Adaptive cubature Kalman filter with the estimation of correlation between multiplicative noise and additive measurement noise

Mobile robots are often subject to multiplicative noise in the target tracking tasks, where the multiplicative measurement noise is correlated with additive measurement noise. In this paper,first, a correlation multiplicative measurement noise model is established. It is able to more accurately represent the measurement error caused by the distance sensor dependence state. Then, the estimated performance mismatch problem of Cubature Kalman Filter(CKF) under multiplicative noise is analyzed. An i...     

Modified Grid Algorithm for Noisy All-Sky Autonomous Star Identification

Grid algorithm is a classical algorithm for all-sky autonomous star identification. However its recognition rate decreases rapidly when the position and magnitude noise increases in the star image. In order to overcome this problem, a modified grid algorithm called the "elastic gray grid algorithm" is proposed. Gray pattern and elastic template matching are introduced into the grid algorithm to enhance its ability to tolerate the position and magnitude noise. Experimental results show that the modified grid algorithm performs better compared with the original one. The elastic gray grid algorithm reached up to a 100% recognition rate under random positional noise in our test bed. Furthermore it increases the original recognition rate from 69.86% to 97%, under the same condition, for both the position and the magnitude noise.     

一种航空噪声背景下的语音增强方法

依据航空噪声的频谱特性，提出将自适应滤波算法与改进的谱减法相级联的方法来增强语音。在强航空噪声背景下，处理后的语音不仅信噪比得到了很大提高，而且在有效抑制背景噪声和音乐噪声的同时，其清晰度和可懂度也得到了很大的改善。     

用于雷达方位超分辨的约束迭代Tikhonov正则化算法

针对Tikhonov正则化算法噪声适应能力差和不便于引进额外的约束对解进行限制等缺点,利用迭代Tik-honov正则化算法对雷达方位超分辨进行研究,证明了迭代Tikhonov正则化反卷积公式的收敛性,分析了迭代Tik-honov正则化算法的频域性质,在存在噪声的情况下,提出相应的噪声抑制方法,得到约束迭代Tikhonov正则化算法。针对不同信噪比情况进行了计算机仿真实验,结果表明,与迭代Tikhonov正则化算法相比,约束迭代Tikhonov正则化算法具有较强的噪声适应能力,与常用的约束迭代方法（CID）算法相比,具有较快的收敛速度,初步验证了算法的有效性。     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导，针对无人机与非合作目标间中远距离的相对导航问题，提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上，为了提高精度和稳定性，本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进，提出了一种LM-IEKF算法，并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上，考虑到距离传感器由于信号相关特性而引入的乘性噪声，现有的加性噪声模型难以适应，因此，进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法，通过在线实时更新噪声阵提高滤波的精度，并设置渐消记忆指数平滑估计结果。算法验证结果表明，与现有的EKF、IEKF算法相比，在仅含加性噪声的情况下，LM-IEKF算法具有更好的性能；在包含乘性噪声的情况下，Modified LM-IEKF可以有效地估计量测噪声，与目前广泛使用的EKF算法相比，在综合相对位置和相对速度精度上分别提高了10%和23%。     

A nonlinear IMM algorithm for maneuvering target tracking

In target tracking, the measurement noise is usually assumed to be Gaussian. However, the Gaussian modeling of the noise may not be true. Noise can be non-Gaussian. The non-Gaussian noise arising in a radar system is known as glint noise. The distribution of glint noise is long tailed and will seriously affect the tracking performance. We develop a new algorithm that can effectively track a maneuvering target in the glint environment The algorithm incorporates the nonlinear Masreliez filter into the interactive multiple model (IMM) method. Simulations demonstrate the superiority of the new algorithm     

大型客机前起落架气动噪声源三维阵列识别技术研究

起落架噪声作为现代大型飞机机体噪声在起降阶段的主要贡献成分,其噪声机理较为复杂,涉及到钝体湍流涡脱落噪声、腔体部件空腔噪声以及起落架舱腔体与支柱柱体之间的非线性耦合噪声。由于起落架中存在复杂的三维流场以及声波的反射和绕射会产生噪声,而二维麦克风阵列在垂向的分辨率较差,无法获得声源完整且准确的三维空间分布信息,因此采用三维麦克风阵列技术对起落架噪声进行研究。使用3D Beamforming算法(波束成形算法)和3D CLEAN-SC算法(空间相干的洁净算法)结合同步测量和非同步测量的方式实现了对模拟信号和实际测量数据所得频谱中特定的离散声进行声源识别定位,并在北航D5低速风洞进行开口段气动噪声实验,以1/2缩比的LAGOON起落架为研究对象,在过顶和流向方向布置两组平面阵列,构成三维阵列进行同步和非同步的噪声测量,确定了起落架中主要噪声源的位置,对认知噪声机理提供了新的借鉴和思考。     

自适应消噪与轴承故障诊断

本文采用自适应消噪技术来提高轴承振动信号的信噪比,在常用的 LMS (widrow)算法的基础上,讨论收敛快而计算量增加又较少的 VS (Variable Step)算法,分析表明 VS算法较LMS算法更适于自适应消噪在机械故障诊断中的应用。对故障轴承的振动信号进行同态自适应消噪处理和异态自适应消噪处理,都有助于发现轴承的故障。      

外测数据处理中小波滤波的鲁棒性算法研究

为消除外测数据处理中异常值和噪声信号对处理结果的影响,结合数据处理的实际,给出一种基于小波变换的鲁棒性滤波算法。首先用移动中值滤波算法剔除原始数据中的异常值,然后采用小波系数去噪算法并结合经验维纳阈值滤波算法,抑制数据中的噪声。仿真计算及实际工程应用表明,该算法在保留特征段及有用信息的同时,有效地剔除了异常值,抑制了噪声,具有很好的鲁棒性。     

利用分数低阶空时矩阵进行冲击噪声环境下的DOA估计

研究冲击噪声环境下的信号DOA估计问题。在对称α稳定(SαS: Symmetric α-stable)分布冲击噪声假设下,定义了一个阵列接收数据的广义分数低阶空时矩阵。理论分析表明,对广义分数低阶空时矩阵进行奇异值分解可获得噪声子空间估计。与信号空间DOA估计技术相结合,提出一种新的基于信号空间分解的DOA估计算法。该算法在低信噪比下对强冲击噪声具有更好的抑制作用。计算机仿真证明了算法的有效性。     

未知测量噪声分布下的多目标跟踪算法

 粒子概率假设密度滤波(SMC-PHDF)在进行粒子更新时需要知道测量噪声的概率分布以计算似然函数,这使得SMC-PHDF依赖于测量噪声的概率模型。针对这一点不足,提出一种未知测量噪声分布下的多目标跟踪算法——基于风险评估的概率假设密度滤波(RE-PHDF)。该算法在SMC-PHDF进行概率假设密度(PHD)粒子更新时采用风险函数计算每个PHD粒子的风险值,并通过一个风险评估函数评估每个PHD粒子,然后用评估后的结果更新粒子的权值。由于粒子更新时避免了在多维测量空间中计算似然函数,算法不仅不依赖于测量噪声的概率分布,还可以节省大量计算时间。仿真结果表明：和SMC-PHDF相比,RE-PHDF在未知的复杂测量噪声环境下具有更高的鲁棒性和稳定性;同时,在两种算法跟踪精度接近的情况下,所提算法节省了50%的运行时间。     

双轴连续旋转调制捷联惯导系统大失准角初始对准技术

由于可以补偿惯性器件在三个轴向上的输出误差，双轴旋转调制技术被广泛应用于捷联惯导系统(SINS)。选择了一种合理且实用的十六次序双轴转位方案，并对其调制原理和误差进行了分析。初始对准技术是捷联惯导系统的一项重要技术，其对准精度直接决定了后续导航的精度。在粗对准完成后，当姿态误差角较大时，后续的精对准误差模型呈非线性特性，故选择了滤波精度高、稳定性强的平方根容积Kalman滤波算法(SCKF)来解决这一问题。考虑到在实际对准过程中，量测噪声的统计特性易发生变化，将SCKF算法与Sage-Husa算法相结合，在传统Sage-Husa SCKF算法的基础上提出了一种改进的自适应滤波算法(ASCKF)。该算法采用QR分解来完成对噪声协方差的平方根矩阵估计，从而避免了传统Sage-Husa SCKF算法中所估噪声协方差矩阵不正定的问题。最后，通过仿真证实了ASCKF算法可被很好地应用于量测噪声统计特性发生变化的初始对准中。     

基于带有事件触发机制的集员滤波的RSSI室内移动定位

在室内移动定位系统中,由于待定位节点易受统计特性未知的噪声干扰影响,采用Kalman滤波和粒子滤波等经典的噪声抑制方法,已无法有效满足室内定位精度不断提升的要求。针对这一问题,提出了一种基于事件触发的集员滤波室内移动定位算法。首先,针对基于接收信号强度指数(RSSI)测距误差导致传统三边定位算法无法获取可行解的问题,提出了一种椭圆三边定位算法;其次,考虑待定位节点的移动性,为了提高定位精度,提出了一种锚节点自主切换算法;最后,针对噪声统计特性未知的情形,考虑使用带有事件触发机制的集员滤波算法来估计待定位节点位置。通过仿真实验验证了所提方法的有效性。     

A recursive multiple model approach to noise identification

Correct knowledge of noise statistics is essential for an estimator or controller to have reliable performance. In practice, however, the noise statistics are unknown or not known perfectly and thus need to be identified. Previous work on noise identification is limited to stationary noise and noise with slowly varying statistics only. An approach is presented here that is valid for nonstationary noise with rapidly or slowly varying statistics as well as stationary noise. This approach is based on the estimation with multiple hybrid system models. As one of the most cost-effective estimation schemes for hybrid system, the interacting multiple model (IMM) algorithm is used in this approach. The IMM algorithm has two desirable properties: it is recursive and has fixed computational requirements per cycle. The proposed approach is evaluated via a number of representative examples by both Monte Carlo simulations and a nonsimulation technique of performance prediction developed by the authors recently. The application of the proposed approach to failure detection is also illustrated     

Collapsing losses of peak signal integrators

Collapsing losses are computed for systems in which the peak return of K samples of noise plus one sample of signal-plus-noise are integrated over N looks. The statistical approach, collapsing losses, and an application are described. The peak integrator is found to have substantially lower collapsing losses than conventional systems in which the average, not the peak, is integrated     

改进遗传模拟退火算法的航迹规划方法研究

建立了基于真实地形数据和火力威胁区的航迹规划空间模型,结合具有概率突跳特性的模拟退火和群体并行搜索的遗传算法的特点,提出了一种改进遗传模拟退火算法的飞行器航迹规划方法。使用该算法对飞行器的攻击航迹在数字地图下进行了仿真验证,结果表明该方法是一种有效的航迹规划方法。     

基于比例归一化LMS算法次级通道模型辨识

将主动噪声控制技术应用于地铁通风隧道的噪声控制上，其应用效果在很大程度上取决于信号处理的实时性。在保证控制算法收敛的基础上，要求算法收敛速度尽可能快，以确保对声波变化的准确跟踪，据此产生匹配的振幅相等、相位相反的次级声信号，进而对噪声进行控制。利用比例思想对LMS算法进行改进，为小系数配上小的步长因子，为大系数配上较大的步长因子。最后，将其应用在地铁通风隧道的次级声通道模型的辨识上，并与常用的LMS算法在收敛速度、稳态失调性能上做出比较。数值分析结果表明，采用改进后的LMS算法能够有效地加快算法收敛，改善算法的稳态失调性能。     

Normalized LMS Algorithm Degradation Due to Estimation Noise

The steady-state weight vector derived by either the least mean square (LMS) or normalized least mean square (NLMS) algorithms has random deviations from the optimum values. These deviations increase the steady-state residue power. A previous paper derived the LMS weight noise effects for a multiple sidelobe canceller (MSLC) application. This paper describes the NLMS weight noise effects. It is shown that for a thermal noise environment, the weight noise effect for the LMS algorithm is insignificant but is quite significant for the NLMS algorithm. Calculations for example noise plus interference environments imply that the NLMS weight noise effects are always larger than that for LMS.     

一种改进的LMS算法及其在自适应消噪中的应用

介绍了一种改进的LMS自适应滤波算法及其在自适应噪声对消中的应用。该算法利用误差信号的相关值去调节步长,解决了算法收敛时间与稳态误差间的矛盾,为实际应用提供了更大的灵活性。它同时实现了均方误差小和收敛速度快,并且降低了LMS算法对噪声的敏感性。文中最后给出了仿真结果,仿真结果与理论分析是一致的。     

基于零均值特性的箕舌线变步长 LMS算法

针对基于箕舌线变步长LMS算法步长更新公式易受噪声干扰的问题，根据高斯自噪声的零均值特性，提出基于零均值特性的箕舌线变步长LMS算法，使算法的抗噪声干扰能力增强。若2算法选取相同参数α、β，则基于零均值特性的箕舌线变步长LMS算法相对于箕舌线变步长LMS算法具有小的稳态误差。在保证算法收敛的条件下，基于零均值特性的箕舌线变步长LMS算法相对箕舌线变步长LMS算法具有较快的收敛速度。