序统计滤波器的一些特性

本文分析了序统计滤波器的特性,并提出了它的几个统计特性。给出了输出信号的解析表达。并着重分析了它的联合分布,从而对输出信号的独立性进行了一定的描述。这为滤波器的设计提供了理论依据     

切比雪夫多项式降阶技术在设计数字滤波器中的应用

论述一个以切比雪夫多项式为基础,能够使Ｎ阶多项式降阶而误差精度高的技术方法和此技术在设计数字滤波器中的应用。     

基于SRUKF仅测角导航的空间交会闭环控制协方差分析

针对基于仅测角导航的空间交会问题,开展了采用线性协方差进行闭环控制误差快速分析方法的研究。建立了基于SRUKF (Square Root Unscented Kalman Filter) 的仅测角导航算法并推导了观测敏感矩阵,构建了基于多脉冲Hill制导的闭环控制线性协方差分析模型。经算例验证,本文提出的闭环控制协方差分析结果与Monte Carlo打靶结果能够很好吻合;该方法适用于采用传统Extended Kalman Filter (EKF)的仅测角导航问题,但其迹向位置的估计存一个与该方向控制误差方差相当的偏心,其误差椭圆的长轴和短轴分别比基于SRUKF的估计结果大了24.68%和20.56%。此外,由于采用了QR分解和Cholesky 因子更新两种高效的代数运算,基于SRUKF的协方差分析模型要比基于EKF的协方差分析模型在计算速度上快了10%。     

平方根无迹卡尔曼滤波仅测角导航的空间交会闭环协方差分析方法

针对基于仅测角导航的空间交会问题,开展了采用线性协方差进行闭环控制误差快速分析方法的研究。建立了基于平方根无迹卡尔曼滤波(Square Root Unscented Kalman Filter,SRUKF)的仅测角导航算法并推导了观测敏感矩阵,构建了基于多脉冲Hill制导的闭环控制线性协方差分析模型。算例验证结果表明:提出的闭环控制协方差分析结果与Monte Carlo打靶结果能够很好地吻合;该方法适用于采用传统扩展卡尔曼滤波(Extended Kalman Filter,EKF)的仅测角导航问题,但其迹向位置的估计存在一个与该方向控制误差方差相当的偏心,其误差椭圆的长轴和短轴分别比基于SRUKF的估计结果大24.68%和20.56%。此外,由于采用了QR分解和Cholesky因子更新两种高效的代数运算,基于SRUKF的协方差分析模型的计算速度要比基于EKF的协方差分析模型的大10%。     

盲稀疏度下基于粒子滤波的稀疏信号重构

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下基于粒子滤波的稀疏信号重构算法。该算法首先将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并且引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;最后在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

RTDX与Matlab实现基于DSP的FIR滤波器设计

介绍了一种RTDX与Matlab结合设计基于DSP的FIR数字滤波器的方法.在VB中调用Matlab进行指定特性FIR数字滤波器设计,获得各阶权系数,然后调用RTDX,实时地向目标硬件传递该系数,从而实现了基于DSP的FIR数字滤波器精确设计,提高了DSP算法软件的设计效率.并对TI的RTDX技术及使用方法作了相关介绍.     

球坐标系下的解耦滤波算法

采用 CV和 CA模型 ,利用雷达的测量值 ,给出了一种在球坐标下的解耦滤波算法。基本思想是在球坐标下进行滤波 ,同时采用交互式多模型算法 ,以提高滤波精度 ,Monte- Carlo仿真分析证明了这种算法达到了预期的效果     

基于自适应Kalman滤波算法的航空发动机可测参数及其偏离量估计

针对采用估计可测参数偏离量建立航空发动机机载自适应模型的方案中,可测参数偏离量估计的问题,引入了CA(Constant Acceleration)模型,建立了简化的可测参数状态方程和测量方程,采用自适应Kalman滤波算法直接估计可测参数,由估计出的可测参数与发动机非线性模型计算的额定值之差,获得可测参数偏离量.为解决因简化的状态模型系统误差较大,采用标准Kalman滤波会出现估计严重偏离真值的问题,分析了标准Kalman滤波准则和状态模型误差对滤波结果的影响,采用动态调整状态预报在滤波估计结果中权重的策略,给出了单因子自适应Kalman滤波算法准则及递推公式,使滤波估计准确.对不同的可测参数分别采取序列滤波的方法,减少了运算量.以仿真产生的发动机测量数据为例,对系统模型和所设计的算法进行验证,计算结果表明,所设计的滤波算法具有很快的收敛速度和计算速度,结果优于标准Kalman滤波算法,具有更好的估计精度和一定的工程应用价值.     

模型不可知的联合相互学习

主流的联邦学习(federated learning, FL)方法需要梯度的交互和数据同分布的理想假定,这就带来了额外的通信开销、隐私泄露和数据低效性的问题。因此,提出了一种新的FL框架,称为模型不可知的联合相互学习 (model agnostic federated mutual learning, MAFML)。MAFML仅利用少量低维的信息(例如,图像分类任务中神经网络输出的软标签)共享实现跨机构间的“互学互教”,且MAFML不需要共享一个全局模型,机构用户可以自定制私有模型。同时,MAFML使用简洁的梯度冲突避免方法使每个参与者在不降低自身域数据性能的前提下,能够很好地泛化到其他域的数据。在多个跨域数据集上的实验表明,MAFML可以为面临“竞争与合作”困境的联盟企业提供一种有前景的解决方法。     

GPS姿态测量系统对惯性导航系统误差修正能力分析

针对惯性导航系统(INS)存在积累误差的缺陷,运用GPS姿态测量辅助修正方法对INS误差进行补偿来进一步提高INS的定位精度.通过对INS系统可观测性进行分析,得出增加不同种类的外部导航信息观测量将有效提高INS误差修正能力的结论.研究了船用INS与GPS姿态测量系统组合的组合导航系统,并对GPS姿态测量系统信息对惯性导航系统的误差修正能力进行了仿真.仿真结果证实上述方法可有效提高INS的定位精度.