基于“当前”统计模型的模糊自适应滤波算法

"当前"统计模型需要预先设计目标最大机动加速度和目标机动频率,不能适应各种机动情况。在"当前"统计模型的基础上,提出了一种基于"当前"统计模型的模糊自适应滤波算法。该算法能使目标最大机动加速度和目标机动频率随着机动特性自适应调整,适应各种机动情况。仿真结果表明,该算法的跟踪精度优于传统的基于"当前"统计模型的跟踪算法。     

基于矢量传感器的探测系统信息处理

水下武器被动声探测系统中,目标方位估计和航迹估计是两项重要的内容。利用基于声压振速联合信息处理的矢量传感器探测系统,获取目标方位;据探测系统获得的深度、水平方位角、俯仰角三个运动参数,采用扩展卡尔曼滤波(EKF)算法实现对水面运动目标进行航迹估计与跟踪,提高水下武器的精确打击能力。     

基于SIFT算子和Kalman滤波器的航拍图像电子稳像算法

针对航拍图像载台随机运动严重,图像分辨率低、目标特征少的特点以及航拍图像电子稳像技术快速、准确的要求,提出基于SIFT算子和Kalman滤波器的航拍图像电子稳像算法。该算法的特点是:由于利用SIFT作为估计图像间运动矢量特征,因此运算速度快;对Kalman滤波状态方程改进,可准确估计有意运动参数;将图像镶嵌技术用于稳定后图像"无定义区"的重建,从而形成快速准确的航拍电子稳像图像。航拍图像实验表明,该算法运算准确性高、稳定性好、速度快。     

一种基于分组序贯的红外弱小点目标跟踪方法

针对红外序列图像中运动弱小点目标的检测跟踪问题,在多假设跟踪算法(MHT)的基础上提出了一种分组序贯的思想.基于这种思想,给出了一种多组独立检测法.对这种方法进行仿真,并与多级假设检验的截断序贯处理算法进行比较.实验结果证明在相同虚警概率情况下多组独立检测法的检测概率与截断序贯处理算法的检测概率相近,但运算量要远小于后者.     

粒子滤波的重采样方法

粒子滤波是基于递推的Monte Carlo仿真方法的总称,原则上可用于任意非线性、非高斯随机系统的状态估计.但粒子的退化现象是粒子滤波器的最大缺陷,减轻这一现象影响的方法之一就是对粒子进行重采样.阐述了几种重要的重采样算法及其改进策略,并对其进行总结与展望.     

多模自适应滤波算法的性能改进方法

多模自适应滤波算法基于已知的故障情况设计出一组卡尔曼滤波器预测系统对给定输入的响应,根据卡尔曼滤波器的预测输出和系统的测量值确定各滤波器的残差,从而检测出系统是否发生故障及其故障类型.采用传统的多模自适应滤波算法检测故障时会有一定的时间延迟,不利于系统故障的实时检测,因此提出了几种减少多模自适应算法故障检测时间的方法,并将其应用于某无人机执行器和传感器的故障检测和识别,仿真结果证明可以有效地减少故障检测时间.     

基于自适应滤波的4FTSK信号解调方法及DSP实现

针对某型通信设备中无线数传机的信号解调问题,研究了一种基于自适应滤波算法的解调4FTSK信号的方法.采用常用的最小均方误差(LMS)自适应算法,跟踪信号的单一频率,分析输出信号的包络,实现4FTSK信号的解调.详细介绍了此种解调方法的基本原理及实现过程.研究了用DSP技术来实现自适应解调算法,并给出了对4FTSK信号的解调结果.     

自适应采样数粒子滤波算法

基于统计决策规则提出自适应采样数粒子滤波算法,在定义综合性能风险函数的基础上,推导出粒子数与滤波误差方差之间的关系式,使得在跟踪过程中,可以根据目标的机动情况在线调节粒子数,以使跟踪性能达到最优。在Matlab仿真平台下进行了闪烁噪声下的机动目标跟踪实验,结果表明,自适应采样数粒子滤波算法是一种有效的机动目标跟踪方法,跟踪性能较基本粒子滤波算法提高了3.7倍。     

序贯滤波在双站无源定位中的应用研究

自卫噪声干扰条件下,制导雷达失去距离信息,无法完成对目标的跟踪任务.双站无源交叉定位是对抗自卫噪声干扰的一种常用手段,但存在计算量大、信息传输延时大等问题.提出双站序贯滤波方法克服交叉定位存在的不足,证明了序贯滤波的可观测性,仿真结果验证了提出算法的正确性.     

无缝GPS／INS组合导航系统的设计与实现

针对GPS卫星信号失锁条件下GPS/INS组合导航性能大幅度下降的缺点,设计了一种基于ANFIS的无缝组合导航方法,当卫星数目不低于4颗时采用伪距,伪距率的卡尔曼滤波算法,一旦卫星数目少于4颗时采用ANFIS系统估计导航误差,抑制INS的误差积累,从而实现无缝导航.动态车载实验表明,该方法切实可行,相对于传统的紧组合方法,有效地提高了组合导航系统的定位精度和抗干扰能力.