏男;顾明;: "基于改进粒子滤波算法的GPS多路径效应理论与试验研究", 应用基础与工程科学学报, no. 03, 15 June 2011 (2011-06-15) * |
曾晓辉;师奕兵;练艺;: "改进的部分分层式粒子滤波重采样算法", 计算机应用, no. 12, 10 December 2014 (2014-12-10) * |
李小婷;史健芳;: "基于重采样技术改进的粒子滤波算法", 微电子学与计算机, no. 09, 5 September 2016 (2016-09-05) * |
郭健忠;程峰;谢斌;吴建立;田刚;: "改进型限幅递推平均滤波法在燃油表中的应用", 科学技术与工程, no. 16, 8 June 2018 (2018-06-08) * |
Also Published As
Publication number | Publication date |
---|---|
CN114157270B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017167193A1 (zh) | 脉冲基线值计算方法及血球分析仪的粒子计数方法 | |
CN111144435B (zh) | 基于lof和验证过滤框架的电能量异常数据监测方法 | |
CN109490862B (zh) | 一种基于相位差分统计谱的载频估计方法 | |
CN111222095B (zh) | 一种大坝变形监测中的粗差判别方法、装置及系统 | |
CN102164104A (zh) | 一种信号基线快速处理方法及装置 | |
CN111353131B (zh) | 一种码载偏离度阈值计算的方法 | |
CN103353883A (zh) | 一种按需聚类的大数据流式聚类处理系统及方法 | |
CN104297213A (zh) | 血液细胞分析仪及其异常细胞的识别方法与系统 | |
CN112332807A (zh) | 一种弱包络信号检测方法和系统 | |
CN114157270A (zh) | 一种基于数据滚动粒子滤波的燃油油量数据处理方法 | |
CN108931463B (zh) | 基于鞘流阻抗原理的血细胞脉冲识别方法及识别装置 | |
CN108921082A (zh) | 基于经验小波和希尔伯特变换的柴油机燃烧共振频率提取方法 | |
CN105890738B (zh) | 一种汇流旋涡冲击振动识别方法 | |
CN102571032B (zh) | 用滚动平滑滤波对测量数据进行后处理的方法 | |
CN115080902A (zh) | 一种基于adc的相关性模糊分布确定气体超声波流量计回波信号极点的方法 | |
CN112965964B (zh) | 一种实测飞参数据的野值检测方法、系统及计算机相关产品 | |
CN111343165B (zh) | 基于birch和smote的网络入侵检测方法及系统 | |
CN114461984A (zh) | 一种温度数据处理方法、装置、智能门锁及存储介质 | |
CN114046873A (zh) | 一种基于lof-fcm模糊聚类算法的电抗器振动监测系统 | |
CN109931996B (zh) | 一种准确测量气体超声流量计信号传播时间的方法 | |
CN110347666A (zh) | 一种改善时序数据质量和预警的方法及装置 | |
CN107135126B (zh) | 基于子流分形指数的流量在线识别方法 | |
CN111060443A (zh) | 一种干扰脉冲识别方法、装置、存储介质及细胞计数设备 | |
CN110619167A (zh) | 一种基于聚类分析的油气水三相流相态临界点识别算法 | |
CN108918982A (zh) | 一种信号峰值的获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |