基于强跟踪滤波和模糊逻辑推理的有向图切换算法

针对传统卡尔曼滤波算法中对于强机动目标跟踪性能较差的问题，文章提出了一种新的机动目标跟踪算法DS_STF_FI算法。该算法将强跟踪滤波引入到变结构多模型跟踪算法中，结合模糊逻辑推理来实现多模型间的信息交互，并通过有向图切换法实现模型集的自适应调整，从而使跟踪算法能够适应机动目标运动状态的变化。仿真结果表明，与基于卡尔曼滤波的DS_KF_FI算法相比，文章提出的算法的跟踪性能明显提高，且具有较高的算法费效比。在机动目标跟踪领域具有广泛的应用前景。     

GEO混合推力机动目标跟踪IMM算法

针对交互多模型(IMM)算法求解地球静止轨道(GEO)卫星混合推力机动目标跟踪问题时模型匹配难、模型转移概率近似平均和响应速度慢的问题，从交互模型集构建和模型转移概率自适应设计两个方面出发提出一种改进IMM算法。该方法通过考虑无机动、脉冲机动和有限推力机动三种模式，构建了覆盖目标机动状态的交互模型集，提高了模型与机动目标实际运行状态的匹配度；采用一种基于加速度估计自适应修正的模型交互概率修正方法，提升了算法对目标机动状态的响应速度和跟踪精度。仿真结果表明，所提算法是解决混合推力模式下的GEO机动目标跟踪问题的有效手段，在收敛速度和收敛精度等方面与传统方法相比有较大提高。     

机动目标多传感器组网空间配准方法

针对存在传感器偏差的多传感器组网系统跟踪机动目标的问题,把目标状态与传感器偏差进行解耦估计,提出了一种基于交互多模型的两阶段扩展Kalman滤波(IMM-TSEKF)算法。由于传感器观测方程的非线性,文中采用了两阶段扩展Kalman滤波器(TSEKF),针对机动目标,把IMM算法与TSEKF算法相结合用于目标跟踪与空间配准。此外还对算法的时间复杂度进行了分析,并以螺旋机动战术弹道导弹为目标进行组网空间配准与目标跟踪。仿真结果表明,相比于常规的基于交互多模型的增广Kalman滤波(IMM-ASEKF)算法,该文算法在估计性能相当的情况下,减小了计算的复杂度,提高了计算效率,更易于工程实现。     

一种基于强机动的目标跟踪改进算法

针对传统目标跟踪算法鲁棒性较差等问题,提出了一种基于当前统计模型的无迹卡尔曼滤波交互式多模型(IMM-CS-UKF)融合算法。在交互式多模型算法框架内,计算当前统计模型的概率,提高了统计模型的目标加速度和自适应性。该算法结合了交互式多模型和无迹卡尔曼滤波算法,具有对不同机动模式目标的自适应跟踪能力和精度高等优点。仿真结果表明,该算法对以多种机动策略实时机动的目标具有较好的跟踪性能。     

一种机动辐射源的单站无源定位跟踪滤波算法

基于辐射源的信号到达时间(TOA)及方位角信息,提出了一种利用单站对机动目标进行无源定位与跟踪的方法.根据机动目标跟踪及系统测量模型,将变维(VD)滤波算法和交互多模(IMM)滤波用于单站无源定位.给出了算法的模型和实现步骤.仿真结果表明:该法正确有效,滤波性能更好.     

用于多策略机动目标跟踪的基于模糊理论的改进IMM算法

针对多种机动策略实时机动目标,为解决标准交互式多模型(IMM)算法的模型集冗余、算法量过大和实时性不高等问题,以提高机动目标滤波精度,保证目标跟踪系统性能,对基于模糊自适应理论的交互式多模型算法进行了研究。对标准IMM算法改进包括加速度预估、模型集合设计、模糊自适应推理设计,以及条件滤波输出四部分,通过加速度预估获得更准确的模型集,采用提前模型筛选获得更优的匹配效果并减少了计算量。给出了处理模型及滤波过程流程。对三维机动目标的仿真结果表明:与标准IMM算法相比,设计的基于滤波算法对以多种机动策略实时机动的目标有更好的实时性和跟踪性能。     

基于递推最小模型误差估计的机动目标跟踪

将非线性系统递推最小模型误差估计用于机动目标跟踪 ,有效地解决了基于Kalman滤波的跟踪算法对机动模型的依赖性和非线性跟踪的不稳定性问题。仿真结果表明 ,该估计方法能适应不同的机动方式、精度高、跟踪快速 ,具有重要的工程应用价值     

一种单站无源定位原理与目标跟踪算法研究

基于辐射源的信号到达方向(DOA)及其变化率信息,提出了一种对机动目标进行单站无源定位与跟踪的方法。根据建立的目标机动模型和测量方程,分别用扩展卡尔曼滤波(EKF)和修正协方差扩展卡尔曼滤波(MVEKF)算法实现对机动目标的定位与跟踪,并给出了算法模型。仿真结果表明,该法正确有效,定位精度较高、收敛速度快。     

多普勒辅助测量IMM-PF机动目标跟踪

针对机动目标跟踪问题,提出了一种辅助多普勒测量的交互多模型粒子滤波算法.该算法利用粒子滤波解决系统观测与目标状态之间的非线性问题,并辅助多普勒测量信息在线估计目标角速率,作为目标转弯模型的参数.采用两个可内部切换的运动模型(常速度/逆时针转弯模型、常速度/顺时针转弯模型)作为交互模型,有效地描述了目标机动并减少了模型个数,进一步提高了算法的效率.对一个以不同角速率多次转弯的机动目标进行跟踪仿真,结果验证了算法的可行性和优越性.     

一类基于改进的当前统计模型的目标跟踪算法研究

提出了一种基于改进当前统计模型的交互式多模型算法。在交互式多模型中,利用滤波过程中的新息和新息协方差的变化,对当前统计模型(CS)的机动频率自适应调整,使模型更适应实际。经理论分析Singer,CS模型的先验假设条件,提出了一种改进的匀速运动(CV)模型,以适应目标弱机动的情形,弥补CS模型在目标弱机动时跟踪精度不高的缺点。理论分析和仿真结果验证了提出算法的有效性。     

基于LMS算法的自适应数字预失真技术研究

文章研究了基于查找表LUT方法的功率放大器自适应数字预失真技术。针对传统的基于线性收敛算法的自适应收敛速度较慢的不足,文章根据自适应滤波理论中的LMS算法,推导并仿真验证了适用于功率放大器自适应数字预失真技术的LMS算法,并从功率放大器的传输特性、输出频谱等方面将此算法与线性收敛的Rascal算法进行比较,仿真结果表明了LMS算法收敛速度更快、预失真效果更好。     

基于自适应小波包变换的LMS窄带干扰抑制技术

文章将自适应小波包子带树分解算法与LMS自适应算法相结合,利用自适应小波包变换所具有的优良时频局域性和多分辨分析特征,迅速跟踪和准确定位窄带干扰所污染的子带;然后利用自适应LMS算法对受扰子带进行干扰对消,将窄带干扰滤除,在去除干扰的同时,有效地减少了对有用信号的损失。同时,小波包变换提高了LMS算法的收敛速度和稳定性。仿真结果表明,二者的结合使DSSS系统的干扰抑制性能得到进一步提高。     

基于简化RLS算法的无源雷达杂波抑制

研究了利用调频广播信号作为非合作目标照射源的收发分置无源雷达系统的运动目标检测方法。针对直达波、多径信号对目标检测性能的影响,选择自适应滤波方法抵消杂波。LMS算法计算复杂度低,但收敛速度慢;相反RLS算法收敛速度快,但计算复杂度高。综合两者优点,提出了一种简化RLS算法:复数两级欧几里德坐标下降算法(CDCD)。基于实测数据的处理结果表明:与同量级复杂度的LMS和FEDS相比,该算法具有更好的收敛速度。最后通过对杂波相消后的主天线信号与参考信号相干匹配实现目标检测。     

应用知识蒸馏的深度神经网络波束形成算法

自适应波束形成技术广泛应用于雷达领域的旁瓣抗干扰中。当回波数据量增多时,传统的波束形成算法无法进行快速处理,而应用深度神经网络模型通过数据的预训练则可以快速地进行波束形成,因此根据波束形成原理设计深度神经网络,并利用知识蒸馏的方式对深度神经网络进行压缩,使压缩后的模型既有原始模型良好的泛化性能而且又有更快的计算速度。仿真结果表明,相比于传统的LMS算法,在实验环境下,未经模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约7倍,基于模型压缩的深度神经网络自适应波束形成算法的计算速度提高了约20倍。     

基于环路滤波器的低复杂度LMS算法设计

研究利用多天线结构对测控信号内存在的干扰进行对消和信号增强的技术。首先介绍传统空域干扰对消算法LMS，以及LMS的诸多改进算法，分析当前这些LMS算法在强干扰存在时收敛稳定性和收敛速度之间的折中关系以及参数调节的难度，分析了定步长和变步长LMS算法的优劣。针对变步长LMS由于动态环境以及大功率干扰的存在引起的收敛速度变慢和步长计算复杂的问题，提出了一种基于二阶环路滤波器累计误差的低复杂度LMS算法LF-LMS，该算法弱化单次误差的不稳定性并提高累计误差的稳定性，利用大步长和可变误差以实现快速收敛并缩小进入稳定状态后的误差波动，且计算量较小，可以有效应用于DSP工程实现，并通过仿真验证了算法在收敛速度和动态环境下的鲁棒性。     

基于最大值投影的运动点目标检测算法及其性能

针对低信噪比序列图像中微弱点状运动目标检测,提出了一种基于最大值投影构造组合帧图像与帧序号图像的检测算法,给出了算法的计算步骤。用建立的检测率和虚警率的分析模型,讨论了检测率、虚警率、信噪比、构造组合帧的图像帧数间的关系。仿真结果表明,通过合理选择组合帧数,该算法可有效检测出低信噪比条件下图像序列中的运动点目标和交叉运动的多点目标。     

一种自适应迭代宽带数字波束成形算法

为了克服传统宽带波束合成要求期望信号垂直入射阵面的苛刻要求,新算法首先利用数字时延滤波器对接收数据的时延进行补偿,使其等效为期望信号垂直入射,然后采用无需计算矩阵求逆的基于LMS的空时自适应滤波算法完成波束形成。方向图仿真表明,新算法能够实现宽带抑制,可高分辨率地使主瓣对准期望,零陷对准干扰;同时通过计算量分析,相对于DMI算法,新算法很大程度地降低了计算复杂度,减小了计算量,易于工程 实现。     

基于自适应谐波消除的Hexapod平台微振动激励控制

针对空间微振动环境模拟的需求,以Hexapod平台为对象,进行正弦振动激励控制的研究。当Hexapod平台工作在共振频段时,其输出的振动信号中因含有谐波成分而产生了显著的控制误差。为此,提出了一种自适应谐波消除算法。该算法以LMS滤波器为基础,将与谐波同频率的正弦信号和余弦信号作为滤波器的基底信号,将平台实际的输出响应作为滤波器的误差信号,以此实现谐波分量的自适应消除。将基于该算法的控制回路引入传统的控制器,进行了共振频段的单输入单输出和多输入多输出的微振动激励试验,结果表明,该算法可有效地消除谐波失真,大幅提高了Hexapod平台在共振频段的控制精度。     

基于距离像特征的复合速度估计算法研究

首先分析了步进频率宽带信号混频处理原理和目标速度对距离像的影响。在此基础上，提出了基于距离像熵和距离像对比度的速度估计算法，详细分析了这两种算法的数学原理、步骤、效果、适用条件等。最后，基于这两种算法又提出了复合速度估计算法，大大提高了速度估计精度。