强机动目标的非线性滤波器设计

本文应用Kalman 滤波技术,研究了一套适用于航空火力控制系统的机动目标状态估值算法。文中将目标加速度模型假设为既有依赖状态的系数,又能自动适应目标机动的二阶高斯——马尔柯夫过程。采用非线性滤波理论,对非线性耦合的目标相对运动模型没有强行解耦和线性化,而是直接进行滤波。最后就估值精度滤波收敛速度和目标机动变化的适应性等方面进行了大量的数字仿真。仿真结果表明本文所设计的非线性滤波器具有良好的性能。     

自适应滤波器在水压引信抗波浪噪声中的应用

本文根据舰船水压信号与波浪噪声的特点,用时间序列的AR模型理论导出一种适用于在水压引信上使用的自适应滤波器。计算机模拟结果表明,该滤波器具有良好的性能。     

基于 ∆TOA 和方位角测量辅以间歇高度信息的双基地定位跟踪技术

本文讨论了双基地雷达系统中一种以收站△TOA和方位角测量为基础并辅以发射站传送的间歇高度信息的运动目标三维定位跟踪算法,详细分析了该技术的定位原理。在电子对抗条件下,发射站数据往往难以连续传送到接收站加以融合,因此有必要对间断传送的数据加以利用的方法进行研究。本文通过典型目标航迹的计算机仿真对该算法的性能做了评估。由于这种融合方法在双基地研究领域尚属初探,因此有待于在今后的研究中加以完善。     

基于UPF的WNN学习算法及其应用

为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法。算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试。实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性。     

一种基于改进粒子滤波算法的盲信号分离

提出把粒子滤波算法应用于信号的盲分离,采用Rao-Blackwellisaion策略减少状态空间抽样维数,引入可逆的跳马尔科夫链蒙特卡洛方法(RJMCMC)有效地抽样不同维数的参数子空间,并采用了基于Epanechnikov核的建议分布。仿真结果表明该算法能够在线跟踪信号源个数的变化并且具有较好的分离性能。     

单边带信号简易高效的硬件实现技术

本文介绍了单边带（SSB）信号的两种产生方法，即滤波法和移相法，重点对移相法产生SSB信号的方法作了详细的讨论并给出了具体的电路，这种产生SSB信号的方法具有载波抑制比低，成本低，不需要滤波器，对相位误差和增益误差要求不高等突出特点。     

数据同化系统中的集合时间局地化鲁棒滤波方法

针对传统的卡尔曼滤波方法对不确定因素不具备鲁棒性问题,在集合鲁棒滤波的基础上,提出一种从观测角度构建优化数据同化的方法,称之为放大观测协方差矩阵的集合时间局地化鲁棒滤波,并推导了新方法的算法准则和递归公式。利用非线性系统Lorenz-96模型,基于性能水平系数、驱动参数、观测数目和集合数目变化的条件,对新方法和集合卡尔曼滤波方法的鲁棒性和同化精度进行比较。结果表明:集合卡尔曼滤波方法的均方根误差大于时间局地化鲁棒滤波的;在观测数或集合数较少的情况下,集合卡尔曼滤波出现了滤波发散问题,而鲁棒滤波的均方根误差波动较小;相较于传统的集合卡尔曼滤波算法,观测角度构建的时间局地化的H_∞滤波方法对系统参数的变化更具鲁棒性,滤波精度更高。     

一种色噪声下的自适应Kalman跟踪滤波器

有色噪声干扰情况下非线性系统的状态估计是许多实际工程需要解决的问题.该文章针对传统Kalman滤波器噪声统计特性未知时,受色噪声的影响精度严重降低,甚至出现发散等现象,设计了一种基于神经模糊网络的自适应的Kalman滤波跟踪器.该滤波器通过利用神经模糊网络作为误差估计器,估计出Kalman滤波器的估计误差,从而对Kal...     

双变因子LMS自适应滤波算法

为提高最小均方(LMS)自适应滤波算法的性能,在步长因子与误差信号满足一种改进的Sigmoid函数关系式的基础上,提出了一种双变因子控制下的变步长LMS自适应滤波算法。该算法具有初始状态收敛速度快、稳定状态均方误差小、抗噪声性能好、适应系统跃变能力强的优点。计算机仿真结果验证了该算法的优越性。     

数字信道化接收机高效结构的优化方法

在重叠一半的数字信道化接收机的基础上,提出了重叠因子的概念、推导并实现了在重叠因子任意的数字信道化接收机的高效结构.与重叠一半的数字信道化接收机相比,这个结构通过减小重叠因子使最大抽取因子至少提高了50％,从而大大减轻了对后续处理速度的要求.另外还探讨了重叠因子和系统运算量之间的关系,为重叠因子的选取提供了依据.最后,...