基于模糊自适应变维Kalman滤波器的跟踪算法(英文)

针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种模糊自适应变维跟踪算法(FAVD)。该算法使用两级滤波器,根据目标机动性的变化,适当地调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾。同时通过模糊推理机制,在线调节高阶滤波器的参数,使适用范围大大增强,提高自适应能力,从而使该算法可以采用较少的模型覆盖较多的目标运动模式,达到很好的跟踪滤波效果,计算量也会大大减小。通过对计算机仿真结果分析表明,提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。     

弱机动目标的参数估计

本文探讨了卡尔曼滤波用于估计弱机动目标状态参数问题。在极坐标系下建立目标机动的相关加速度模型,通过对运动目标斜距二阶变化率和方位角加速度的定量分析,建立了自适应估计目标动态模型噪声强度的弱机动目标参数估计算法。对几种典型航路的模拟证实了在选择适当参数时该算法对目标机动,不同类型的机动间的转换,不仅能较好地压制随机量测噪声,而且能满意地估计目标的速度和航向。     

自适应跳频通信受扰信道无源确认技术

及时确认被干扰信道是自适应跳频通信躲避干扰的前提。本文提出了一种受扰信道无源自适应预测评估算法 ,无需发射信号就可以识别干扰信道并预先躲避 ,从而提高了系统的抗干扰性能 ,方法简单 ,易于实现。     

基于测速定轨的一类自适应样条滤波方法

提出了一种测速定轨的实时算法。该方法基于样条表示飞行轨道速度参数 ,在只有多个测速元信息的情况下 ,建立了自适应Kalman滤波递推算法 ,实时给出了较高精度的飞行器轨道参数     

智能天线的原理、自适应波束形成算法的研究进展与应用

智能天线是当前通信领域的研究热点之一。阐述了智能天线的基本原理 ,介绍了上行链路窄带自适应波束形成算法 ,对自适应波束形成算法进行了分类 ,较为详细地讨论了各种算法的特点 ,介绍了智能天线的研究进展状况和智能天线的应用     

再入弹道参数自适应估计

本文研究再入弹道参数的自适应估计。所采用的方法对动力学模型噪声的未知统计特性进行补偿,并对状态参数与测量设备的系统误差交叉进行估计。仿真结果表明,无论是状态参数的估计还是测量系统误差的估计,都具有较高的精度。     

应用于有源消声的变换域LMS算法

针对自适应有源消声最常用的滤波—XLMS算法(FLMS)运算量小、收敛缓慢、宽带消声效果差等不足之处,利用误差通道滤波特性,提出了变换域滤波—XLMS算法。新算法的突出优点是收敛速度较快、宽带消声效果较好。     

基于“当前”统计模型的综合滤波-参数识别模型

在机动目标“当前”统计模型的基础上建立了新的综合滤波－参数识别模型,并用识别－滤波两步走的方法在线识别机动示性参数和量测噪音参数,由此实现对机动目标跟踪的动态建模,使数学模型更加符合实际情况。     

自适应均衡器非维纳效应的仿真研究

窄带干扰条件下,自适应滤波器产生非维纳效应。在分析非维纳效应产生机理的基础上,详细仿真研究了强单音干扰条件下,自适应均衡器的收敛和跟踪性能。通过研究得出了一些新的结论:多径和干扰的功率严重影响自适应均衡器的收敛速度,而干扰的频率对收敛速度几乎没有影响;固定的强单音干扰对自适应滤波器的信道跟踪性能影响较小;慢变的强单音干扰对跟踪性能影响较小,快变的单音干扰将对跟踪性能造成严重影响。     

车载UWB SAR干扰自适应抑制新方法

在分析车载超宽带合成孔径雷达(UWB SAR)探测系统中干扰类型及其产生机理的基础上,针对Tsaipei Wang等提出的批处理方法的局限性,提出一种基于迭代运算的图像域自适应干扰抑制方法.该方法利用基于韦布尔分布的恒虚警率(CFAR)检测器提高干扰信号估计的准确性;采用迭代方法在线估计和更新参数,实现干扰的自适应抑制.实测数据处理结果表明:该方法可有效抑制自信号干扰,且结构上适于实时处理,可满足车载UWB SAR探测系统对图像预处理的要求.