基于改进MCMC的目标和拖曳式诱饵分离方法

在拖曳式诱饵干扰场景下,目标和诱饵同处于雷达的半功率波束之内,导致传统单脉冲体制雷达有效对其进行分离。针对这一问题,从单脉冲体制雷达匹配滤波采样模型入手,建立了同波束内目标和诱饵的联合概率模型。在该模型下,提出了一种改进马尔科夫链蒙特卡洛(MCMC)方法,完成目标和诱饵的参数估计。该方法将传统随机游走和独立抽样方法相结合,具有估计准确的优点。仿真结果表明,方法可有效分离同波束内目标和诱饵。     

约束无迹粒子滤波及其在汽车导航中的应用

针对汽车组合导航系统要求滤波算法具有高精度,高稳定性,高时效性的特点,设计了一种基于约束方程的无迹粒子滤波算法,该算法通过约束方程使得非线性系统的维数降低,在保持无迹粒子滤波精度的基础上提高了算法的解算速度,使算法的时效性得到提高。在汽车组合导航系统状态方程和测量方程的基础上建立系统的约束方程,算法的仿真取得了良好的效果,说明该算法对导航系统的适应性较强。通过对比表明相对于扩展卡尔曼粒子滤波和无迹卡尔曼粒子滤波,该算法的导航精度和时效性方面优势明显,体现了该算法的优越性。     

自适应Kalman滤波的战术数据链自主时间同步算法

分析了战术数据链自主时间同步机制及各类误差源特性,给出了降低时间同步误差源影响的设计途径。针对复杂物理环境下时钟漂移模型难以准确建立的问题,设计了一种基于自适应Kalman滤波的自主时间同步算法,提高了不利条件下数据链的时间同步性能,实验结果证明了所采用方法的有效性。     

基于TS-MMPF的机动弱目标TBD算法

针对基于多模粒子滤波(Multiple Model Particle Filter,MMPF)的机动弱检测前跟踪(Track-Before-Detect,TBD)方法存在不能直接给出目标航迹以及粒子退化导致的目标漏检问题,提出一种基于航迹平滑(Track Smoothing,TS)的MMPF(TS-MMPF)机动弱目标TBD算法。该方法利用MMPF的方法对机动弱目标量测数据进行处理,输出初步的检测和跟踪结果;将MMPF的输出结果重新定义为新的量测并进行目标的航迹起始、关联及滤波并给出目标的航迹;最后,利用航迹预测值对目标航迹进行平滑处理,有效解决粒子退化导致的漏检问题。仿真结果表明该算法可以有效提高目标航迹的稳健性。     

基于卡尔曼滤波的超宽带时变信道估计

在超宽带时变信道估计中,针对状态转移系数估计不准确引起的滤波发散问题,提出一种基于状态转移系数门限修正的卡尔曼滤波信道估计方法。该方法对时变信道采用自回归模型(AR)进行建模,利用导频估计初始信道信息和信道状态转移系数,并对信道转移系数进行门限修正。仿真实验表明:和传统卡尔曼滤波算法相比,提出方法实现简单并能有效抑制滤波发散问题,提高时变信道估计精度。     

基于椭圆滤波和RAT/FRT的雷达信号调制样式识别

雷达信号波形的调制样式识别方法是电子情报侦察领域的重要研究内容。针对线性调频(LFM)、二进制频移键控(BFSK)、相位调制(包括高阶巴克码(HOB)、弗兰克码(Frank)、P1、P2、P3、P4码)等多种脉内调制样式的雷达信号,提出一种基于模糊域椭圆高斯滤波预处理的波形增强表示方法,并结合拉东-模糊变换(RAT)和分数傅里叶变换(FRT)算法实现脉内调制类型的自动识别。仿真结果表明,该方法结构简单,易于工程实现,并具备较高的分类准确率和低信噪比下良好的鲁棒性。     

燃料电池混合动力汽车分层能量管理策略

针对燃料电池混合动力汽车中燃料电池、电池、超级电容的能量分配问题,提出一种分层能量管理策略。该策略分为上下两层,上层依据燃料电池效率、电池SOC值和需求功率,设计基于规则的控制策略,优化燃料电池的能量输出;下层依据电池和超级电容特性,设计滑动平均滤波算法,使电池平稳输出能量。最后,在UDDS+HWFET工况下对该策略进行仿真,结果表明,与Advisor自带能量管理策略相比,该策略能更合理地分配能量源的能量输出,燃料电池效率提升0.17%,氢气消耗量减少4.37%。     

自适应强跟踪卡尔曼滤波器载波环设计

针对自适应Q_k/R_k卡尔曼滤波算法在大频偏或运动场景切换时存在收敛速度慢、易失锁问题,提出了一种自适应强跟踪滤波算法,该算法从自适应Q_k/R_k卡尔曼滤波算法出发,引入强跟踪技术。在稳态场景下,采用自适应Q_k/R_k算法保证跟踪环路有较好的跟踪精度;当场景变化时,自适应强跟踪算法保证跟踪环路有更稳健的动态性能。仿真结果表明,所提出的设计方法能够有效提高载波跟踪环路的跟踪精度和鲁棒性。     

一种单轴旋转的车载IMU/DTU组合导航方法

长时间机动工况时,某些复杂路况和车况环境下,捷联惯导组合导航系统方位角误差将增大.基于已有组合导航算法框架,提出了一种基于单轴旋转调制的组合导航方法.采用21维IMU/DTU(里程计)误差状态构造状态方程,以捷联惯导解算的位移增量与里程计解算的位移增量之差作为观测量,Kalman滤波器融合惯导与里程计信息,利用旋转调制...     

混响和噪声环境下基于角度谱的多声源定位与计数算法

针对混响及噪声环境下的多声源定位与计数问题,引入局部信噪比追踪及相关性检测模块,提取出传统广义互相关角度谱中受噪声及声源互扰影响较小的时频支撑域;同时引入双宽度匹配追踪方法替代传统的峰值搜索,改进后续定位与计数的精确度。仿真研究验证了综合应用滤波后的角度谱及双宽度匹配追踪的多声源定位与计数算法相比传统算法在较低信噪比、较强混响以及较多声源数的环境中更加精确及稳健。