基于混合滤波的无线传感器网络融合跟踪方法

 针对无线传感器网络(WSN)中的多传感器融合目标跟踪,提出一种混合滤波算法,称为无迹混合集中式粒子滤波(UM CPF)。该算法使用了一个混合的粒子传播方案。在使用集中式粒子滤波(CPF)对WSN中的节点测量信息进行融合时,粒子滤波器中的一部分粒子使用从无迹变换(UT)获得的高斯分布作为建议分布进行粒子传播,而剩余的另一部分粒子则简单地使用状态转移先验分布进行粒子传播。WSN中的融合跟踪仿真结果表明,和纯粒子滤波算法CPF相比,在仿真速率相当的情况下,混合滤波算法明显提高了跟踪精度和稳定性。     

IFHT算法在无线高速OFDM调制解调器中的实现方案

正交频分复用(OFDM)技术是一种可以有效抗无线信道多径衰落的多载波调制方式,具有较高的频谱利用率。运用快速哈特利变换(FHT)和其反向快速哈特利变换(IFHT)来实现OFDM调制解调可有效地降低系统运算的复杂性,提高系统的时效。由于FHT和IFHT算法的一致性,本文只对IFHT算法在无线高速调制解调器中的软、硬件实现方案进行了研究。     

机舱内部超宽带确定性信道建模

将室内无线信道仿真中常用的几何光学和射线追踪技术,引入到对客机机舱内部的超宽带(Ultra-WideBand,UWB)信道研究当中。信道仿真的主要算法基于一种称为射线密度归一化(RayDensityNormalization,RDN)的方法。该方法使用射线密度的概念来计算每条射线对接收点处总信号强度的贡献。为了验证方法的有效性,实验构建了一个Boeing737-200客机机舱模型进行仿真。仿真将接收机设置在每个座位的顶部、扶手和底部,以研究不同水平高度信道的差别。仿真中对路径损耗和均方根(RMS)时延扩展两类大尺度信道参数进行了统计和分析,部分仿真结果与国外实测结果进行了对比。对比结果证明了仿真结果的保真度以及现有仿真工具的有效性。     

多目标跟踪的核粒子概率假设密度滤波算法

提出一种新的多目标跟踪算法：核粒子概率假设密度滤波算法(KP-PHDF)。算法的创新点在概率假设密度滤波算法(PHDF)的目标状态提取步骤,以粒子概率假设密度滤波算法为框架,并运用结合了mean-shift算法的核密度估计(KDE)理论进行概率假设密度(PHD)分布的二次估计、提取PHD峰值位置作为目标状态估计值。分析与多目标跟踪(MTT)仿真的结果表明,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,在相同仿真条件下新算法的估计精度提高30.5%。     

连续时变信道对协作通信性能影响的研究

协作通信能够抵抗无线信道衰落,是提高无线通信系统性能的有效手段。但是,其性能优势的发挥受信道时变的影响。文章研究了连续时变信道下协作通信系统的性能,为了准确反映信道连续时变情况,采用内插滤波高斯噪声法构建连续时变信道模型,选取误包率作为性能指标。仿真结果表明,连续时变信道下,随数据传输逐渐加重程度的过时信道状态信息将导致协作通信误包率性能大幅恶化。     

基于MMSE的近似最优Lattice Reduction辅助线性并行检测算法

现有基于Lattice Reduction (LR)技术的多输入多输出(MIMO)系统检测算法,虽然可以有效地提高MIMO系统的误比特率(BER)性能,但其检测性能与最优的最大似然(ML)算法相比仍然存在差距.针对这一问题,提出了一种新的基于信道分组的线性Lattice Reduction辅助检测算法.该算法首先将信道分为两组,对通过条件最差子信道的信号采用最优的ML算法检测,然后将其从接收到的信号中消除,再采用Lattice Reduction技术对第2组信道进行优化,最终并行地对剩余信号进行检测.仿真结果表明:在16QAM(Quadrature Amplitude Modulation)和64QAM调制下,对于4×4的MIMO系统,该算法的误比特率性能达到了最优;对于6×6的MIMO系统,该算法相比最优的ML算法其检测性能相差不到0.5 dB.     

自适应高阶容积卡尔曼滤波在目标跟踪中的应用

针对传统容积卡尔曼滤波(CKF)在系统状态发生突变时估计精度下降的问题,将强跟踪滤波(STF)算法与高阶容积卡尔曼滤波(HCKF)算法相结合,提出了一种自适应高阶容积卡尔曼滤波(AHCKF)方法。该算法采用高阶球面-相径容积规则,可获得高于传统CKF的估计精度,同时在HCKF算法中引入STF,通过渐消因子在线修正预测误差协方差阵,强迫残差序列正交,提高了算法的鲁棒性,增强了算法应对系统状态突变等不确定因素的能力。将提出的AHCKF算法应用于具有状态突变的机动目标跟踪问题并进行数值仿真,仿真结果表明,AHCKF算法在系统状态发生突变的情况下表现出良好的滤波性能,有效地避免了状态突变造成的滤波精度下降,较传统的CKF、HCKF、交互式多模型-容积滤波(IMM-CKF)和自适应容积卡尔曼滤波(ACKF)算法有更强的鲁棒性和系统自适应能力。     

基于CPHD的双层粒子滤波目标跟踪算法

常规基于势概率假设密度滤波(Cardinalized Probability Hypothesis Density,CPHD)的粒子滤波(Particle Fil? ter,PF)跟踪算法应用于多目标跟踪时,容易遇到因粒子数量增加而带来的运算效率下降、目标数目估计不准的问题。文章基于常规粒子滤波 CPHD跟踪算法,通过部署双层粒子,提出基于势概率假设密度滤波的双层粒子滤波 (Two-Layer Particle Filter-CPHD,TLPF-CPHD)算法,以便提高目标数目及状态估计精度。仿真实验结果证明,相比于常规 PF-CPHD算法,新算法具有更好的目标数目和状态估计准确性。     

七阶正交容积卡尔曼滤波算法

在高斯滤波框架下,阶次越高,近似精度越高。为提高滤波精度,通过提高阶次,提出了七阶正交容积卡尔曼滤波(CQKF)算法。在传统CQKF算法的基础上,该算法扩展了线性积分的近似阶次,提出了七阶球面积分的确定性采样方法;进而扩展了球-半径准则,提高了滤波估计精度。飞行器目标跟踪的仿真实验证明了该算法的有效性,证明了七阶CQKF比五阶CQKF、三阶容积卡尔曼滤波器(CKF)和无迹卡尔曼滤波器(UKF)有更高的滤波精度。     

基于无线数据传输的电容测微仪系统

介绍如何将短距离无线通信技术应用到传统电容测微仪中,解决其无法在动态环境中进行测量的问题;阐述了无线数据传输部分的硬件和软件设计要点,介绍了上位机滤波算法及显示界面,最后对该无线测微仪系统进行了实验验证.     

GHQF精度分析及其在组合导航中的应用

针对非线性滤波算法在组合导航系统中的应用问题,利用泰勒级数展开对无味卡尔曼滤波(UKF)、容积卡尔曼滤波(CKF)和高斯厄米特积分滤波(GHQF)三种非线性高斯滤波算法的性能进行了比较分析;基于泰勒展开的精度分析表明,UKF和CKF从四阶项开始出现截断误差,而GHQF可以逼近任意阶精度的非线性系统的后验均值;以CNS/SAR/SINS非线性组合导航系统为应用背景,对三种滤波算法的精度进行了仿真验证。数学仿真结果表明,与UKF和CKF相比,GHQF具有更高的滤波估计精度。     

模糊自适应算法在GPS/INS组合导航系统中的应用

阐述了在对常用的Sage-husa自适应滤波算法总结和分析基础上,给出了滤波收敛的判据,提出利用模糊逻辑自适应控制器(FLAC)调整卡尔曼滤波器的方法,形成自适应滤波算法.以GPS/INS组合导航系统为例进行了仿真,结果既能抑制滤波发散,又能提高滤波精度和实时性.     

分组码在有记忆删除信道上的性能计算

 本文首先描述了一种有记忆删除信道模型,然后提出了分组码在该信道上的性能的迭代算法。最后以Golay(23,12,7)码为例给出了多种信道参数之下的性能曲线。     

基于二维逆滤波的机载SAR 自聚焦算法

在聚束合成孔径雷达(SAR)自聚焦处理时,残留距离徙动(RRCM)必须在自聚焦处理之前完全去除,否则 将会严重降低自聚焦的性能。本文提出了一种基于二维逆滤波的自聚焦算法,该算法在补偿相位误差的同时也补 偿掉距离和方位的二维耦合相位,消除了RRCM对自聚焦的影响,提高了逆滤波自聚焦算法的性能。最后通过实 测数据处理验证了本文提出的二维逆滤波自聚焦算法的有效性。     

基于自适应粒子滤波的涡扇发动机故障诊断

针对涡扇发动机非线性、非高斯的特点,提出了一种自适应的粒子滤波算法用于涡扇发动机气路部件突变故障的诊断.为了减小算法的计算量并且保证滤波精度,分析了滤波精度和样本数目的关系,提出根据滤波过程中状态的方差自适应地调整粒子数,在保证一定的滤波精度下可以有效地减少滤波过程中使用的粒子数,提高了算法的实时性.同时,引入扩展卡尔曼滤波(EKF)用于更新粒子,产生重要概率密度函数,在一定程度上避免了粒子的退化.通过某型涡扇发动机的仿真分析表明:改进的算法相比标准粒子滤波算法用于涡扇发动机气路部件故障诊断时,参数估计的方均根误差减小了50%左右,且算法的计算量减小了30%.     

基于SUWPT的正弦信号滤波算法

针对航天测控DOR(差分单向测距)信标信号等侧音信号的滤波问题,借鉴扩频系统窄带干扰抑制领域中的SUWPT(频移非抽取小波包变换),提出了一种逆向算法。该算法通过最佳频移将信号移至各子带中间,然后选择能量较大的子带进行分解,通过记录的位置信息选择不同的重构滤波器,从而达到最佳滤波效果;最后将该滤波算法应用于航天测控侧音信号的差分相位提取过程。仿真结果表明,该算法比小波变换滤波、小波包滤波具有更好的滤波性能;滤波后差分相位提取精度相对滤波前提高3~4倍,有利于提高系统的测量精度。     

基于喷泉编码的中继信道协作方案

首先给出了二进制删除中继信道下基于喷泉编码的多种协作方案,并依性能得出了最优方案,此后借鉴渐近最优喷泉编码的概念,将该最优协作方案扩展到无线中继信道中,并利用排队理论实现了中继节点的最优流量控制,给出了无线中继信道下的中继流控制协作方案。仿真结果表明,基于喷泉编码的中继信道协作方案有效地解决了中继缓存溢出问题,提高了信道的可达速率。     

基于GPR模型的自适应平方根容积卡尔曼滤波算法

与传统算法一样,动态系统的参数化模型(含噪声统计特性)未知或不够准确易导致容积卡尔曼滤波(CKF)效果严重下降,甚至滤波结果发散.为此,利用高斯过程回归(GPR)方法对训练数据进行学习,得到动态系统的状态转移GPR模型和量测GPR模型以及噪声统计特性,用以替代或增强原有动态系统模型,并将其融入到平方根容积卡尔曼滤波(SRCKF)中,分别提出了无模型高斯过程SRCKF (MFGP-SRCKF)和模型增强高斯过程SRCKF (MEGP-SRCKF)两种算法.仿真结果表明:这两种新的自适应滤波算法提高了动态系统模型精度,且实时自适应调整噪声的协方差,克服了传统算法滤波性能易受系统模型限制的问题;与MFGP-SRCKF相比,在给定一个不够准确的参数化模型,且有限的训练数据未能遍布估计状态空间的情况下,MEGP-SRCKF具备更高的滤波精度.     

JPEG2000抗干扰性能的研究与仿真

数字图像经过压缩编码后通过无线信道传输,必须考虑信道中各种噪声对编码数据的影响。文中首先介绍了两种常见的无线信道模型,并对其传输特性进行了总结,然后分析了JPEG2000的编码原理,重点对其在带有高斯白噪声信道下的容错性进行了研究。实验结果说明,JPEG2000的抗干扰性能要优于传统的图像压缩标准。     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。