一种改进的均方根容积粒子滤波算法

传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。     

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。     

防发散无迹卡尔曼滤波自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯模型,采用防发散无迹卡尔曼滤波方法和自适应网格的模型集自适应策略,研究了一种变结构交互式多模型算法。对二维机动目标跟踪的仿真结果表明,该算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用。     

基于强跟踪扩展Kalman滤波的X射线脉冲星导航定轨精度研究

为提高X射线脉冲星导航定轨精度,依据脉冲星导航原理,建立了X射线脉冲星自主导航系统的状态方程和观测方程,提出用强跟踪扩展Kalman滤波（Strong Tracking Extended Kalman Filter,STEKF）替代扩展Kalman滤波,并对3颗脉冲星卫星运行的位置和速度估计进行了仿真实验。仿真结果表明：STEKF具有使滤波器能够自适应地校正估计偏差并迅速跟踪状态变化的能力,有效地提高了卫星运动状态的估计精度和数值稳定性。     

一种基于极坐标模型的多AUV协同导航与定位算法

为了解决多个自主式水下无人航行器(AUV)在作曲线轨迹的航行时常规协同导航算法精度较低的难题,提出了一种基于极坐标的多AUV协同导航与定位算法.首先,将本算法的模型、可观测性与常规的直角坐标系算法进行了分析与对比.接着,进行了基于实航数据的数值仿真.针对解决各种传感器受异常噪声干扰导致多AUV协同定位误差变大的问题,本...     

单幅Bayer格式图像的快速去雾方法

为了降低雾天对成像的影响,获得实时的去雾效果,对彩色图像处理流程进行改进,提出一种新颖快速的基于Bayer图像和暗原色先验模型的单幅图像去雾方法。Bayer图像是数码相机采集的原始图像数据,数据量小。针对Bayer图像像素排列特点,对原有暗原色先验去雾算法进行了优化和改进。运用四叉树细分算法估算大气光,根据Bayer图像特点修正了Guided Filter,并利用修正的滤波器优化大气透射图,进而恢复出无雾Bayer图像,采用去马赛克及系列后处理算法获得清晰的显示图像。实验结果表明,新方法在一定程度上改善了原算法去雾效果,并显著提高了运算速度。     

非理想信道下测量零值无偏干扰抑制滤波器设计

现有的抗干扰滤波器在通道非理想特性下会导致接收机测量零值发生偏移,且偏移量与干扰参数相关,其已成为高精度测距接收机实现其精度提升的主要障碍。针对上述问题,从对称通道特性出发,给出一种无偏的时域抗干扰滤波器设计技术。解决了传统的时域抗干扰滤波器在非理想信道下测量零值偏移的问题,且工程实现简单。理论分析和仿真实验进一步验证了方法的有效性,采用该方法可以使测量零值偏移小于0.2 ns。     

干扰条件下基于空频域二次优化的MIMO雷达波形设计方法

针对干扰条件下多输入多输出雷达发射方向图优化问题,提出一种基于空频域二次优化的多输入多输出雷达波形设计方法。该方法将空域上方向图优化问题转化为关于空时发射序列协方差矩阵的优化问题,利用多输入多输出雷达发射方向图仅与阵元之间波形相关性有关的特性,进一步降低空域波形设计复杂度,并通过p阶导数约束展宽零陷;针对优化得到的协方差矩阵,利用随机向量法通过最小二乘准则逼近最优发射方向图来合成具体恒包络波形;在基于空域优化得到的发射波形基础上,根据改变不同时刻信号序列的初始相位雷达发射方向图不变的特性,通过拟功率方法优化相位变化矩阵,实现雷达波形在频域上的二次优化以抑制频域上的干扰。仿真实验证明了所提方法在方向图匹配和干扰抑制方面的有效性。     

关于自适应滤波技术的一些思考

本文研究工程实践中应用Ｋａｌｍａｎ滤波时出现的滤波异常现象。文中从滤波异常的检测出发,由此构成动力学噪声方差阵的自适应估计。对于常用的衰减记忆滤波,提出了衰减因子的自适应确定方法,对于未知的动力学噪声和观测噪声的方差阵,运用Ｂａｙｅｓ－ＭＬ估计方法给出了递推估算方案。对于构造自适应滤波的技术途径,提出了一些看法。     

二阶马尔可夫加速度模型下的机动目标预测器

采用二阶马尔可夫加速度模型建立机动目标跟踪滤波器,并将其扩展到预测器中形成六阶多项式预测模型来解决机动目标预测问题。仿真的结果表明本文建立的预测器使机动目标预测精度有了明显的提高。