基于AP-DE算法动态迭代步长的研究

为了促进自适应滤波器的滤波性能,建立了一种变步长的基于直接迭代误差AP-DE算法。通过使得权值均方误差下降速度最大,获得了AP-DE算法的优化迭代步长,并分析了所建立算法权值均方误差的统计特性。     

基于分形相关盒维数的分步合作频谱感知方法

提出一种基于分形相关盒维数的分步合作频谱感知方法,通过对信号进行自相关运算,然后求取其盒维数值,利用恒虚警检测得到判决门限进行判决,在所有认知用户中随机选择参与运算的认知用户,并反馈有益信息。仿真结果表明,该方法在保证检测准确率的同时,降低了认知系统合作频谱感知所带来的额外开销和频谱检测时长,减轻合作控制中心的负荷,整体上提高了认知系统的检测性能。     

基于随机集的传感器网络多目标航迹跟踪研究

针对利用有限集统计理论对声学WSN下的多目标跟踪时,无法实现前后两个时刻目标状态的关联问题,利用最近邻方法和粒子标签法对WSN多目标的航迹跟踪问题进行了研究。仿真结果表明,两种算法都能够有效实现对多个目标航迹的跟踪;另外,粒子标签方法进行多目标跟踪时能够同时实现对多目标状态的估计和对多目标航迹的跟踪。     

一种抑制卫星信号野值的改进Sage-Husa滤波方法

针对组合导航中经常出现的卫星信号野值和滤波精度不高的问题,提出了利用Sage-Husa和新息正交性来消除卫星信号野值及抑制滤波器的发散,从而提高导航的精度和稳定性。首先,用改进的新息Sage-Husa卡尔曼滤波器对组合导航系统的测量信号进行滤波处理,其次,引入抗野值判断函数对测量信号进行判断,剔除卫星信号测量过程中的野值。通过跑车试验将新息Sage-Husa滤波与经典的卡尔曼滤波和Sage-Husa滤波的效果进行对比,结果表明改进的滤波算法能够有效地去除卫星野值、提高导航精度。     

基于垂直阵列的相干信源二维测向新方法

针对远场窄带相干信源的二维DOA估计问题,提出了一种基于垂直阵列的解相干算法,利用垂直阵列模型特性,在3个线性子阵列进行分维处理运算。在每一个维度,运用空域平滑算法构建数据协方差矩阵实现解相干,并结合ESPRIT算法分别估计信源与各线阵的夹角,利用其中一个角度来组合其他两个角度,实现参数配对。仿真实验结果显示,相较于空域平滑DOA矩阵法,算法的稳定性、估计精度都较高,适用于低信噪比和短快拍情况。     

基于估值修正的分布式传感器网络最小均方算法

为使分布式传感器网络自适应滤波算法在具有快速收敛和低稳态误差的同时,具有对脉冲干扰的鲁棒性,在扩散LMS自适应滤波算法基础上,提出一种基于参数估值p阶范数修正的变步长最小均方自适应滤波算法,算法通过使用参数估值的p阶范数增抗其对脉冲噪声的抗干扰能力,通过合理设置变步长控制因子使得算法在收敛初期的收敛速度及收敛后期的稳态误差在一个较小的范围取得一个较好的平衡。对比实验表明,相比已有算法,所提算法性能更优且具有较好的鲁棒性。     

基于粒子滤波的多异步传感器检测前跟踪算法

针对弱目标检测跟踪问题,提出了基于粒子滤波的多异步传感器检测前跟踪算法。该算法通过对粒子的状态进行时间和空间递推,将雷达对于目标位于不同时刻的回波幅值映射到同一个粒子的权重中,从而通过对粒子状态及权重的融合,将多雷达的回波幅值信息进行融合,并在此基础上实现对目标的检测跟踪,获得目标航迹。仿真试验结果表明,与单雷达效果相比,所提算法能够有效提高目标跟踪精度和目标正确发现概率。     

基于改进二维熵-量子遗传算法的图像多阈值变化检测方法

针对二维熵法阈值分割中精度和时间性能较差的问题,提出了基于改进二维熵-量子遗传算法的多阈值图像分割方法。定义了二维阈值量子染色体的编码方式,解决了传统遗传算法优化二维最大指数熵阈值过程中速度慢、多样性小的缺点;在产生阈值解时,提出了半随机策略来代替传统的完全随机策略,加快寻优速度;改进了量子门旋转角度方式,提出了一种新的自适应旋转角度的方法,提高了算法的精度和收敛速度。并进行了分割实验和SAR图像变化检测实验。结果表明:该方法比基于一维熵的图像分割算法具有更高的抗噪性;其寻优速度较完全随机产生阈值解的量子遗传算法提高了3倍～5倍;避免了算法发散或过早收敛。与其他基于阈值分割的变化检测算法相比,性能更好。     

基于单目标双站测距的改进型三角定位法

针对不同传感器的测量值时间不匹配、定位精度低等问题,提出一种改进型三角定位法。引入α-β-γ滤波器,一方面对测量值滤波能够减小输入值误差;另一方面利用滤波得到的角速度和角加速度进行外推,将测量值进行时间配准,旨在提高定位精度。同时,分析了影响定位精度的几个因素,并进行了仿真验证。结果表明改进型三角定位法极大地提高了精度,并在传感器的布阵上给出依据,这对作战指挥决策具有重要的意义。     

基于Retinex理论的低照度图像增强技术

Retinex算法可以有效改善受环境照度影响的图像质量。针对Retinex算法中存在的光晕、暗区域过增强、亮区域细节丢失与参数较多的问题,提出了一种低照度图像增强算法。基于Retinex理论,在HSV色彩空间,对V分量采用引导滤波与高斯平滑结合的方式估计照度分量,用对数图像处理模型(LIP)运算代替原算法中的对数变换与传统运算,求取反射分量后经灰度变换并恢复为RGB彩色图像。仿真结果表明,该算法可以有效恢复阴影区域的细节,避免上述问题的出现。