一种新的离散余弦变换LMS自适应滤波算法

通信过程中由于多径效应容易造成码间串扰,为此讨论了一种基于离散余弦变换(DCT)的最小均方(LMS)自适应滤波算法.该算法不依赖于输入信号特性,以一种近似的方式完成对输入向量正交化,实现了高效计算.将该算法运用于码间串扰(ISI)严重的信道均衡仿真实验中,并与传统的LMS和归一化LMS( NLMS)算法进行比较,仿真结果表明该算法具有更快的收敛速度和更小的稳态误差.     

基于核函数的自适应聚类背景提取

随着目标的检测与跟踪的广泛应用,移动物体分割问题成为研究热点,而解决这类问题的关键需为对图像背景的更新和提取。通过对目前已有的背景提取方法的研究,提出了一种新的基于核函数的背景提取方法:进行预处理,制定删选法则来自适应获取所需处理的视频序列;定义核函数来衡量模式间相似性,对2类聚类中心进行初始化;利用最小距离准则来灰度归并,采取实时的自适应阈值选择;最后通过比较满足条件的像素总数,获取所需背景。实验证明,该方法有效。     

非均匀光强对曲率型自适应光学系统的影响

在高斯光强和光强存在正态随机起伏情况下,研究了一种37单元的曲率型自适应光学系统对低阶Zernike像差的校正效果,并和均匀光强时的校正效果进行了比较.光强为高斯分布时,光强的不均匀性对Zernike像差的校正带来了一定的影响,对于曲率为零的Zernike像差影响较小,对曲率不为零的Zernike像差影响较大.光强存在正态随机起伏时,对各阶Zernike像差的校正影响较小,曲率为零的Zernike像差的校正效果好于曲率不为零的Zernike像差的校正效果.结果表明在光强起伏不严重的情况下,该37单元曲率型自适应光学系统对低阶Zernike像差可以较好地校正.     

无源北斗组合导航算法对载体机动的适应性

研究了自适应滤波定位算法,以便减小大机动时组合导航系统的定位误差。首先,在仿真分析组合导航算法的基础上,提出了模糊逻辑自适应滤波方案。然后,通过仿真获取系统知识,建立模糊逻辑算法调整滤波器驱动噪声方差,实现滤波定位模型对用户机动的适应性。最后,通过仿真验证,模糊逻辑自适应滤波算法能够根据用户机动情况实时调整卡尔曼滤波器的驱动噪声方差参数,并能有效提高组合导航系统机动时的定位精度。     

具有落角约束的对地攻击自适应变结构导引律

针对空对地攻击武器对地面目标的精确打击问题,提出了一种带落角约束的自适应滑模变结构末制导律。该制导律在自适应滑模导引律的基础上,引入落角约束项,可以满足制导精度和落角的双重要求。仿真结果表明,该制导律对地面活动目标的攻击既具有较高的制导精度,又可以满足落角要求,对空地精确制导武器的作战使用具有指导意义。     

基于对偶四元数的航天器六自由度相对运动输入有界控制

利用对偶四元数的理论来分析航天器六自由度的相对运动,设计了一种考虑输入有界的姿轨一体化控制器。在介绍对偶数和对偶四元数的基础上推导六自由度相对运动的姿轨耦合模型;利用双曲正切函数绝对值小于1的特性来显式地构造有界控制器,分别设计两个相互耦合的自适应调节律来动态地改变控制器的输出,并基于李雅普诺夫稳定性理论严格证明了闭环系统的全局渐近稳定性;利用数学仿真实验来验证该控制器和控制力满足给定的约束条件,能够实现航天器六自由度相对运动的精确稳定控制,并且对模型参数不确定性和外界扰动具有鲁棒性。与其他方法相比,由该控制器计算得到的控制力矩器的收敛速度更快,输出的控制力矩和控制力的最大幅值更小,且消耗的能量也更少。     

一种基于Q-R矩阵分解的自适应滤波算法

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性。在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于Q-R矩阵分解的自适应卡尔曼滤波算法。将协方差阵分解为两个矩阵的乘积,来保证协方差矩阵的正定性。仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点。     

登月舱制动段最优机动中的状态跟踪

本文根据登月舱的运动方程,在固定推力条件下,给出最优推力方向。在最优推力方向上对摄动方程加入自适应调节控制,得到状态跟踪的稳定性,使受控系统的输出跟踪状态精度得到保证。     

增量元学习IDBD算法在轴频电场信号检测中的应用

为了提高海洋环境电场背景中微弱舰船轴频电场的检测能力,针对传统的最小均方误差算法进行了改进,提出了一种基于增量元学习IDBD算法的自适应线谱增强器。利用所提算法对舰船缩比模型产生的实测轴频电场信号数据进行处理,结果表明该算法在低信噪比的情况下能够有效地将微弱轴频电场信号从宽带背景噪声中分离出来。所提算法相比于普通的自适应线谱算法,在改善信号的信噪比方面效果更加显著,且具有更快的收敛速度和更小的稳态误差,极大提高了舰船轴频电场的检测能力。     

尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。