一种基于预测滤波器的自适应卡尔曼滤波算法

针对系统过程噪声统计特性不确切或未知的条件下,研究了一种基于预测滤波器的自适应卡尔曼滤波算法。由预测滤波器实时估计系统模型误差及其协方差矩阵,再用其修正系统状态预测值及预测误差协方差矩阵,从而自适应调节卡尔曼增益。将该算法应用于弹载SINS/GPS紧耦合组合导航系统并与普通卡尔曼滤波、基于新息的移动开窗自适应卡尔曼滤波进行了对比,仿真结果说明该自适应滤波算法具有更高的可靠性和精度。     

基于提升的双自适应小波变换算法研究

小波变换的传统提升算法的滤波器固定，不能随输入信号的变化而改变，针对该问题，结合现有的自适应算法，提出一种双自适应小波变换算法，并对该算法的更新和预测过程进行了自适应调整。实验证明，该算法比传统的提升算法和单纯的自适应更新或自适应预测算法具有更优越的性能。     

基于期望系统噪声的自适应机动目标跟踪研究

状态估计是目标跟踪中的基本问题,也是目标跟踪的一个难点。首先对标准IMM算法的优缺点进行了论述,针对其缺点和不足,提出了基于期望系统噪声模型（MIMM）的自适应多模型算法,该算法能有效地对机动目标的状态进行自适应估计。仿真结果表明,该算法比标准的IMM算法有较好的改善。     

单路ADPCM简捷实现的一种方法

ADPCM(自适应差分脉冲编码调制)是八十年代发展并完善的一种新型低速率语音编码技术.本文介绍了采用MC145532芯片实现单路ADPCM的简捷方法,对于数字卫星通信、数字微波通信以及数字无绳电话系统,具有一定的参考价值.     

一个32kb/s-ADPCM编码器的实验系统

语音信号PCM编码,一个主要问题是数码率过高、传输频带过宽,按国际标准8kHz抽样速率,8bit量化编码,其数码率为64kb/s,需占用8个话路。因此,在保证语音质量前提下,压缩数码率,一直是人们追求的目标。压缩码率的方法很多,CCITT在1984年综合比较多种方案后,提出了32kb/s-ADPCM的标准算法。其主要性能接近64kb/s-PCM,符合长途电路传输标准,而信道容量却提高一倍。此外,ADPCM与数字电话插空技术DSI相结合,能构成高增益的DSI-ADPCM系统,可实现话音和数据的高质量传输。     

混合递阶遗传算法的自适应小波神经网络优化设计

在研究自适应小波神经网络学习算法的基础上,提出了一种混合递阶遗传算法,与标准遗传算法相比,该算法不仅可以同时确定网络参数(连接权、尺度参数和平移参数),而且解决了网络拓扑结构的优化训练问题.仿真结果表明,该算法可以准确地搜索到自适应小波网络的网络参数和最优结构,并能大幅度提高学习效率,是切实可行的.     

静止图象传输系统中彩色电视图象 HO-DPCM 编码

本文讨论了HO-DPCM(Higb Order-DPCM)编码对彩色复合电视信号的预测和量化问题。分析了线性预测回路和量化误差反馈回路的级联系统与DPCM 系统之间的等效性。为了提高零频和彩色付载频的预测精度,提出了对复合彩色电视图象HO-DPCM 编码器的预测回路和量化器的量化特性的设计原则。     

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。     

复合导引头多源异步信息融合精确拦截算法

针对单一制导体制难以满足现代战场作战需求且多传感器数据更新率不同步的问题,建立一种新的微惯导/毫米波/红外复合制导体制,研究了该体制下多传感器异步信息融合的时间同步和空间配准问题;提出一种自适应无迹卡尔曼滤波算法,该算法采用预测残差构造状态模型误差统计量,通过自适应因子调整状态模型信息对状态参数估值的贡献,有效控制状态模型噪声异常对状态参数估值的影响。将提出的算法应用到微惯导/毫米波/红外复合制导系统中进行仿真验证,结果表明,提出的自适应无迹卡尔曼滤波算法的解算精度高于标准扩展卡尔曼滤波和无迹卡尔曼滤波算法,能有效提高导弹的制导的解算精度。     

一种自适应变结构交互式多模型算法

针对机动目标跟踪问题,提出了一种自适应变结构交互式多模型算法。对滤波问题进行了简单描述,并给出了交互式多模型算法的数学模型;建立了一种新的变结构交互式多模型算法的精确模型,模型子集之间并行独立运行,通过选取概率最高的模型子集的状态估计作为最终的估计结果;在变结构交互式多模型算法基础上进一步设计了自适应变结构交互式多模型算法,该方法提高了模型子集和目标实际机动模式的匹配程度,从而提高了目标跟踪精度。仿真结果表明,自适应变结构交互式多模型算法的跟踪效果优于其他方法。     

一种新的复合导引头多源异步信息融合精确拦截算法

针对单一制导体制难以满足现代战场作战需求，而多传感器数据更新率不同步的问题，建立一种新的微惯导/毫米波/红外复合制导体制，研究了该体制下多传感器异步信息融合的时间同步和空间配准问题；提出一种自适应Unscented卡尔曼滤波算法，该算法采用预测残差构造状态模型误差统计量，通过自适应因子调整状态模型信息对状态参数估值的贡献，有效控制状态模型噪声异常对状态参数估值的影响。将提出的算法应用到微惯导/毫米波/红外复合制导系统中进行仿真验证，结果表明，提出的自适应Unscented卡尔曼滤波算法的解算精度高于标准扩展卡尔曼滤波和Unscented卡尔曼滤波算法，能有效提高导弹的制导的解算精度。     

CHIRP调解器自适应窄带干扰消除算法性能分析

分析了短波信道的干扰特性和ＣＨＩＲＰ调解器的特点,重点研究了一种自适应窄带干扰消除算法。实现了对干扰定位算法和有关参数的优化设计,完成了对算法的全面测试,证明了算法在消除窄带干扰方面的有效性,以及对短波信道失效的自适应性能。     

基于UKF的自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯（CT）模型,采用无迹卡尔曼滤波（UKF）方法和自适应网格（AG）的模型集自适应策略,研究了一种变结构交互式多模型算法,即：基于UKF的自适应网格交互式多模型（UKF-AGIMM）算法。对二维机动目标跟踪的仿真结果表明,本算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用     

基于FFT的自适应频率估计算法

为了解决FFT算法中因能量泄露和栅栏效应而导致的算法估计性能下降的问题,提出了一种基于FFT的自适应频率估计算法.分析了Rife算法,指出当信号频率位于量化频率附近时,由于插值方向错误,会导致频率估计性能下降;对于分段FFT相位差频率估计算法,当2段信号最大谱线处对应的相位相差比较大时,容易产生相位模糊,从而增大估计误差.基于FFT的自适应频率估计算法将2种算法进行了综合,既保留了2种算法的优点,又对算法性能有所改进.仿真结果表明:该算法的估计精度、稳定性和抗噪能力都有显著提高.     

采用自适应简化不确定性卡尔曼滤波算法的飞行器导航控制方案

针对飞行器绕本体轴高速旋转的飞行过程出现的严重耦合干扰问题和大角加速度和大角速度测量问题,提出了一种自适应简化不确定性卡尔曼滤波算法。该算法使用超球面分布采样点和线性转移等方法简化算法采样计算和采样点的权值计算,提高算法效率;利用模型噪声和线性方程,通过一步预测进行自适应设计,计算滤波值和误差方差矩阵;使用次优噪声估计器推算过程噪声;对过程噪声进行正定判定,防止算法发散。仿真结果表明,这一改进的自适应简化不确定性卡尔曼滤波算法能够有效减少滚转角解算误差和耦合干扰,提高飞行器着陆点的精度。     

基于ANFIS的目标毁伤等级预测模型

分析了神经网络和模糊推理系统的优缺点,研究了自适应神经模糊推理系统（ANFIS）结构模型及后向传播和递归最小二乘算法相结合的混合算法．在分析了目标毁伤等级主要影响因素的基础上,构建了目标毁伤等级预测ANFIS模型,利用毁伤试验样本数据训练该模型,得到了与实际一致的目标毁伤等级,并将预测结果与基于BP神经网络的预测结果进行了仿真对比分析．仿真结果表明,该目标毁伤等级预测模型能够准确地预测出目标的毁伤等级,并且其预测精度较BP神经网络方法高,为目标毁伤等级预测提供了一种有效的方法．     

防发散无迹卡尔曼滤波自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯模型,采用防发散无迹卡尔曼滤波方法和自适应网格的模型集自适应策略,研究了一种变结构交互式多模型算法。对二维机动目标跟踪的仿真结果表明,该算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用。     

装甲车轮毂电机自适应预测控制

针对经典有限集模型预测控制(FCS-MPC)算法在无位置传感器控制应用场合依赖电机参数匹配精度等问题,提出一种参数自适应设置改进的FCS-MPC预测控制算法,算法将系统干扰等未建模因素折算为改进模型的等效电压总误差,并依据Popov超稳定性定理推导出改进模型参数的自适应律,实现等效总误差和总电感在线辨识估计,进而推导出电机转位置观测器的辨识表达式,实现改进算法的自适应预测控制,结合补偿后低能滤波和均值修正有效消除直流偏置量,进一步提高位置观测精度.仿真实验结果表明,改进算法在电机不同工况和负载下能准确估计转子的位置,验证了算法的有效性.     

舰艇编队多声纳数据融合

分析了标准kalman滤波(KF)和自适应kalman滤波(AKF)的原理,通过仿真实验,对两种滤波算法的性能进行比较.结合各种声纳的探测特性和水下目标的特点,建立了舰艇编队的数据融合方案.选用简单凸组合融合算法作为舰艇编队协同反潜的航迹融合算法,将多声纳融合系统的融合结果和简单交叉定位算法进行了比较研究.仿真实验结果表明:自适应kalman滤波比标准kalman滤波具有更好的目标跟踪性能,多声纳融合结果较简单交叉定位结果的性能有大幅度提高,所选用的融合算法航迹能够较好的与真实航迹吻合.     

基于正态分布曲线的分段式变步长LMS算法

针对传统最小均方误差(Least Mean Square, LMS)自适应滤波算法由于步长固定,在解决稳态误差与收敛性之间的关系时,始终处于矛盾状态的问题,在对传统的固定步长LMS自适应滤波算法分析的基础上,根据变步长LMS自适应滤波算法的步长调整原则,通过构造步长因子与误差信号的非线性函数,提出了一种基于正态分布曲线的分段式变步长LMS自适应滤波算法,并分析了参数取值对算法性能的影响。针对实际信号处理过程中参考信号难以选取的问题,提出了一种基于分裂阵的参考信号选取方法。理论和海试数据分析结果表明:该算法的收敛速度和稳态误差明显优于固定步长的LMS自适应滤波算法和基于Sigmoid函数的变步长LMS自适应滤波算法。