基于小波变换的干涉SAR图像的降噪方法

根据干涉合成孔径雷达(SAR)图像的噪声来源和性质以及干涉合成孔径雷达信号处理的特点,选择了具有对称性和紧支性的双正交小波变换应用于干涉SAR图像的噪声抑制,提出了基于小波标架表示的干涉SAR相位图像的降噪算法.与传统的低通滤波器及中值滤波器处理的结果对比显示,利用小波变换方法处理干涉合成孔径雷达图像以提高干涉相位精度的方法是可行的,并且小波变换方法是基于观测数据的自适应算法.      

自适应高斯—厄米特滤波器

针对带有未知统计特性噪声的非线性系统，提出了一种新型的自适应滤波器——自适应高斯—厄米特滤波器(AGHF)，其过程是通过将Sage Husa噪声估计器推广到非线性系统，得到更为一般的噪声估计的递推形式，它与高斯—厄米特滤波器(GHF) 相融合，得到适用于带有未知统计特性噪声的非线性系统的高精度自适应滤波器.仿真结果表明，当非线性系统存在一类未知统计特性噪声(系统噪声或测量噪声)时，与扩展卡尔曼滤波器(EKF)、GHF和自适应扩展卡尔曼滤波器(AEKF)相比，AGHF滤波器可显著提高对噪声统计特性和系统状态的估计精度.     

推力矢量防空导弹伺服弹性的抑制

大长径比,低弹性频率的推力矢量控制导弹,由于其喷管摆动形成的惯性力对弹性模态产生激振,使弹体控制中存在伺服弹性问题.为了解决该问题,对摆动喷管控制下的弹性弹体模型进行了分析,针对弹性模态对控制系统的影响途径,提出了双传感器布局及测量信号预综合的方法.在此基础上,基于Steiglitz-McBride系统辨识方法,设计一种自适应噪声抑制滤波器对测得信号中的弹性分量进行处理,取得导弹刚体运动的有用信号.仿真证明该方法有效提高了控制系统对弹体弹性特征变化的适应性.双传感器的使用也增加了测量及滤波系统的可靠性.     

利用神经网络逆控制系统提高 Turbo码译码性能

对Turbo码译码逆模型建立问题,提出使用神经网络结构的非线性滤波器来建立Turbo码译码自适应逆模型.采用最优常系数比例因子统计得到Turbo码期望衰减系数,通过利用期望衰减系数训练神经网络非线性自回归外输入NARX滤波器,建立全局范围内的Turbo码译码逆输入输出映射模型.在线性逆控制系统中采用该自适应逆模型,与非线性逆控制结构的自适应逆控制系统相比,具有系统结构简单、运算量小等特点.仿真结果表明在信噪比大于0?dB时,该自适应逆模型算法收敛迅速、稳定,计算误差保持在较小的范围之内.自适应逆译码模型从译码机理角度提供了一种改善译码性能的新途径.     

Freeman链码在CCD输出信号处理中的应用

测量信号噪声数据的处理是仪器仪表设计和生产的必要内容,采用解析几何或者傅立叶变换得到特征频谱来判断一段离散数据曲线上的噪声大小,运算复杂.通过对Freeman方向链码的分析,提出利用Freeman方向链码判断一段曲线上的噪声程度,量化后作为平滑窗口尺寸选择的依据,并在处理线阵CCD输出信号中与固定窗口曲线平滑及FFT数字滤波器进行了比较,证明了其可行性.Freeman链码的应用简化了在单片机编程中使用数字滤波器的大模块的编程,降低编程难度,同时使信号噪声的处理仅仅在数学运算阶段,不引入其他的电路噪声,比以前增加电子元件完成信号处理的方法能更好地抑制噪声.     

基于数字滤波器的伺服系统谐振抑制方法

针对飞行仿真伺服系统(转台)中存在的机械谐振问题,在分析传统陷波器及二阶低通滤波器谐振抑制原理的基础上,提出了一种双二次谐振抑制数字滤波器.该双二次型数字滤波器结合了传统陷波器和二阶低通滤波器的特点,能够将谐振点和反谐振点同时抑制.通过理论分析与仿真验证相结合的方式,阐述了该双二次型数字滤波器能够同时抑制正反谐振点的原理,并将该滤波器加入到了转台系统中进行实验.实验结果表明,所设计的滤波器在提高跟踪精度的同时有效拓宽了系统的带宽.      

运载火箭飞行振动信号盲源分离方法

针对振动信号在火箭复杂结构传播过程中产生强卷积效应导致振动源信号提取精度低的难题,研究了一种基于卷积盲源分离的火箭振动信号自适应提取方法。该方法基于振动源之间的独立性,建立四阶统计量的目标函数,并采用随机梯度法实现参数的自适应更新,优化建立火箭复杂结构系统的逆滤波器结构,进而得到原始的振动源信号。通过对某运载火箭发动机的高频振动数据进行分析,结果表明：相比于线性自适应盲源分离方法、非线性自适应盲源分离方法,卷积自适应盲源分离由于考虑了实际中的卷积效应和欠定情况,分离结果中能够明显找到与涡轮转动和燃烧对应的频率,以及一些宽频激励,验证了提出方法的有效性。     

航天器天文导航模糊自适应卡尔曼滤波研究

星光折射间接敏感地平的自主天文导航方法能够获得很高的导航精度,但由于大气密度模型时空分辨率不高,这种方法所敏感的地平有可能出现较大的瞬时误差,从而导致导航滤波器精度降低,有时甚至发散.为了解决这一问题,提出将模糊推理系统应用于自主天文导航,研究基于Unscented卡尔曼滤波的模糊自适应算法,使导航滤波器在观测值异常时具有一定的自适应能力.计算机仿真结果验证了该方法的有效性.      

MEMS陀螺仪随机漂移仿真和试验

为了提高使用精度,研究了某微机电系统(MEMS,Micro Electro Mechanical System)陀螺仪的随机漂移模型.应用时间序列分析方法对经过预处理的陀螺仪量测数据进行建模,提出采用状态扩增法设计Kalman滤波器.进行速率试验和摇摆试验,验证了在静态和恒定角速率条件下,滤波后的误差均值和标准差分别为滤波前的55%和12%.针对在摇摆运动时随着振幅的增加滤波效果下降的问题,设计了自适应Kalman滤波器,分析了衰减因子的选取原则.仿真结果表明:常值衰减因子法和自适应衰减因子法都能显著改善摇摆运动时的滤波效果,而自适应衰减因子法的精度更高.     

一种基于自适应滤波的GPS滚转角估计方法

全球定位系统（GPS）测姿技术主要是利用GPS载波相位和信号功率2种方法，但是测量信息单一且独立，针对旋转载体的测姿问题，提出一种基于自适应滤波的GPS滚转角估计方法，通过融合GPS接收机天线信号功率和多普勒频率信息测量载体滚转角和滚转角速度。利用当前统计模型对滚转角和滚转角速度测量进行系统建模，根据滚转角预测估计值选取量测量，并提出自适应滤波，采用滚转角加速度估计自适应滤波算法，实现了对系统噪声方差阵的自适应调整，避免了滚转角加速度最值的选取问题，降低了噪声的影响。通过仿真验证了基于自适应滤波的GPS滚转角估计方法的可行性，结果表明该方法的测量精度高于无迹卡尔曼滤波（UKF）。      

非线性量测下自适应噪声协方差PHD滤波

概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自适应噪声协方差多目标跟踪算法。该算法以PHD滤波为基础,采用容积卡尔曼(CK)技术近似非线性量测模型,利用逆威沙特(IW)分布描述量测噪声协方差分布,通过变分贝叶斯(VB)近似技术迭代估计量测噪声协方差和多目标状态联合后验密度。仿真结果表明,本文所提算法可有效估计量测噪声协方差,同时实现准确的目标数和目标状态估计。     

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.      

伪距波动原因中的星体多径因素排除

针对卫星可视弧段内伪距测量异常波动现象，从信号质量监测角度研究了卫星可视弧段内导航信号测距偏差变化问题，确认伪距波动是否由星体多径引起.利用大口径天线跟踪北斗卫星，采用两套采集设备实现了卫星可视弧段内的B1频点信号多次高载噪比采集，根据基于参考波形的测距偏差估计方法分别处理多组采集数据，获得了不同仰角上的测距偏差.在一个仰角下的采集数据，当滤波器带宽远远大于信号带宽时，采样率与下变频器均不同的两套采集设备获得的测距偏差相同，且测距偏差均与相关间距及滤波器带宽有关，但当滤波器带宽超过15MHz后，测距偏差的差异可以忽略.比较不同仰角下的测距偏差，在卫星可视弧段内测距偏差变化很小，因此认为星体多径引起卫星可视弧段内信号质量的变化不是伪距测量异常波动的原因.      

基于并行模型自适应滤波的空间目标相对位姿估计

摘要： 扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.     

GPS/INS超紧组合载波跟踪环路最优带宽在线设计

在全球定位系统和惯性导航系统组成的超紧耦合系统中,卫星信号的跟踪性能直接取决于载波跟踪环路的带宽。为提高最优带宽的计算精度,在对惯导辅助下载波跟踪环路跟踪特性进行分析的基础上,详细推导了载波多普勒频率估计误差、多普勒频率变化率估计误差的计算方式,建立了惯导辅助下的环路跟踪误差模型;在实时估计跟踪载噪比的基础上,应用离散牛顿二阶梯度法迭代解算最优带宽,并进行实时调整。仿真结果表明,所设计最优带宽迭代解算方法的计算精度能够在11次迭代内达到99.6%,以此作为环路的带宽,能够在弱信号、辅助信息精度较低的情况下有效提高环路的跟踪精度。     

衰减因子自适应滤波及在组合导航中的应用

从卡尔曼滤波技术的稳定性出发,分析了卡尔曼滤波算法发散的原因,提出了一组衰减记忆卡尔曼滤波中衰减因子的自适应估计方法,并在GPS/SINS组合导航系统中进行了计算机仿真.在计算衰减因子时,利用滤波残差序列在最优估计时为零均值白噪声的性质,构造了服从χ2分布的变量,并分别检验滤波残差每一个分量得出衰减因子值.仿真结果表明,该组算法能够自适应地估计出衰减因子的大小,有效地抑制滤波发散,且计算量较其它方法小.      

基于自适应联邦滤波的卫星姿态确定

卡尔曼滤波采用常值量测噪声协方差阵,当量测噪声统计特性发生变化时,易导致估计误差增大,甚至滤波发散。针对该问题,在联邦卡尔曼滤波子系统中采用自适应卡尔曼滤波,形成自适应联邦卡尔曼滤波算法,新算法采用模糊推理系统实时调整量测噪声协方差阵的加权系数,使模型量测噪声逐渐逼近真实噪声水平。将该算法应用于多传感器卫星姿态确定系统,仿真结果验证了算法的有效性。