巴特沃斯滤波器在雷达目标航迹处理中的应用

对雷达目标航迹数据进行在线滤波处理,从而提高雷达测量数据的精度,具有十分重要的意义.提出一种利用巴特沃斯(Butterworth)滤波器实现雷达目标航迹在线平滑处理的方法.分析雷达目标信号的频谱特性,设计并计算出滤波器的参数,将雷达信号的噪声信号放大处理后进行在线滤波.仿真结果表明,本方法具有很好的滤波效果,并且计算迭...     

RTDX与Matlab实现基于DSP的FIR滤波器设计

介绍了一种RTDX与Matlab结合设计基于DSP的FIR数字滤波器的方法.在VB中调用Matlab进行指定特性FIR数字滤波器设计,获得各阶权系数,然后调用RTDX,实时地向目标硬件传递该系数,从而实现了基于DSP的FIR数字滤波器精确设计,提高了DSP算法软件的设计效率.并对TI的RTDX技术及使用方法作了相关介绍.     

自适应噪声抵消器在内燃机故障诊断中的应用

自适应噪声抵消技术是一种利用辅助或参考信号的最优滤波技术。本文选用横向结构的FIR滤波器实现自适应滤波,其算法选用最小均方(LMS)算法。应用这一技术进行了以下研究:(1) 气阀落座激励力引起的振声在缸盖内的传递特性,(2) 非周期性随机振声特性的研究和信噪比的提高,(3) 气阀漏气的振声特性和频率结构研究,(4) 提出一种单通道自适应噪声抵消方法,以高信噪比提取气阀漏气信号。     

杂波环境下红外传感器滤波算法

基于定向概率数据关联滤波(DPDAF)算法,根据红外传感器对目标方位角与俯仰角分辨率不同的特性修正了似然函数,并利用等效观测噪声协方差阵修正滤波增益的思想,构造了一种旨在提高红外传感器跟踪性能的修正定向概率数据关联滤波算法.蒙特卡洛仿真结果表明,新算法对红外目标的跟踪具有比DPDAF更好的跟踪性能.     

用具有输入估计的可变维滤波器跟踪

本文提出一种跟踪机动目标的改进方法。通过组合输入估计方法和可变维滤波方法的递归公式,构成所提出的跟踪滤波器。在所提出的方法中,当探测到目标机动时,滤波器还提供目标开始机动瞬时的估计。用这种估计的机动开始时间,也估计机动输入并且跟踪系统变成了机动模型。所提出过程的计算负载与输入估计方法的计算负载不相上下。为了说明所提出跟踪滤波器的效果,进行了仿真,把输入估计滤波器和可变维滤波器与交互式多模型(IMM)滤波器进行了比较。     

多机动目标跟踪的BFG-GMPHD算法

针对高斯混合概率假设密度(GMPHD)滤波算法中的机动目标跟踪问题,提出BFG-GMPHD算法,扩展了GMPHD滤波算法的适用范围。算法利用最佳拟合高斯(BFG)分布来近似目标动态模型中的状态转移矩阵和过程噪声的协方差矩阵,实现了滤波器与不同动态模型的匹配;在对BFG分布进行递推时,引入了模型概率更新过程,解决了BFG仅依赖于先验信息的问题;并利用UKF算法对GMPHD的高斯分量进行递推,使得算法能处理量测方程为非线性的情况。仿真实验表明,BFG-GMPHD算法能快速匹配目标模型的变化,实现对多机动目标的有效跟踪,准确估计出目标的数目和状态。     

基于Laguerre滤波的雷达通道均衡方法

传统雷达通道均衡采用自适应FIR滤波器作为均衡器,当理想脉冲响应序列很长时,其逼近效果不理想,计算量大。Laguerre滤波器兼具FIR和IIR结构的优点,通过在单位圆内固定一极点保证了系统的稳定,又因为引入了全通滤波环节,使其能够用较少的阶数逼近长脉冲序列响应。推导了Laguerre滤波器的自适应算法,并将其应用于雷达通道均衡中,仿真实验也证明了它与传统的FIR结构相比,用更少的系数获得了更优的对消比,达到了更好的均衡效果。     

一种基于级联滤波设计的背景噪声均衡方法

针对阵列信号处理中背景噪声对目标检测影响问题,提出一种基于级联滤波设计的背景噪声均衡方法.该方法依据背景噪声起伏特性设计多尺度组合形态学滤波器对空域重采样数据进行处理,降低不同方位起伏噪声对目标检测的影响;根据噪声特性设计同态滤波器,降低乘性噪声对目标检测的影响;按类内类间离散度比最小准则实现背景噪声门限的自动推荐,进而实现对背景噪声均衡处理,提升对目标检测概率.数值仿真和实测数据处理结果表明:相对S3PM方法和OTA方法,在两者失效的情况下可有效实现对目标检测和判决,对环境适应性提高了近3 dB;有效降低了背景噪声对目标检测性能的影响,提高了目标检测的环境适应性.     

基于自适应累量算法的舰船轴频电场信号检测方法

提出一种新的舰船轴频电场信号检测方法.该方法利用高阶累量对高斯噪声的抑制作用,首先使用基于自适应累量算法的FIR滤波器对接收信号进行滤波消噪处理,以提高信噪比;然后再对滤波输出信号进行滑动功率谱检测.实测数据处理结果表明了该方法的稳健性和有效性.     

基于遗传算法的低探测概率稳态滤波器优化

低探测概率机动目标跟踪α-β-γ滤波器收敛速度和精度是一对难题.通过对目标机动域的划分,提出基于遗传算法稳态α-β-γ滤波器的参数优化.在滤波计算中,根据目标机动估计值并结合跟踪波门的设定实时调整滤波器参数.通过在目标位置信息可测条件下的稳态滤波仿真表明,经优化的α-β-γ滤波器跟踪精度和收敛速度显著提高,较好解决了滤波环境恶劣时稳态滤波跟踪问题.     

矩阵变换器输入滤波器设计与研究

针对当前输入滤波器设计方法存在通用性低的缺点,通过对影响输入电流和输入电压谐波的因素及其谐波特性的分析,提出了一种以满足滤波性能和成本及体积最小为目标的设计方法,并针对特定工况下的滤波器参数进行了设计,以此给出了滤波器的设计步骤。仿真与试验结果表明:采用所提滤波器设计方法的矩阵变换器,其网侧电流和电容电压均能满足国家电网电能质量的要求,证明了所提方法的可行性。     

一种新的线性最优滤波器的设计与研究

针对一类未知机动目标设计了一种线性最优滤波器.该滤波器采用有限记忆模型作为滤波模型,模型参数用动态最小二乘方法辨识得到.由此得到的滤波器称为基于辨识有限记忆模型的线性最优滤波器.有限记忆模型克服了时间多项式模型(如CV模型、CA模型、Singer模型等)对目标物理特性的依赖性,它从目标运动轨迹入手对目标运动特性进行描述,更适合于战场未知目标的跟踪滤波.通过原理分析和Monte Carlo仿真实验验证了该滤波方法的有效性,并且和Kalman滤波方法进行了比较.     

基于影响图方法的信息战模型

由于粒子滤波的算法原理,其计算量很大。研究了针对机动目标的交互式多模型粒子滤波器(IMMPF)算法和多速率交互式多模型(MRIMM)算法,提出了多速率交互式多模型粒子滤波器(MRIMMPF)算法。该算法是在交互式多模型粒子滤波器(IMMPF)的基础上引入多速率技术,期望在保持IMMPF的性能同时能够减少因为粒子滤波带来的计算量;最后通过和一般基于EKF的IMM算法、IMMPF算法的比较,验证了该算法的有效性。     

目标机动和观测野值的双假设滤波辨识算法

针对目标跟踪观测过程中野值和机动互存的辨识问题,根据标准Kalman滤波算法不具有容错性的特征,提出利用Kalman滤波收敛时间辨识野值抑或机动导致观测值异常的方法,以减少测量值准确有用信息的丢失。然后,采用改进3σ准则对近似服从正态分布的小测量域内观测数据进行粗略预处理,并对异常值建立了残差扰动因子的双滤波器辨识,同时以设置同步并行动态的时间计时为判决条件,有效减小了后续目标跟踪的误差。仿真实例表明:所提出的双假设辨识算法能够实现实时辨识,且有效跟踪目标。     

多速率交互式多模型粒子滤波研究

由于粒子滤波的算法原理,其计算量很大.研究了针对机动目标的交互式多模型粒子滤波器(IMMPF)算法和多速率交互式多模型(MRIMM)算法,提出了多速率交互式多模型粒子滤波器(MRIMMPF)算法.该算法是在交互式多模型粒子滤波器(IMMPF)的基础上引入多速率技术,期望在保持IMMPF的性能同时能够减少因为粒子滤波带来的计算量;最后通过和一搬基于EKF的IMM算法、IMMPF算法的比较,验证了该算法的有效性.     

捷联惯导惯性系动基座对准算法研究

针对船载等晃动基座环境,利用多级低通FIR数字滤波器和过渡的惯性坐标系,实现了惯性系动基座对准。分析表明,对准精度取决于等效的东向陀螺漂移大小以及FIR滤波器组的特性,该方法的对准时间长短取决于FIR滤波器组的阶次,并从原理上解决了大失准角问题。实验结果表明:惯性系对准新方案的对准精度与传统罗经方法精度相当,但新方法收敛更快,而且适用于任意失准角。     

基于模糊自适应变维Kalman滤波器的跟踪算法(英文)

针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种模糊自适应变维跟踪算法(FAVD)。该算法使用两级滤波器,根据目标机动性的变化,适当地调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾。同时通过模糊推理机制,在线调节高阶滤波器的参数,使适用范围大大增强,提高自适应能力,从而使该算法可以采用较少的模型覆盖较多的目标运动模式,达到很好的跟踪滤波效果,计算量也会大大减小。通过对计算机仿真结果分析表明,提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。     

基于室内定位的改进PDR算法研究

针对惯导在室内定位中存在定位精度不高、航迹偏移较大的问题,通过对PDR算法的深入分析,提出了改进的PDR算法。该算法主要从3方面入手：1）设计FIR滤波器对数据进行预处理;2）对传统Weinberg模型进行改进,引入了新的参量作为步长估计的联合参考;3）对单步定位结果进行粒子滤波优化。改进后的PDR算法提升了步频检测精度,降低了步长估计误差,改善了航迹偏移问题。仿真实验结果表明,改进后的PDR算法优于原PDR算法。     

连续动态贝叶斯网络实现多传感器融合跟踪

利用多传感器数据进行目标跟踪,关键是怎样将多传感器的数据合理应用来对系统的状态做出最佳估计。提出应用连续动态贝叶斯网络的方法,结合卡尔曼滤波器模型,实现用多传感器数据进行目标跟踪的方法,并对算法进行了推导和验证。仿真结果证明了提出的多传感器数据互相修正融合滤波方法具有良好的滤波效果,并能够弥补传感器数据缺失和抑制脉冲噪声。     

变速率基带脉冲成形滤波技术

无线信道带宽资源有限,为了抑制码间干扰并提高频带利用率,必须对基带脉冲信号进行成形滤波。针对常规的查表法和可变插值滤波器法存在硬件资源消耗大和无法适应数据速率连续变化的问题,给出了一种改进方法;首先对待成形滤波的数据进行变速率降采样处理,经过FIR成形滤波器,最后通过变速率线性内插完成上采样处理。理论推导和仿真均验证了方法的有效性。该方法易于FPGA实现,相对常规方法降低了实现复杂度和硬件资源,通过实测验证了方法可行性,并成功应用于某空间型号。