FRFT与时域联合处理的欺骗干扰抑制方法北大核心

针对斜率抖动线性调频(SVLFM)脉冲压缩雷达受假目标欺骗信号干扰的问题,提出一种分数阶傅里叶变换(FRFT)滤波和时域联合处理的欺骗干扰抑制方法。通过分数阶傅里叶变换将欺骗干扰信号中与回波信号调频率相差较大的干扰分量进行滤波处理,对滤波后信号进行分数阶傅里叶反变换到时域后,利用相同调频率的LFM信号经加窗脉冲压缩后,最大幅值与窗函数宽度成线性关系,而不同调频率的最大幅值不随窗函数宽度变化的特点,进一步将与回波信号调频率相近的干扰分量进行区分。最后通过仿真验证了低信干比条件下,该方法能够有效滤除多分量假目标欺骗干扰信号,正确检测目标回波信号。     

基于FRFT窄带滤波的LFM信号研究

随着分数阶傅里叶变换域窄带滤波技术的不断应用与发展,对分数阶域窄带滤波带宽的研究将变得尤为重要。研究了分数阶傅里叶变换域窄带滤波带宽与滤波后信号之间的关系,并以信号的失真度为准则,分析了分数阶域窄带滤波带宽的临界值。理论分析和仿真结果表明:线性调频信号经过分数阶域窄带滤波后信号的相位没有发生改变,信号的幅度为辛克函数积分的形式。为保证LFM信号频率信息不丢失,分数阶域窄带滤波的带宽必须不小于LFM信号在分数阶域幅度谱的主瓣宽度。为分数阶域滤波带宽的选取提供了参考标准。     

FRFT与时域联合处理的欺骗干扰抑制方法

针对斜率抖动线性调频(SVLFM)脉冲压缩雷达受假目标欺骗信号干扰的问题,提出一种分数阶傅里叶变换(FRFT)滤波和时域联合处理的欺骗干扰抑制方法。通过分数阶傅里叶变换将欺骗干扰信号中与回波信号调频率相差较大的干扰分量进行滤波处理,对滤波后信号进行分数阶傅里叶反变换到时域后,利用相同调频率的LFM信号经加窗脉冲压缩后,最大幅值与窗函数宽度成线性关系,而不同调频率的最大幅值不随窗函数宽度变化的特点,进一步将与回波信号调频率相近的干扰分量进行区分。最后通过仿真验证了低信干比条件下,该方法能够有效滤除多分量假目标欺骗干扰信号,正确检测目标回波信号。     

基于阶次跟踪的旋转机械启动过程振动分析

旋转机械运转时其旋转部件产生的振动和噪声所表现出的特征和轴的转速有密切关系。在这类故障的特征分析中,使用阶次跟踪分析法比一般的频域分析更具有优势。对2种典型的阶次跟踪法进行了论述,在此基础上用2个仿真信号对旋转机械启动过程进行了模拟分析,并得到了比较理想的结果。     

基于定点DSP的计算阶次跟踪研究

对于转速变化的旋转机械,常规的频谱分析方法不能反映其振动信号的真实状态;同时,在转速变化剧烈的情况下,传统阶次分析仪器采用的转速脉冲到达时刻测量方法精度不高。针对以上问题,采用基于定点DSP的计算阶次跟踪方法,通过TMS320C5402定时器的精确计时功能实现高精度转速脉冲到达时刻的测量,同时利用DSP的McBSP(Multi-channel Buffered Serial Port,多通道缓冲串行口)同步采集振动信号,实现混合信号的采集和处理,完成基于DSP的实时阶次跟踪,并通过变速箱启动的实例验证了算法的有效性。     

基于伪随机线性调频的双序列跳频通信系统

针对双序列跳频(Binary-Sequence Frequency Hopping,BSFH)在对偶信道被干扰的情况下会导致通信瘫痪的缺点,提出了一种基于伪随机线性调频的双序列跳频通信系统。在发送端利用线性调频信号对每一跳载波进行带内扩频,接收端将解跳后的信号作分数阶傅里叶变换,然后通过抽样判决得到发端信息。构建了相应的系统模型,推导了其在跟踪干扰和部分频带干扰下的误码率数学表达式。理论和仿真结果表明:在最坏跟踪干扰下,该系统比BSFH约有5 dB以上的性能增益;在部分频带干扰下,达到相同误码率时所需的信干比,改进方法比BSFH低约4 dB。     

基于双树复小波变换的信号去噪算法

为了提高接收信号的质量,在一定程度上消除噪声对信号的影响,提出了一种基于双树复小波变换的信号降噪方法。通过双树结构消除了因间隔采样而丢失的有用信息,对每一层的高频分量的实部和虚部分别计算阈值,依据各自的阈值进行滤波处理。实验结果表明:该方法与离散小波变换消噪方法相比具有平移不变性,处理后的波形较平滑,能够较好地保留信号细节信息,而且其去噪性能也优于离散小波变换。     

基于高斯和-容积Kalman滤波的高轨双星辐射源跟踪

高轨双星系统可通过测量辐射源信号的到达时差、频差和到达高轨卫星的多普勒频移,跟踪沿地球表面巡航且载频固定、已知的运动辐射源。针对辐射源运动方程和观测方程的强非线性,提出了基于高斯和框架与5阶容积Kalman滤波的运动辐射源跟踪算法GS-5CKF。算法将起始时刻的时差观测量所确定的处于地球表面的时差线按辐射源经度等间隔划分,初始化多个并行的5阶容积Kalman滤波器,线性组合各滤波器每个时刻的输出以获得辐射源运动状态的估计。针对5阶容积Kalman滤波器,提出了相应的非线性测度并引入滤波器分裂与合并,以提高跟踪精度并保持GS-5CKF算法计算复杂度基本不变。仿真表明,相对仅使用单个5阶容积Kalman滤波器和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等算法,提出的跟踪算法具有更高的估计精度。     

基于粒子滤波技术的电机信号降噪方法

为了给电机故障诊断提供准确的诊断数据,提出了粒子滤波降噪方法。首先基于离散余弦变换建立电机信号的状态方程,状态变量即为离散余弦变换的各系数,此状态方程是一种非线性状态方程;在此基础上,基于粒子滤波方法对含噪测量信号进行状态估计,即可获得离散余弦变换的各系数,然后,通过对这些系数进行重构得到故障诊断所需的实际信号。最后,通过对实际数据进行降噪分析,结果表明所提方法是可行有效的。     

基于阶次小波包与粗糙集的轴承故障诊断

针对齿轮箱启动过程中振动信号表现为非平稳、非高斯特征及传统诊断方法诊断精度不高的现状,将阶次小波包和粗糙集理论引入轴承的故障诊断中,提出了一种新的故障诊断方法。首先利用阶次跟踪算法对瞬态振动信号进行重采样,得到等角度分布振动信号,其次采用小波包对该信号分解—重构,并对每个频段的能量进行归一化,构成特征向量,通过粗糙集理论得到清晰、简明的决策规则,最后通过故障实例验证该方法的有效性。     

用于低信噪比机动目标跟踪的多分辨率方法

针对低信噪比情况下目前常用的滤波算法不能同时做到精确和高效跟踪机动目标的缺点,提出一种多分辨率滤波方法用于跟踪低信噪比情形下的机动目标.该算法利用离散小波变换和滤波器组将量测信息分解到不同分辨率的层级,由于在低分辨率下量测的误警率较低,所以在低分辨率层级实现对目标机动信息的提取,可以避免机动信息被噪声所淹没,缺失的信息...     

卡尔曼滤波器和跟踪微分器在光电跟踪系统中的应用

光电跟踪系统通常采用跟踪偏差反馈闭环控制,若同时采用速度前馈复合控制可以有效提高系统跟踪精度,分别使用了卡尔曼滤波器和跟踪微分器两种算法求取跟踪速度信号,通过仿真分析和工程应用,确认卡尔曼滤波器求取的速度信号更准确,噪声更小,更适合于光电跟踪系统的前馈复合控制。     

闪烁噪声条件下基于交互多模框架的雷达目标跟踪算法

针对传统雷达目标跟踪算法在处理闪烁噪声时面临的性能下降问题,提出一种将容积卡尔曼估计器与交互多模框架相结合的高性能滤波算法。该算法将目标状态建模为高斯分布,将闪烁噪声建模为混合高斯分布,同时将其发生概率建模为一阶马尔可夫过程;在此基础上,利用交互多模框架实现对不同高斯噪声分量的匹配滤波处理。为了减轻非线性观测条件对目标跟踪精度的影响,进一步采用容积卡尔曼估计器作为高斯近似滤波器,对目标状态进行递推预测和更新。仿真结果表明：所提算法较传统高斯混合滤波器和粒子滤波器具有更高的跟踪精度和更好的实时性能,同时还能对闪烁噪声出现时刻进行有效的估计。     

基于趋近律的离散滑模位置跟踪控制

针对不确定对象的主要特点,运用离散滑模变结构理论探索不确定对象的位置跟踪问题。设计了一种离散趋近率滑模位置跟踪算法,推导了滑模控制的可达性条件。该算法以离散位置信号作为输入,设计了离散指数趋近率,根据系统当前的状态,有目的地调整控制器,采用离散Kalman滤波器对干扰和噪声进行滤波。经仿真研究,该算法不仅在无扰动无噪声条件下,能够准确的进行位置跟踪,而且在扰动和噪声时,具有较强的鲁棒性和抗干扰性,较好地满足了位置跟踪控制的要求。     

基于Jerk模型的一种改进多传感器数据融合算法

简要介绍了目前存在的一些机动模型和基于状态估计的滤波算法。将Jerk模型与强跟踪滤波算法有机地结合起来,并提出了一种通过时空综合分析的测量方差自适应估计方法以优化强跟踪滤波算法中次优渐消因子和滤波增益的在线选择,同时结合多传感器数据融合具有改善滤波精度的性质,最终给出了一种基于Jerk模型的改进多传感器数据融合算法。最后,通过蒙特卡罗仿真验证了该算法的有效性。     

改进的斜投影极化滤波方法

针对脉冲体制雷达抗干扰的需求,综合利用卡尔曼滤波技术、斜投影极化滤波技术和时域对消技术,研究了一种改进的斜投影极化抗干扰方法．首先利用卡尔曼滤波技术估计干扰的极化状态参数,在目标极化状态未知的情况下求得斜投影算子,再利用求得的斜投影算子提取出干扰信号,然后利用时域对消技术将原始信号减去干扰信号即得到纯净的目标信号．仿真结果表明,卡尔曼滤波技术可快速准确地估计出于扰极化参数,改进的斜投影极化滤波方法可大幅度抑制干扰,并保持了目标信号的幅度和相位不变性．     

船舶静态电场跟踪的渐进更新扩展卡尔曼滤波器

为了实现利用船舶静态电场对船舶进行跟踪的目的,针对传统卡尔曼滤波算法中存在的问题,设计一种新的非线性滤波器。建立船舶的状态空间模型,分析传统卡尔曼滤波算法在船舶跟踪中存在的问题;依据渐进贝叶斯思想,利用连续白噪声与离散白噪声序列噪声协方差之间的关系,设计一种新的渐进更新扩展卡尔曼滤波器。仿真结果表明,该滤波器能有效地抑制由于初始误差较大而造成的滤波性能下降和滤波发散,能够有效地跟踪船舶,具有较高的实用价值。     

基于阶次跟踪和BP网络的齿轮箱故障模式识别

在对齿轮箱的原始振动信号进行时域采样的基础上,利用小波包分析对其进行消噪,然后对得到的数据进行角域重采样,得到基于阶次跟踪的采样信号,再对该信号进行特征参量提取,最后利用BP网络对得到的故障特征参量集进行模式识别。该方法能够避免传统分析方法中难以克服的“频率模糊”现象,对于瞬态信号有较好的分析处理能力,是对传统频谱分析法的有力补充。     

连续动态贝叶斯网络实现多传感器融合跟踪

利用多传感器数据进行目标跟踪,关键是怎样将多传感器的数据合理应用来对系统的状态做出最佳估计。提出应用连续动态贝叶斯网络的方法,结合卡尔曼滤波器模型,实现用多传感器数据进行目标跟踪的方法,并对算法进行了推导和验证。仿真结果证明了提出的多传感器数据互相修正融合滤波方法具有良好的滤波效果,并能够弥补传感器数据缺失和抑制脉冲噪声。     

弹道目标跟踪滤波方法研究

主要对弹道目标的跟踪滤波方法进行了综述,对扩展卡尔曼滤波(extended Kalman filter,EKF)、转换测量卡尔曼滤波(conversion measurement Kalman filter,CMKF)、基于弹道运动方程的扩展卡尔曼滤波(ballistic extended Kalman filter,...