改进分块局部最佳维纳滤波算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法。该算法是加性高斯白噪声下的线性最小均方误差估计,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进:估计噪声的标准差时,用均值代替中值;根据噪声标准差的最大值和均值的比值,自适应地确定类的数量。仿真和实测数据表明,改进后的分块局部最佳维纳滤波算法是有效的,并优于其他三种算法。     

自适应网格交互多模型算法

研究和设计了一种模型集合自适应方法——自适应网格方法。并将其与交互多模型算法相结合,提出了自适应网格交互多模型(AGIMM)算法,它是一种变结构多模型算法。仿真显示它能有效地提高IMM估计器的费效比。     

目标自动跟踪与信息处理综合系统的研究与实现

根据将目标自动跟踪与信息处理综合的思想,在目标自动跟踪与信息处理综合的实现方面作了大量工作,并进行了实验.实验结果表明,只有在自动跟踪系统中综合目标信息处理,火控系统性能才能有质的提高.同时,数字信号处理(DSP)技术、自适应滤波算法的应用,使得系统设计能够基本达到实际应用的阶段.     

基于空时滤波的弱干扰信号波达方向估计方法

为实现对强度弱、波达方向比较接近以及信号相干等干扰信号波达方向的准确估计,提出了基于空时滤波的弱干扰信号波达方向估计方法,并在低干噪比条件下分别对一般非相关、波达方向接近非相关以及相干干扰进行了仿真分析。结果表明:所提出方法能够准确估计一般非相关弱干扰信号的波达方向,估计角度偏差不超过0.5°;能够较准确估计角度偏差不低于10°的非相关和弱相干干扰的波达方向,估计角度偏差分别不超过1.4°和1.3°;该方法还具有对干扰信号波达方向角度偏差和干噪比敏感度较低的优点,可为复杂电磁环境下干扰源的准确测向定位提供技术支撑。     

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。