基于自适应神经网络滤波的引信去噪声研究

设计了自适应神经网络噪声抵消系统,该系统不需要关于噪声信号的先验知识,非线性映射能力强,具有自学习能力,计算量小,实时性好.利用该系统对含噪声的非线性信号建模,达到消除噪声的目的.通过LMS算法,对不同信噪比(SNR)的含噪引信信号进行滤波,仿真结果表明,该滤波器能有效地抑制噪声.     

进化粒子滤波算法在雷达目标跟踪中的应用

进化粒子滤波算法通过模仿生物进化体制,以牺牲大量的计算量为代价增加样本集的多样性,从而较好地缓解了样本贫化现象.将进化粒子滤波算法应用于雷达目标跟踪过程中,变异强度的选择参考系统噪声与观测噪声性质,并通过粒子匮乏现象的强弱选择是否应用进化算法,从而大大减少了计算量.仿真结果显示所提出的算法对雷达目标跟踪有较好的应用价值.     

新型管压传感器的研制及应用

针对目前外卡式管压传感器存在的问题，设计制作了一种新型外卡式ICP（Integrated Circuit Piezoelectric）型管压传感器。利用该传感器采集了柴油机高压油管压力信号，通过对测试信号的无延时实时滤波、去趋势项和归一化处理，实现了柴油机转速的准确计算；通过时域波形的分析，提取了4个喷油特征点。研究结果表明：该传感器具有使用方便、性能可靠和测试准确的特点。     

择集滤波及其在图像信号处理中的应用

探讨了择集滤波的原理及聚类择集滤波的实现方法 ,并在漏磁检测中的裂纹三维图像重建中进行了应用 ,达到了保护图像信号结构成分及一些细节的目的 ,提高了图像清晰度。     

一种基于BLUE的弹道目标跟踪滤波器

弹道目标跟踪问题中动态方程与观测方程皆为非线性,影响跟踪精度。使用最优线性无偏估计方法可以有效地解决观测的非线性问题,而蒙特卡罗滤波方法适用于目标状态的非线性估计。将快速高斯粒子滤波与最优线性估计方法作了有机结合,通过对典型的弹道目标跟踪模型进行仿真,发现新算法在精度与实时性上优于粒子滤波。     

变结构多模型估计第Ⅱ部分——模型集合自适应

变结构多模型(VSMM)估计的一个重要、自然和实用的方法是递归自适应模型集(RAMS)方法。此方法的关键是在理论上和实践上都具有挑战性的模型集自适应(MSA)。本文在理论上对MSA进行了研究。根据假设检验,阐明了MSA的各种典型问题,而这些假设一般是复合的,N元的,多变量的,更糟糕的是,不一定不相交。给出了一定数量的序列方案,这些方案在计算上都是高效的,容易实现的,并具有一些令人满意的最优特性。这些结果构成了建立性能良好,通用和实用的MSA算法的理论基础。在这里给出的理论结果已经应用于这系列后续部分的几种RAMS算法,这些算法都是应用广泛,容易实现并且明显优于当前的最佳固定结构多模型估计器。同时,它们对于变结构和固定结构多模型估计器的模型集对比、选择和设计都很重要。     

基于FRFT窄带滤波的LFM信号研究

随着分数阶傅里叶变换域窄带滤波技术的不断应用与发展,对分数阶域窄带滤波带宽的研究将变得尤为重要。研究了分数阶傅里叶变换域窄带滤波带宽与滤波后信号之间的关系,并以信号的失真度为准则,分析了分数阶域窄带滤波带宽的临界值。理论分析和仿真结果表明:线性调频信号经过分数阶域窄带滤波后信号的相位没有发生改变,信号的幅度为辛克函数积分的形式。为保证LFM信号频率信息不丢失,分数阶域窄带滤波的带宽必须不小于LFM信号在分数阶域幅度谱的主瓣宽度。为分数阶域滤波带宽的选取提供了参考标准。     

基于卡尔曼滤波器的GPS动态滤波方法

提出了一种解决随机误差影响GPS动态定位精度问题的方法.首先将GPS定位中的各种误差源在各方向造成的总误差等效为一个当前均值与一个符合一阶马尔可夫过程的有色噪声之和;其次对于GPS机动载体的加速度采用当前统计模型,然后通过扩展状态变量的思想和采用自适应算法建立相应的卡尔曼滤波器模型.该模型直接从GPS接收机输出的定位结果入手,实时性好,滤波后定位精度得到提高.     

粒子滤波GPS/SINS组合导航系统动基座传递对准

在SINS(捷联式惯性导航系统)与GPS(全球定位系统)组合传递对准时,航向角的可观测性较弱,经过卡尔曼滤波后,航向角误差虽有所改善,但仍呈发散趋势,针对GPS/SINS组合系统特点,提出了一种动基座传递对准方案,依靠GPS测量信息进行速度匹配,完成动基座传递对准.该方案采用粒子滤波方法解决对准过程中的非线性问题.仿真结果表明该方案的对准精度(1σ)可以达到东向失准角误差为5角分,北向失准角误差为2角分,方位失准角误差为6角分.