导航解算中的有色噪声及其协方差矩阵自适应拟合

使用Kalman滤波进行动态导航定位解算需要涉及函数模型和随机模型, 而在实际应用中, 精确的函数模型和随机模型很难直接给出, 因此, 动态Kalman滤波的精度和可靠性将会受到函数模型误差和随机模型误差的影响. 在假设观测噪声和动力学模型噪声主要是具有一阶自相关特性的有色噪声的基础上, 提出了一种基于移动窗口的有色噪声函数模型和随机模型的自适应拟合法. 给出了计算有色噪声估值和噪声协方差矩阵的表达式, 并利用实测数据验证了模型及算法的可行性和实用性. 计算结果表明, 该算法能有效抵制有色噪声对导航滤波结果的影响.      

基于频域LMS的自适应波束形成算法

在分析传统自适应波束形成的基础上,提出了一种基于频域最小均方(LMS)的自适应波束形成算法。该算法先对输入信号进行FFT变换,再通过LMS算法实现了频域上自适应波束形成。FFT变换后信号为稀疏矩阵,自相关下降,LMS算法收敛速度提高;理论分析和仿真结果表明了该算法收敛速度较快、性能较好,且计算量较少,易于实时实现,而且文章提出的波束形成算法对相干信源具有鲁棒性。     

一种新的最速下降算法在自适应噪声对消中的应用

自适应噪声对消在很多领域有着重要应用。为了进行自适应噪声对消，提出了一种新的最速下降算法。该算法主要原理是对多元二次函数进行降维处理，使其变成一元二次函数，再应用抛物线的性质分别循环迭代地求解每一个维度上的极值。在自适应噪声对消应用中，所提算法与传统的自适应算法进行对比，具有收敛速度快，滤波效果好，滤波效果可调节，抗恶劣信噪比以及急剧变化信噪比，不需选择迭代步长，适合计算机和可编程硬件实现等优点。      

一种改进的数字式波束形成的快速自适应算法

提出了一种改进的数字式波束形成的快速自适应算法,即具有严格约束最小功率的抽样矩阵梯度算法(CSMG)。它综合了传统抽样矩阵梯度、算法和具有严格约束的最小功率自适应算法的优点。计算机模拟表明,此算法波束方向随约束角度而变,自适应调零能力较强,收敛速度也较快。     

一种无人机视觉导航方法及其滤波算法改进

设计了一种无人机视觉/惯性组合导航系统,将无人机和地标点的运动模型作为状态方程,视觉信息作为观测量构建了与之对应的滤波模型.在滤波处理上,采用了复杂加性噪声模型对系统噪声进行建模处理;将小波分析引入到UKF(Unscented Kalman Filter)滤波中得到小波-UKF滤波算法,以此克服视觉观测噪声对滤波的影响;采用最大后验概率准则(MAP,Maximum A Posterior)自适应估计观测噪声协方差阵,并将其反馈到滤波过程中克服了小波处理后观测噪声方差阵不易确定的不足.仿真结果证明:对滤波算法的改进可以有效地提高滤波估计的精度.     

最大相关熵准则自适应滤波器的分数阶长算法

对自适应滤波器最佳阶长的准确估计可以有效平衡自适应算法的稳态性能与计算复杂度,而基于最小均方差(MMSE)准则的变阶长最小均方(LMS)算法在非高斯噪声环境下的收敛性能变差。针对这一问题,提出一种最大相关熵准则(MCC)自适应滤波器的分数阶长(FT)算法——FT-MCC算法。该算法从MCC自适应滤波器最佳阶长的定义出发,利用不同阶长滤波器产生的相关熵之差实现阶长更新。理论分析和实验表明:相比现有变阶长最小均方算法,FT-MCC算法在非高斯噪声环境中具有较强的鲁棒性;通过恰当的参数选择,算法可较好地实现对最佳阶长的跟踪和估计。      

自适应OFDM采样频偏估计算法

修正了基于数据判决的采样频偏估计公式,提出一种自适应采样频偏估计算法,利用离散导频估计频偏变化,从而得到参与估计的数据符号间隔,并且同时使用信道估计结果和接收数据对采样频率偏差进行估计,达到提高估计精度的目的.仿真表明,在高斯白噪声信道下,新算法估计精度比基于数据判决算法和基于离散导频算法高3 dB左右;在多径信道下,新算法的估计精度比其他两种算法提高5 dB以上.实验结果表明,该算法的星座收敛速度快,提高了接收机性能.      

PINS静基座对准中的理论与算法的研究

分析了平台式惯导系统(PINS)静基座条件下的可观测性,采用系统可观测矩阵的条件数来定量计算PINS静基座可观测性能,找出该条件下的可观测矩阵条件数最小的3个不可观测变量.采用了自适应Kalman算法和常规Kalman算法对简化模型进行了仿真比较.仿真结果表明前者比后者滤波收敛快.进而提出了一种基于Elman神经网络的快速对准方法.     

车载GPS/DR组合导航系统的数据融合算法

建立了车载GPS/DR(全球定位系统/航位推算)组合导航系统自适应联合Kalman滤波的数学模型,研究了综合运用子系统状态评估、自适应信息分配、误差补偿、迭代扩展Kalman滤波、抗野值干扰、U-D协方差分解滤波等技术来提高精度和可靠性的融合滤波算法;针对滤波发散的问题,引入了一种在线估计观测噪声统计特性的自适应滤波方法.理论分析和半物理仿真结果表明,所设计的算法在精度、可靠性、适应性、实时性等方面效果都很好.      

Lyapunov自适应滤波及其 在INS/SMNS组合中的应用

为克服在惯导/景像匹配导航系统(INS/SMNS,Inertial Navigation System/Scene Matching Navigation System)组合导航系统中随着匹配点增多最小二乘法易出现发散的缺点,提出了一种基于多输入多输出(MIMO,Multi-Input-Multi-Output)系统的改进型Lyapunov自适应滤波算法.该方法利用观测方程信息,通过定义滤波误差和预测误差获得算法的递推公式,而算法的稳定性和收敛性可由Lyapunov稳定性理论来证明.以INS/SMNS组合导航系统为例进行了仿真验证,和递推最小二乘算法相比该算法简单、可靠,而且滤波的性能优于递推最小二乘算法.     

基于在线频率估计的自适应反馈主动隔振技术

针对自适应前馈控制方法的缺点,提出一种周期性振动主动控制的自适应反馈控制方法.利用误差信号恢复振动干扰信号,采用级联陷波器估计信号中周期性分量的频率,并在估计频率处为控制器构造参考信号;控制器的参数则根据Lyapunov稳定性原理进行调整.仿真和主动隔振试验结果表明:频率估计方法在不同信噪比情况下均具有较好的估计精度;主动控制方法在振动频率处的隔振效果明显,隔振量可达16?dB以上,且控制器的参数收敛速度较快.     

超流体陀螺相位波动噪声自适应抵消系统分析

针对超流体陀螺相位波动噪声影响陀螺角速度检测精度的问题,提出了一种基于递推最小二乘（RLS）算法的陀螺自适应噪声抵消系统。首先,建立了超流体陀螺的相位检测模型,得到了陀螺输出薄膜幅值和相位的关系。其次,考虑热运动的影响,建立了相位波动噪声的等效输入角速度模型,探索了陀螺参数对角速度噪声的影响,得到了陀螺角速度噪声幅值范围。在此基础上,考虑该角速度噪声与输入角速度的互不相关性,将超流体陀螺薄膜幅值解算输出的混合角速度信息作为抵消系统的期望输入,将相位波动噪声引起的角速度噪声作为RLS自适应滤波器的参考输入,通过自适应调节参数使得RLS自适应滤波器的输出与混合角速度信息的噪声部分相抵消。通过与最小均方（LMS）算法仿真对比表明,在大角速度、大噪声情况下,该抵消系统能够有效消除陀螺混合角速度信息中的噪声成分,且具有较快的收敛速度和较好的稳定性。      

激光多普勒测速系统自适应阈值检测算法

信号检测是激光多普勒测速(LDV)系统实现高精度的关键技术,针对LDV中微弱多普勒信号的检测,本文从噪声在频域中的统计特性出发,对多普勒信号进行带阻滤波,结合雷达的恒虚警(CFAR)检测技术,设计了基于频域的单元平方和自适应阈值检测算法以解决在低信噪比(SNR)的环境中LDV的信号检测问题,提高LDV的信号探测能力,同时降低其虚警概率。仿真与实验的结果表明:该算法与固定阈值相比可以在SNR为-12 d B时实现信号的完全检测,保持低虚警概率,运算简单,工程适用性强。     

一种基于AUKF的航天器自主导航算法

 将非线性Sage-Husa噪声估计器与无迹滤波器(UKF)相结合,提出了一种新型的自适应无迹滤波器(AUKF).对基于AUKF的航天器自主导航系统进行了计算机仿真,仿真结果表明,对于存在测量偏差的自主导航系统,AUKF的导航滤波精度较传统的扩展卡尔曼滤波器(EKF)有显著的提高.进而,针对航天器自主导航系统测量偏差周期时变的特点,提出了提高偏差估计精度的改进算法.仿真结果表明,在适当增加计算量的条件下,利用偏差估计改进算法的AUKF能够进一步提高自主导航系统的导航精度.     

抑制复原图像振铃波纹的频域循环边界算法

提出了一种基于Wiener滤波的频域循环边界复原算法,并给出了有效的规整化表达式和信噪比估算方法.复原算法首先将原观测图像按反射对称的方式延拓,形成一个新的观测图像(称为延拓图像);然后,用Wiener滤波算法复原延拓图像,并取延拓图像的复原图像的主值序列作为原观测图像的复原图像.对延拓图像在频域进行复原处理时,需要使用FFT(Fast Fourier Transform)技术,将延拓图像进行周期延拓,因其结合边界在垂直方向上的梯度为零,且边界平滑满足微分条件,抑制了复原图像的振铃波纹.复原过程中,将噪声与原始图像的功率谱之比规整化为原观测图像信噪比的函数.实验结果表明,该算法对周边区域梯度变化较大的观测图像复原效果较好.      

基于自适应判决反馈均衡器的盲图像复原算法

自适应判决反馈均衡器(ADFE,Adaptive Decision Feedback Equalizer)是横向均衡器的改进型式,它用判决输出信号组成一个延迟线,用一部分抽头系数加权求和后送回输出端求和,可有效地抵消码间干扰.由于退化图像可以看作是像素点之间的干扰,该方法被引入到二维退化图像盲复原中,算法中采用了Lee滤波器去除噪声,由于反馈滤波器的引入,允许前馈滤波器的系数选择上有更大的自由度,并不需要是退化模型的倒数,可以避免噪声的过分放大;另外在判决器的设计中采用了阈值分割方法确定图像的支撑域.实验证明,该算法具有很强的抗噪声干扰能力,是一种有效的盲图像复原方法.