高超声速飞行器新息滤波交互式多模型跟踪算法

研究临近空间高超声速飞行器在运动特点,针对强杂波环境下高速、高机动目标跟踪问题,提出用新息滤波减小观测噪声以修正模型概率更新过程的算法。Monte-Carlo仿真结果表明:该算法可以有效减小量测噪声对系统滤波的影响,提高滤波精度,在临近空间强杂波环境下具有较好的跟踪精度,具有一定工程实用价值。     

一种无需滤波的D类音频功率放大器

传统的D类音频功率放大器都需要外接LC滤波器,从而增加了成本加大了失真。针对高效率、低失真的要求,设计了一种采用求和积分负反馈技术和H桥输出结构代替滤波器功能的电路结构。电路采用CSMC公司的0.6μm BCD工艺模型,基于Cadence仿真平台对电路进行了前仿真,仿真结果表明:在15 V电源电压,输出功率为6 W,8Ω负载下芯片效率高达85%,输出音频信号失真小于0.1%。     

应用极化聚类中心设计快速自适应极化滤波器

针对传统自适应极化滤波算法存在收敛速度慢、迭代步长因子选取困难等问题,采用极化聚类中心估计理论设计了一种快速自适应极化滤波器,实现了对极化雷达回波中的干扰信号逐脉冲地自适应精确对消。滤波器通过距离单元选通获取干扰信号样本,对样本极化聚类中心的直接计算能够快速估计干扰信号在当前脉冲内极化状态,依据干扰输出功率最小原则最终实现快速滤波过程,相比于传统极化滤波算法有更快的收敛速度和更稳定的干扰抑制性能。仿真对比实验结果验证了该方法的快速有效性。     

基于载波相位辅助的GNSS天线阵抗干扰算法*

对于全球卫星导航定位系统,干扰和多径是影响接收机导航定位性能的两个主要因素。针对卫星导航接收机的抗干扰问题,提出了一种基于载波相位辅助的卫星导航天线阵抗干扰算法。该算法进行盲零陷形成的同时利用各阵元通道输出信号的载波相位辅助来进行盲波束形成,并通过控制算法实现智能切换。仿真结果表明,提出的算法在干扰环境且接收机冷启动的条件下仍能成功抑制干扰、正常工作,在无干扰或弱干扰条件下能进行波束形成来增强卫星信号,从而提高卫星可见性以及定位精度。提出的算法不需要阵列校正以及姿态测量单元辅助,其实现代价远小于传统的波束形成算法。     

基于改进Rao-Blackwellized粒子滤波的WSN被动目标跟踪

Rao-Blackwellized粒子滤波虽然适合系统状态包含线性高斯分量的非线性状态估计,但是由于其计算量较大,不适用于实时性较高的被动目标跟踪情况。针对Rao-Blackwellized粒子滤波的不足,提出了改进的Rao-Blackwellized粒子滤波算法用于WSN被动目标跟踪。新的算法由一个粒子滤波和一个卡尔曼滤波组成,在执行过程中,粒子滤波和卡尔曼滤波相互交换信息,并行运行。计算机仿真结果表明,新的算法能够更好地减少计算量,提高跟踪的实时性。     

基于扩展H∞滤波的OFDM自适应盲信道估计算法

针对OFDM系统中的信道估计问题,提出了一种基于扩展H∞滤波的OFDM自适应盲信道估计方法。该方法通过对常规H∞算法进行改进,实现了在OFDM系统中能自适应跟踪信道的变化特征,从而使均方误差的性能随着输入信噪比的增加得到很大的提高。仿真结果也验证了该算法优于卡尔曼和H∞估计算法,具有计算复杂度低,运算量小、收敛速度快、算法灵活等特性。     

无线充电系统的设计与实现

针对传统充电系统的非便携性,利用无线感应原理设计了一种无线充电系统。该系统包括发射模块、接收模块和监测模块,监测模块以AT89C51单片机为核心,实现了对充电状态的监测和控制。通过实验验证,本系统最大充电电流达到了600 m A,最大功率达到了3 W,同时本系统还验证了不同充电距离下的充电电流和充电功率。     

基于相位序列降低多载波信号峰均比的研究

为了解决多载波信号峰值平均功率比(PAPR)较高的问题,从多载波信号的初始相位出发,结合预留子载波(TR)降低PAPR的方法,提出了Newman-TR联合算法,经理论分析和仿真表明,该算法能有效降低系统的PAPR,且不会产生误码率。针对所提算法复杂度较高的问题,提出一种次优搜索来代替全局搜索,降低了计算的复杂度,提高了该算法的实际可行性。     

车载InSAR前视三维成像技术

野外和非结构化环境下的障碍探测是无人驾驶车(UGV)环境感知的难题之一。基于高度识别障碍是一种有效的解决途径,提出了干涉合成孔径雷达(In SAR)的三维障碍物成像策略,研究了In SAR信息处理流程,分析了干涉基线和运动误差对车载In SAR高程测量精度的影响,仿真了无人车前场景存在遮挡时的In SAR高程测量,证明了In SAR用于UGV前方环境感知的可行性。     

非均匀杂波环境中基于粒子滤波的无参目标跟踪算法

目标跟踪算法通常包含对参数杂波密度的测量,该杂波密度通常是不均匀的。目前的无参目标跟踪一般是先假设一个先验未知的杂波密度,假设它均匀分布在一个选好的门限内。这和一个包含强杂波密度、多扫描的目标跟踪算法的选通门限有很大的不同。基于此,提出了一个替代杂波密度估计的无参目标跟踪方法,该算法不假设该杂波在选择的门限内。而是建立在对已测杂波密度估计的基础上,重要的是该估计是在后验目标的轨道更新以前就被估计过,即它是针对杂波密度逆向测量的修正估计。仿真结果表明:该算法在强密度非均匀杂波环境中的有效性。