登录
首页 » Others » 工业机器人控制轨迹规划及编程

工业机器人控制轨迹规划及编程

于 2020-12-02 发布
0 383
下载积分: 1 下载次数: 6

代码说明:

wei简单的介绍了工业机器人控制轨迹规划和编程课程,可以参考下,开拓思路山东建筑大学备课纸第七章工业机器人的轨迹规划及编程轨迹规划轨迹规划是指根据作业任务要求,确定轨迹参数并实时计算和生成运动轨迹。它是工业机器人控制的依据,所有控制的目的都在于精确实现所规划的运动。机器人语言机器人具有可編程功能,因此需要用户和机器人之间的接口。为了提高编程效率,岀现了机器人编程话言,它以一种暹用的方式解决了人一机通信问题。机器人离线编程机器人离线编程系统是利用计算机图形学,建立机器人编程环境,从而可以脱离机器人工作现场进行编程的系统。由于不占用机动时间,提高了设备利用率。而且由于离线编程本身就是 CAD/CAM一体化的组成部分,有时可以直接利用CAD数据库的信息,大大减少了编程时间,提高了编程水平。7.1工业机器人的轨迹规划引言指定工业机器人执行某政接作作[加些约束条住轨迹的划和协关节坐标空间斗标空间轨迹规划涉及卜面三个问题◇要对机器人的任务进行描述,即对机器人的运动轨迹进行描述。◇根据所确定的轨迹参欻,如何在计算机内部描述所要求的轨迹。这主要是选择习惯规定以及合理的软件数据结构问题。◇对内部描述的轨迹进行实际计算。通常是在运行时间内按一定的速率计算出位置、速度和加速度,生成运动轨迹。二、轨迹规划的一般性问题工业机器人的作业可以描述成工具坐标系{相对于工作坐标系{S的一系列运动:图7-1作业的措述工具坐标系相对于工作坐标系的运动来描述作业路经把作业路径的描述与具体的机器人、手爪或工具分离开来,形成了模型化的作业描述方法。从而使这种描述既适用于不同的机器人,也适用于同一机器人上装吏不同规格的工具:2凯器具的症置程上置机器人从初始状态运动到终止状态的作业,看成是工具巫标系从初始位置T0}变化到终止位置Tf}的坐标变换变换包含了工具坐标系的位置和姿态的变化。在轨迹规划中,也常用“点”这个词来表示机器人的状态,或用它来表示工具坐标系的位姿。当需要更详细地描述运动时,不仅要规定机器人的起始点和终止点,而且要给出介于起始点和终止点之间的中间点,也称路径点运动轨迹除了位姿约束外,还存在着各路径点之间的时间分配问题。例如,在规定路径的同时,必须给出两个路径点之间的运动时间机器人的运动应当平稳,不平稳的运动将加剧机械部件的磨损,并导致机器人的振动和冲击。钪迹规划既可在关节■空间中进行,也可在直角坐标空间中进行。在关节空间中进行轨·迹规划是指将所有关节变量表示为时间的函数,用这些关节函数及其阶、三阶导数描述机器人预期的运动。在直角坐标空间中进行轨迹规划,是指将手爪位姿、速度和加速度表示为时间的函数,而相应的关节位置、速度和加速度由手爪信息导出三、关节空间的轨迹规划机器人作业路径点通常由工具坐标系(}相对于工作坐标系{S)的位姿来表示,因此,在关节空间中进行轨迹规划4≯首先需要将毎个作业路径点向关节空间变换,即用逆运动学方法把路径点转换成关节角度值,或称关节路径点;然后,为毎个关节相应的关节路径点拟合光滑函数;这些关节函数分別描述了机器人各关节从起始点开始,依次通过路径点,最后到达某目标点的运动轨迹。由于毎个关节在相应路径段运行的时间相同,这样就保证了所有关节都将冋时到达路径点和目标点,从而也保证了工具坐标系在各路径点县有预期的位姿;关节空间的轨迹规划:关节空间中进行轨迹规划,不需考虑直角坐标空间中两个路径点之间的轨迹形状,仅以关节角度的函数来描述机器人的轨迹,计算简单、省时;关节空阃与直角坐标空间并不是连续的对应关系,关节空间内不会发生机构的奇异现象,从而避免了在直角坐标空间规划时所出现的关节速度失控问题;在关节空间进行轨迹规划,规划路径不是唯一的。只要满足路径点上的约束条件,可以选取不同类型的关节角度函数,生成不同的轨迹。1.三次多项式插值当己知末端操作器的起始位姿和终止位姿时,庄逆向运动学,即可求出对应于两位姿的各个关节角度。因此,末端操作器实现两位姿运动轨迹描述,可在关节空间中用通过起始点关节角和终止点关节角的一个平滑轨迹函数0(t)来表示;为了实现关节的平稳动,每个关节的轨迹函数(t至少需要满足四个约束条件:两端点位置约束和两端点速度约束端点位置约束是指起始位姿和终止位姿分别所对应的关节角度00=已为满足关节运动速度的连续性要求,在起始点和终止点的关节速度简单地设定为零,即(0=06()=0上述给出的四个约東条件可以唯一地确定一个三次多项a(t)=a0+a!t+a22+a3t3运动过程中的关节速度和加速度则为:9()=a1+2a2!+3agt2(t)=2a2+6at为了求得三次多项式的系数,代以给定的约束条件,有方稈组分=a+at+a+aD-dt 2u r t ja rl求解上述方程组,可得3所以,对于初速及终速为零的关节运动,满足连续平稳运动要求的三次多项式插值函数为a(r=6+(-2--)其关节角速度和角加速度表达式为()-是2(明,-一吾(,-8F6()=是(4-)-;-r三次多项式插值的运动轨迹曲线!图7三践康式插值毛动轨遗)位瞎时刺雙:{)急澧时繭线:C)鱼加速度间曲线2.过路径点的三次多项式插值机器人作业除在A、B点有位姿要求外,在路径点C、D…也有位姿要求。对于这种情況,假如终端执行器在路径点停留,即各路径点上速度为0,则轨迹规划可连续直接使用前面介绍的三次多项式插值方法;但如果只是经过,并不停留航需要将前述方法推广。AB仨某段路径上,“起始点”为θ0和ω0,"终止点"为f和ωf。这时,确定三次多项式系数的方法与前面所述的完全一致,只不过是速度约束条件变为e(0)=me(r)=a利用约束条件确定三次多项式系数,有下列方程组:9=0+ax+口+aa,=a1+2a+3求解方程组3+出)=02)+七《+路径点上的关节速度,可出以下任一规则确定如果机器人末端操作器在经过路径点时冇速度要求,则可以利用此路径点上的逆雅可比矩阵,把该路径点的直角坐标速度转换成关节坐标速度。轨迹规划时则以此作为速度约来条件。如果某个路径点是机器人的奇异点,即此点的逆雅可比不可求,这时就无法求关节速度了;此外,在求各点关节速度时,要逐点计算逆雅可比矩阵,并依此计算关节速度,耗时较多。路径点上的关节速度,可由以下任一规则确定由控制系统采用某种启发式方法自动地选取合适的路径点速度。用三次多项式插值前,先假设各路径点之间关节运动速度是均匀的,即图中所示用直线段将这些路径点依次连接起来。规则选定:如果桾邻线段的斜率在路径点处改变符号,则速度选为零;如杲相邻线段斜率不改变符号,则选取路径点两侧的线段斜率的平均值作为该点的速度。因此,只要给定路径点,系统就能依此规则自动生成相应的路径点速度路径点上的关节速度,可由以下任一规则确定斗按照保证毎个路铚点的加速度连续的原则,由控制系统自动地选择路径点的速度。为此,可以设法用丙条三次曲线在路径点处按一定规则连接起来,拼凑成所要求的轨迹。拼凑的约束条件是:连接处速度连续,而且加速度也连续。7.2工业机器人的编程机器人编程方式机器人编程,是针对机器人为完某瓊作亚进拉程序投复的人的吧4国和力与编国性定环境中作诀上式有大关作业能方微计算机近自然路司匿人与机器实现各种机器人揉作机器人编程方法三种形式1、示教编程操作者必须把机器人终端移动至目标位置,并把此位置对应的机器人关节角度信息记录进内存储器,这是示教过程。当要求复现这些运动吋,顺序控制器从内存读岀相应位置,机器人就可重复示教时的轨迹和各科操作,这是再现过程。手把手示教」示教盒示教于把手示教要求用户使用安装在机器人于臂内的操纵杆,按给定运动顺序示教动作内容。示教盒示教则是利用装在控制盒上的按钮驱动机器人按需要的顺序进行操作示教编程优点:只需要简单的设备和控制装置即可进行。操作简单,易于掌握。示教再现过程很快,示教之后马上即可应用。示教编程缺点:编程占用机器人的作业时间艮难规划复杂的运动轨迹以及准确的直线运动;难以与传感信息相配合难以与其他操作同步;2、机器人语言编程实现了计算机编程,并可以引人传感信息,从而提供一个更通用的方法来解决人一机器人通信接口问题。目前应用于工业中的是动作级和对象级机器人语3、离线编程用通用语言或专门语言预先进行程序设计,在离线的情况下进行轨迹规划的编程方法。离线编程系统是基于CAD数据的图形编程系统。由于CAD技术的发展,机器人可以利用CAD数据生成机器人路径,这是集机器人于CIMS系统的必由之路、机器人语言编程早期的工业机器人,由于完成的作业比较简单,作业内客改变不频繁,采用鬥定程序控制或示教再现方法即可满足要求,不存在语言问题。机器人木身的发展,计算机系统功能日益完善以及要求机器人作业内容愈加复杂化,利用程序来控制机器人显得越来越困难编程过程过于复杂,使得在作业现场对付复杂作业十分困难。述北一一用机器人语言→[控制机器人动作(一)机器人语言的发展概况1973年,斯坦福大学人工智能研究室美国IBM公司1979年,美国 Unimation公司80,美国 Automatrix公司80,美国麦道公司(二)机器人语言的分类1、根据作业描述水平的高低分(1)动作级机器人语言VAL◆以机器人手爪的运动作为作业描述的中心◇用该级语言编写的作业程序,通常由使机器人手爪从一个位置到另一个位置的一系列运动语句组成。◆动作级机器人语言的每一条语句对应于一个机器人动作。2)对象级机器人语言- AUTOPASS今以近似自然语言的方式,按照作业对象的状态变化来进行程序设计以描述操作物体之间关系为中心的语言。今它不需要去描述机器人手爪如何动作,只要由操作者给出作业本身的顺序过程的描述及环境模型的描述,机器人即可自行决定如何动作。(3)任务级机器人语言◇最理想的机器人高级语言,是用被操作物体,而不是机器人的动作来描述作业任务◇使用者只要按某种原则给岀作业起始状态和作业目标状态,机器人语言系统即可利用口有的环境信息和知识库、数据库自动进行推呷、计算,最后白动生成机器人详细的动作、顺序和相应数据。◇须具冇判断环境、描述环境的能力;同时,也必须冇自动完成许多规划任务的能力。2、按表面形式分汇编型,如VAL语编译型,如AI、LM语言;自然语言型,如 AUTOPASS语言等;(三)机器人语言的特征机器人语言则包含语言本身、语言处理系统和机器人的工作环境模型三部分9盐理系恒外部乱音工件1.具有作业环境和作业对象的描述性。1)环境输入:视机器人语言水平不同,输入方法也不相同。目前的输入方法一般是由操作者与计算机的人机对话来进行的。将来随着视觉技术的发展,可能由机器人视觉的方法自动生成。〔2)环境建模:进行机器人编程时,需要描述物体三维空间的几何关系的语言,对操作物体的位置和姿态,操作物体之间的关系进行描述,并使之模型化。2)环境模型的修改、更新:在作业过程屮,操作物体的位置、姿态以及它们之间的关系一般随着作业而发生改变,语言系统要根据操作情况的变化来改变环境模型的内容。2.具有作业内容的描述性3.具有良好的编程环境4.具有人机接口和传感器接口功能机器人离线编程、离线编程的概念第一代工业机器人采用示教编程方式,无论是采用手把手示教或控制盒示教,都需要机器人停止原来的工作。而再现时若不能满足要求,还需反复进行示教进行一项任务之前,在现场编程过程要花费很多时间,这对于大批量生产的简单作业,基本还能满足要求。但是,随着机器人应用到中小批量生产,以及要求完成任务的复杂程度的增加,用示教编程方式就很难适应了。二、机器人离线编程随着计算机技术和机器人技术的不断发展,机器人与 CAD/CAM技术结合,已形成生产效率很髙的柔性制造系统(FMS)和计算机集成制造系统(CIMS)。这些系统中大量采用工业机器人,具有很高的适用性和灵活性一)离线编程的概念杋器人离线编程就是利用计算机图形学的成果,建立机器人及作业环境的三维几何模型,然后对机器人所婓完成的任务进行离线规划和编程,并对编程结果进行动态图形仿真,最后将满足要求的编程结果传到机器人控制柜,使机器人完成指定的作业任务。(二)离线编程系统的一般要求工业杋器人离线编程系统的一个重要特点是能够和CAD!CM建立联系,能够利用CAD数据库的资料。对于一个简单的机器人作业,几乎可以直接利用CAD对零件的描述来实现编程。三)离线编程系统的基本组成10

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 公交车查询系统 java 毕业设计 jsp ssh
    辛苦2个月的公交车查询系统,用java的,用ssh框架,源代码附带数据库脚本 (mysql数据库)附带毕业论文,一条龙服务,方便广大学子,存属无私奉献,顺便赚点积分,仅供参考,搞毕业设计的兄弟们别照单全收。。。。。。
    2020-12-04下载
    积分:1
  • 直线阵和圆阵数字波束形成MatlAB
    直线阵和圆阵数字波束形成MatlAB程序
    2020-12-02下载
    积分:1
  • 基于LabVIEW的QAM调制仿真
    本程序在LabVIEW平台上仿真了QAM调制,可以直观的发现噪声对相位的影响。本程序需要LabVIEW8.6以上版本,需要安装调制工具包。
    2020-11-28下载
    积分:1
  • FPGA+AD7606并行8通道采集源Verilog
    这人本人一个项目中的源程序,采用AD7606不间断8路不间断采集外部电压,送到FPGA之后,再由FPGA经过Cypress芯片与PC机通信。FPGA+AD7606并行8通道采集源Verilog程序,FPGA+AD7606并行8通道采集源Verilog程序,FPGA+AD7606并行8通道采集源Verilog程序,FPGA+AD7606并行8通道采集源Verilog程序,FPGA+AD7606并行8通道采集源Verilog程序,FPGA+AD7606并行8通道采集源Verilog程序
    2021-05-07下载
    积分:1
  • PCNN分割,边缘提取,图像增强等matlab
    PCNN分割,边缘提取,图像增强等matlab程序,比较全面简单的源代码,易看易懂易学
    2020-12-11下载
    积分:1
  • stm32f103modbus主机
    通过485方式实现modbus协议,我也是改了改大佬的代码,增加了注释
    2020-12-01下载
    积分:1
  • 卫星导航原理与应用.PDF
    详细介绍了GPS卫星导航系统的原理与应用,同时简要介绍了双星定位和GALILEO系统.
    2020-12-06下载
    积分:1
  • 有限元方法的数学基础.pdf
    书名:有限元方法的数学基础 图书编号:1040680 出版社:科学出版社 定价:20.0 ISBN:703013478 作者:王烈衡 出版日期:2005-06-30 版次:1 开本:大32开 简介:本书为《中国科学院研究生教学丛书》之一。 本书是作者最近十多年为中国科学院研究生院、北京大学以及中国科学技术大学(合肥)研究生开设课程的讲稿基础上发展起来的,试图提供有限元方法比较完整的数学基础,主要包括变分原理、Sobolev空间、椭圆边值问题、有限元离散、协调有限元方法的误差分析、数值积分影响、等参数有限元、非协调有限元、混合有限元法、多重网格法、多水平方法、区域分解法等内容
    2020-11-29下载
    积分:1
  • 自适应滤波器设计及Matlab实现
    简单描述自适应滤波的原理及在MATLAB中实现的方法,并辅以相关MATLAB代码供大家交流。1绪论11引言人类传递信息的主要媒介是语言和图像。据统计,在人类接受的信息中,听觉信息占20%,视觉信息占60%,其它如味觉、触觉、嗅觉总的加起来不过占20%,所以图像信息是十分重要的信息。然而,在图像的获取和图像信号的传输过程中,图像信号中不可避免的混入各种各样的随机噪声,造成图像失真(图像退化)。造成人类所获取的信息和实际是有偏差的,成为人类从外界获取准确信息的障碍。因此,对图像信号中的随杋噪声的抑制处理是图像处理中非常重要的一项工作在图像的获取和传输过程中所混入的噪声,主要来源于通信系统中的各种各样的噪声,根据通信原理及统计方面的知识,可以知道在通信系统中所遇到的信号和噪声,大多数均可视为平稳的随机过稈。又有“高斯过程又称正态随机过程,它是一种普遍存在和重要的随机过程,在通信信道中的噪声,通常是一种高斯过程,故又称高斯噪声。囚此,在大多薮的情况下,我们可以把造成图像失真的噪声可视为广义平稳高斯过程本文针对图像信号中混入的随机噪声,在怎样把现有的滤波算法应用到实际的图像复原中去的问题上提出了解决方法,并且应用 Matlab软件编程对图像进行处理。1.2研究目标及现状121图像复原技术的目标为了从含有噪声的数据中提取我们所感兴趣的、接近规定质量的图像,我们需要设计个系统满足:当信号与噪声同时输入吋,在输出端能将信号尽可能精确地重现出来,而噪声却受到最大抑制,即最佳滤波器。122图像复原抆术的研究现状日前的图像复原技术,即去噪的滤波技术可以分为两大类:传统滤波和现代滤波。传统滤波技术是建立在已知有用信号和干扰噪声的统计特性(自相关函数或功率谱)基础上的噪声去除;现代滤波技术则是不需要知道图像的先验知识,只是根据观测数据,即可对噪声进行有效滤除。早在20世纪40年代,就对平稳随机信号建立了维纳滤波理论。根据有用信号和干扰噪声的统计特性(自相关函数或功率谱),以线性最小均方误差(MSE)估计准则所设计的最佳滤波器,称为维纳滤波器。这种滤汲器能最大程度的滤除干扰噪声,提取有用信号。但是,当输入信号的统计特性偏离设计条件,则它就不再是最佳的了,这在实际应用中受到了限制。到60年代初,由于空间技术的发展,出现了卡尔曼滤波理论,即利用状态变量模型对非平稳、多输入多输出随机序列作最优估计。卡尔曼滤波器既可以对平稳的和平稳的随机信号作线性最佳滤波,也可以作为非线性滤波[2]。然而只有在对信号和噪声的统计特性已知的情况下,这两种滤波器才能获得最优解。在实际的应用中,往往无法得到这些统计特性的完验知识,或者统计特性是随时间变化的,因此,这两种滤波器就实现不了真正的最佳滤波。Widrow B.和Hof于1967年提出的自适应滤波理论,可使在设计自适应滤波器时不需要事先知道关于输入信号和噪声的统计特性的知识,它能够在自己的工作过程中逐渐估计出所需的统计特性,并以此为依据自动调整自己的参数,以达到最佳滤波效果。一旦输入信号的统计特性发生变化,它又能够跟踪这种变化,自动调整参数,使滤波器性能重新达到最佳。自适应滤波器自动调节参数可以通过各和不同的递推算法来实现,由于它采用的是逼近的算法,使得实际估计值和理论值之间必然存在差距,也就造成了自适应滤波问题没有唯一的解。依照各种递推算法的特点,我们把它应用于不同的场合。现在广为应用的自适应滤波方法主要是基于以下几种基本理论,再融合递推算法导出来的:(1)基于维纳滤波理论的方法维纳滤波是在最小均方误差准则下通过求解维纳霍夫方程来解决线性最优滤波问题的。基于维纳滤波原理,我们利用相关的瞬时值通过在工作过程中的逐步调整参数逼近信号的统计特性,实现最优滤波。由此,我们得到一种最常用的算法—最小均方算法,简称LMS算法。(2)基于卡尔曼滤波理论的方法卡尔曼滤波是线性无偏最小方差滤波递推滤波,它能使滤波器工作在平稳的或非平稳的环境,得到最优解。利用卡尔曼滤波理论的递推求解法导出自适应滤波器更新权矢量得不同递推算法。比LMS算法有极快的收敛速率,可是计算复杂度也增大∫,它需要计算卡尔曼矩阵。(3)基于最小二乘准则的方法维纳滤波和卡尔曼滤波推导的算法是基于统计概念的,而最小二乘佔计算法是以最小误差平方和为优化目标的。根据滤波器的实现结构,有以下3种不同的最小二乘自适应滤波算法:自适应递归最小二乘法(RLS),自适应最小二乘格型算法,QR分解最小二乘算法。(4)基于神经网络理论的方法神经网络是有大量的神经元相互连接而成的网络系统,实质上它是一个高度非线性的动力学网络系统,这个系统具有很强的自适应、自学习、自组织能力,以及巨量并行性、容错性和坚韧性,因而,它可以做很多传统的信号和信息处理技术所不能做的事情。因其超强的自动调节能力,使符它在自适应信号处理方面有着广阔的前景[2]在一系列的自适应算法中,虽然基于后面3种基本理论的方法在收敛速率和稳定、坚韧性方面有着更好的性能,但是,基于维纳滤波理论的IMS算法因其算法简单,而且能达到满意的性能,得到了青睐,成为了应用最广泛的自适应算法。为此,本文主要研究LMS自适应滤波器在图像去噪方面的应用。2理论基础21基本自适应滤波器的模块结构自适应滤波器通常由两部分构成,其一是滤波子系统,根据它所要处理的功能而往往有同的结构形式。另一是自适应算法部分,用来调整滤波子系统结构的参数,或滤波系数。在自适应调整滤波系数的过程中,有不同的准则和算法算法是指调整自适应滤波系数的步骤,以达到在所描述的准则下的误差最小化。自适应滤波器含有两个过程,即自适应过程和滤波过程。前一过程的基本目标是词节滤波系数"(),使得有意义的目标函数或代价函数()最小化,滤波器输出信号y()逐步逼近所期望的参考信号4k),由两者之间的误差信号(k)驱动某种算法对滤波系数进行调整,使得滤波器处于最佳工作状态以实现滤波过程。所以自适应过程是一个闭合的反馈环,算法决定了这个闭合环路的自适应过程所需要的时间。但是,由于目标函数)是输入信号(k),参考信号(k)及输出信号y(k)的函数,即20=ack,.y,因此目标函数必须具有以下两个性质(1)非负性g (=8[x(k), d(k), y(k] 20Vx(), u(k), y(k)(2.1)(2)最佳性E()=E[x(k),d(k),y(k)]=0(22在自适应过程中,自适应算法逐步使目标函数(最小化,最终使()逼近于(),滤波参数或权系数()收敛于",这里"是自适应滤波系数的最优解即维纳解。因此,自适应过程也是自适应滤波器的最佳线性估计的过程,既要估计滤波器能实现期望信号()的整个过程,又要估计滤波权系数以进行有利于主要目标方向的调整。这些估计过程是以连续的时变形式进行的,这就是自适应滤波器需要有的自适应收敛过程。如何缩短自适应收敛过程所需要的收敛时间,这个与算法和结构有关的问题时人们一直重视研究的问题之—[2]。当然滤波子系统在整个自适应滤波器的设计中也占有很重要的地位,因为它对最终的滤波性能有很大的影响。本文要研究的是基于维纳滤波原理的LMS算法,那么下面我们需要介绍一下基本维纳滤波原理。22基本维纳滤波原理基本维纳滤波就是用来解决从噪声中提取信号问题的一种过滤(或滤波)方法。它基于平稳随机过程模型,且假设退化模型为线性空间不变系统的。实际上这种线性滤波间题,可以看成是种估计问题或种线性佔计问题。基本的维纳滤波是根据全部过去的和当前的观察数据来估计信号的当前值,它的解是以均方误差最小条件下所得到的系统的传递函数万(3)或单位样本响应h(k)的形式给出的,因此更常称这种系统为最住线性过滤器或滤波器。设计维纳滤波器的过程就是寻求在最小均方误差下滤波器的单位样本响应h(k)或传递函数h(x)的表达式,其实质是解维纳-霍大( Wiener-Hopf方程。基木维纳滤波器是这样的,有两个信号x(k)和y(k)同时加在滤波器上。典型地y(k)包含一个与x(k)相关地分量和另一个与x(k)个相关地分量。维纳滤波器则产生y(k)中与x(k)相关分量地最优估计,再从y(k)中减去它就得到ε(k)。y(kak)输出rk)维纳德波n=∑v(D)x(k-)f=0图21基本维纳滤被模型假定一个N个系数(权值)的FR滤波器的结构,维纳滤波和原始信号y(k)之间的差信号c(k)为ek= yk-nk=ye∑w(i)x(23)其中和w分别为输入信号矢量和权矢量,由下式确定(24)k-N-1)H(N-1)误差平方为2Y, x,w+w x.x,w对(3)式两边取期望得到均方误差(MSE),若输入x(k)与输出yk)是联合平稳的,则ELel=Ely,-2ELYXiwItElwx, x, w2.62P其中E[代表期望,=Ex是(k)的方差,P=E[yx1是长度为N地互相关矢量,R=Exx是NxN的自相矩阵。一个MSE滤波系数的图形是碗形地,且只有唯一地底部,这个图称为性能曲面,它是非负的。性能曲面地梯度可由下式给出2P+2R(2.7)Ytrim图22误差性能曲面每组系数w(i)(i=1,2,N-1)对应曲面是一点,在由面是地最小点梯度为0滤波权矢量达到最优”呷R P(28)即著名的维纳霍夫方稈的解。自适应滤波地仟条是采用合适的算法来调节滤波权重W,0)W,1),…W,N-1),从而找到性能曲面地最优点维纳滤波的实际用途有限,因为:(1)它需要已知自相关矩阵R和可相关矢量P,这两个量通常是未知的。(2)它包含∫矩阵的求逆,非常的耗时3)若信号为非平稳的,则R和P是时变的,导致必需重复计算。对于实际的应用需要一种能够依次加入地抽样点而得到"的算法。自适应算法就就是用于达到这个目的,而且不需显式计算R和P或进行矩阵求逆[3]3自适应滤波原理及算法在实际应用中常常会遇到这样的情况:随机信号的统计特性是未知的,或者信号的统计特性是缓慢的变化着的(非≯稳信号),这就促使人们去研究一类特殊的滤波器,这类滤波器具有以下特点:当输入过程的统计特性未知时,或者输入过程的统计特性变化时,能够相应的调整自身的参数,以满足某种准则的要求,由于这类滤波器能变动自身的参数以“适应”输入过程统计特性的估计或变化,因此,就把这类滤波器称为自适应滤波器41。在本文中我们研究的是退化图像复原的问题,由于图像自身的多样性和所混入的噪声的随机性和多样性,我们选择自适应滤波取出图像中混入的噪声。3.1横向滤波结构的最陡下降算法3.11最陡下降算法的原理首先考虑如下图所示的横向FIR自适应滤波器x(k-1k-2)x、-M+2)xR-M+l)e自适应控制算法1图31自适应横向滤波器结构它的输入序列以向量的形式记为X(k)=[x(k)x(k-1)(k-M+1)(3.1假设x()取自一均值为零,自相关矩阵为R的广义平稳随机过程,而滤波器的系数矢量(加权矢量)为:k)=[w,(k)w2(k)(32)以上二式中括号内的k为时间指数,因此,X()和W()分别表示时刻k的滤波器输入序列和加权值,滤波器的输山y(k)为:y(k)=∑w(n)x(n-t+1)33)式中M为滤波器的长度。图31中的“k称为“期望理想响应信号”,有时也可称为“训练信号”,它决定了设计最佳滤波器加权向量W(k)的取值方向。在实际应用中,通常用一路参考信号来作为期望响应信号。(k)是滤波器输出y(k)相对于a(k)的误差,即e(k)=d(k)-v(h)(34)显然,自适应滤波控制机理是用误差序列(k按照某种准则和算法对其系数w)n),=1.2…,M进行调节的,最终使自适应滤波的目标(代价)函数最小化,达到最佳滤波状态。按照均方误差(MSE)准则所定义得目标函数是E(h)=Ele()(35)eId()-2d(k)y(k)+y(k)将式(3.4)代入式(3.5),目标函数可以化为c(k)=Ele(k)(3.6)E[d(k)]-2Eld(kw(k)x(k]+ elw(kX(eX(s)w(k)当滤波系数固定时,目标函数又可以写为c(k=[d(k]-2W(k)P+W(k)RW (k)(3.7)其中,P-趴是长度为N的期望信号与输入信号的互相关矢量,R=Exx是Nx的输入向量得自相关矩阵。由式(37)可见,自适应滤波器的目标函数()是延迟线抽头系数(加权或滤波系数)的二次函数。当矩阵R和矢量P已知时,可以由权矢量W(k)直接求其解。现在我们将式(3.7)对W求倒数,并令其等于零,同时假设R是非奇异的,由此可以得到目标函数最小的最佳滤波系数w为R P(38)
    2020-11-28下载
    积分:1
  • 小波去除音频信号中的噪声,观察频谱
    对声音信号加入随机噪声,用小波去除噪声,观察去噪前后的时域和频谱图,可听前后声音的变化。
    2020-12-05下载
    积分:1
  • 696518资源总数
  • 106235会员总数
  • 12今日下载