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。     

机动目标“当前”统计模型与自适应跟踪算法

本文提出机动目标“当前”统计模型的概念并建议用修正的瑞利-马尔科夫过程描述目标随机加速机动的统计特性。文中指出了在机动目标运动模型中状态（机动加速度）估值与状态噪声之间的内在联系。在此基础上提出了具有机动加速度均值及方差自适应的卡尔曼滤波算法。对一维和三维的情形进行了计算机模拟。计算结果表明,在仅对目标位置进行观测的情况下,这类自适应估值算法无论对高度机动或无机动的目标均可绘出较好的位置、速度及加速度估值。     

基于3DT的空时自适应单脉冲参数估计算法

空时自适应处理(STAP)是机载预警雷达抑制杂波和干扰的一项关键技术,而多普勒三通道联合自适应处理(3DT)是适合工程实现的降维(RD)STAP方法。STAP目标检测后还需进一步估计目标的角度参数,因此将自适应单脉冲(AM)技术引入3DT,提出了一种高精度联合估计目标速度与方位空间角的空时自适应单脉冲算法。理论分析与仿真实验结果表明,当目标多普勒频率偏离检测多普勒单元中心频率时,该算法能同时减少目标多普勒跨越损失和空时导引矢量失配损失,进而提高输出信杂噪比(SCNR),改善目标测角精度。     

一种优化的零速检测行人导航算法

针对军事上对单兵定位和民用领域为行人提供位置服务的需求,提出了足部固定MIMU的行人导航算法.利用人体行走过程中脚部与地面相接触的静止时间段,采用零速更新(ZeroVelocity Update,ZVU)对INS继续对准或标定,而零速检测又是实现零速修正的基础.研究对比了在足部固定MIMU进行零速检测的常用方法,针对常用算法阈值自适应性差,无法检测步速变化转弯等一些异常情况对行人零速检测产生误判等问题,提出优化的零速判断算法,使得加速度计信号和陀螺仪信号综合应用到零速检测.最后,利用改进算法设计行人室内平地正常行走(大约5km/h)包含步速变化和转弯过程的实验.实验结果表明,优化的零速检测算法相比之前的常用算法,能更准确地检测零速并进行修正,对导航轨迹和导航误差有更好的修正效果.     

一种鲁棒混合自适应控制器

 目前,国内外关于对象具有干扰或未建模动态时的混合自适应控制,仍处于探索阶段。由于连续对象混合控制系统在某些方面优于全连续或全离散系统,因而引起了国内外学者的重视。 本文提出一种新的适用于受扰对象的混合自适应律,并且从理论上证明了由这种控制律所构成的自适应控制器具有鲁棒稳定性。     

考虑输入饱和的固定翼无人机自适应增益滑模控制

针对复杂环境下的固定翼无人机飞行控制问题，考虑输入饱和以及复杂外界干扰的影响，提出一种基于自适应滑模控制方法的固定翼无人机飞行控制策略。首先，对固定翼无人机模型进行介绍，将模型分为姿态子系统和速度子系统；其次，针对姿态子系统和速度子系统的特点以及控制需求，分别采用自适应多变量螺旋滑模和自适应快速超螺旋滑模设计姿态控制器和速度控制器，该策略无需设计干扰观测器对外界干扰进行估计，仍然可以实现固定翼无人机对姿态参考指令和速度参考指令的有限时间精确跟踪，并基于Lyapunov的稳定性分析方法证明了闭环系统的稳定性。最后，对本文所提出的控制策略进行了仿真验证，结果表明该控制策略具有良好的控制性能。     

空间三轴激光陀螺高精度抖动剥除算法研究CSCD

激光陀螺的输出信号中包涵外界输入角速度、机械抖动角速度两部分信息,机械抖动角速度是一个叠加了一定噪声的标准正弦振动。针对空间三轴机抖激光陀螺仪,提出了一种高精度的新型正弦抖动信号滤除算法,通过自适应陷波器和有限冲击响应数字滤波器的组合,能极大地衰减激光陀螺仪零偏输出波形中的正弦分量,实现外界输入信号的高精度准确提取。实验结果表明,该抖动剥除算法效果显著,在保证快速响应外界输入的条件下能够实现高精度地提取角速度信号,可有效降低惯性系统的成本和复杂度,进而提高产品质量可靠性,具有很强的工程实用价值。     

Track-While-Scan Algorithm in a Clutter Environment

A track-while scan (TWS) algorithm is developed for targets in a clutter environment. The problem has been studied using only the position measurements [1, 5-8], but the simulation results have not been satisfactory. Modern processing techniques (FFT processor) ) in air traffic control and surveillance radar receivers provide both position and radial velocity. The radial velocity measurement may be conveniently used in the target-track correlation process, which will reduce the association ambiguity in the clutter environment. t. In the clear environment the algorithm using the position and radial velocity measurements has been treated in [3, 4]. A TWS algorithm, using both position and radial velocity measurements for targets in a clutter environment, is presented here. The algorithm obtained is nonlinear and adaptive. In order to evaluate the improvement due to radial velocity measurement a simulation has been performed on a digital computer. The algorithm was run with and without radial velocity measurements to compare its performances. An improvement was noted especially when the target path included an accelerated portion.     

自适应滤波技术的研究

应用常规卡尔曼滤波器(KF)要求知道系统精确的数学模型和系统噪声与量测噪声的统计特性,才能获得理想的滤波效果,否则可能产生发散现象。人们越来越倾向于利用自适应滤波(AKF)技术来解决发散的问题。针对AKF技术的研究现状,本文探讨一种结构简单、实时性较强、工程上比较实用的AKF算法。仿真结果表明,这种算法具有较强的自适应性,为一种实用而有效的滤波方法。     

相控阵主动雷达导引头波形策略

针对高脉冲重复频率脉冲多普勒(HPRF-PD)体制的相控阵主动雷达导引头中存在的距离遮挡问题,设计了一种新的波形选择策略。首先,利用提出的脉冲重复频率(PRF)波形选择策略,离线计算得到距离对应PRF的波形查找表。然后,通过叉积自动频率控制环路滤波(CPAFCLF)算法预估下个相参处理间隔(CPI)导引头与目标间的径向相对速度,并联合提出的基于Sage-Husa带有速度预测的自适应"当前"统计模型(SH-ACSMVP)算法得到的距离跟踪值,获得下个CPI的距离预测值。在跟踪机动目标场景中,相比于"当前"统计(CS)模型跟踪算法及基于"当前"统计模型的自适应无迹卡尔曼滤波(CAUKF)算法,本文算法得到的距离预测误差更小,误差收敛速度更快。根据此距离预测值从波形查找表中选择波形发射,作为下个CPI的发射波形,实现后续跟踪阶段的抗距离遮挡,提高目标跟踪性能。仿真结果表明了本文所设计波形选择策略的正确性及有效性。     

基于Riemann问题的解在自适应无结构网格上求解Euler方程

给出了一种根据 Riemann问题的解 ,计算网格单元边界处的守恒量通量的方法。该方法不受网格单元形状的限制 ,具有较好的通用性。实际计算表明 ,采用这一方法在自适应无结构网格上求解 Euler方程 ,对于复杂的流动细节具有较高的分辨率 ,并且使用多重网格法能够加速收敛     

Modeling and parameter identification of linear time-varying systems based on adaptive chirplet transform under random excitation

In this paper, a time–frequency algorithm based on adaptive chirplet transform for parameter modeling and identification of Linear Time-Varying (LTV) systems under random excitation is presented. It is assumed that the solution of responses of LTV structures is expressed as the sum of multicomponent Linear Frequency Modulated (LFM) signals in a short-time. Then the measured acceleration response is used to perform the adaptive chirplet transform, in which an integral algorithm is employed to reconstruct the velocity and displacement responses. The vibration differential equation with time-varying coefficients is transformed into a simple linear equation. Furthermore, for systems under random excitation, the input–output relation based on correlation function is also derived to estimate the parameters including physicals parameters and instantaneous modal parameters. The full procedure of the method is presented and validated by using simulated responses. The results show that the presented method is accurate and robust for various LTV systems under random excitation.     

基于自适应遗传算法的航迹规划研究

对传统遗传算法进行了改进,通过采用交叉概率和变异概率的自适应设计,避免了进化过程中固定的交叉概率和变异概率产生的个体早熟和收敛缓慢的现象。仿真算例结果表明,自适应遗传算法能够有效地提高遗传算法的全局寻优能力,加快算法的收敛速度,有较强的地形和威胁回避能力,可为低空突防飞行器提供满足战术要求的参考航迹。     

基于新型自适应遗传算法的混合可靠性优化模型

提出一种新型的自适应遗传算法。结合Logistic函数和余弦函数,对交叉、变异算子曲线进行非线性化处理,实现了交叉算子和变异算子的非线性自适应调整。用新算法求解测试函数,结果表明新算法能够提高收敛速度和精确度,有效地跳出局部收敛,避免早熟现象发生。并基于提出的新型自适应遗传算法,研究了截尾随机-模糊-区间变量的混合可靠性模型的优化问题,建立了以混合可靠性指标作为优化约束条件的混合可靠性优化模型。以某型飞机变速箱同步器系统的优化设计为例,验证了该模型在工程应用中的有效性。     

小波域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,首次提出了一种小波域的自适应波束形成算法。与通常的自适应波束形成算法相比,该算法利用小波变换对小波空间进行了分解,信号经小波变换自相关性会下降,收敛速度提高,同时在此分解过程中,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现,而且具有较好性能。同时仿真实验表明该算法收敛速度与小波基和尺度的选择有关,尺度越大收敛速度越快;对于同一小波基系列,小波基的正则性越好收敛速度越快。     

一种新的离散多变量直接自适应控制算法

 <正> 近年来,如何解决自适应控制对于建模误差的鲁棒性问题,以便自适应技术能应用到工程实际中去,是人们最关心的问题之一。本文在Bar-Kana的基础上,针对高阶对象跟踪低阶模型的鲁棒性问题提出了一种新的离散多变量直接鲁棒自适应控制算法,仿真结果满意。     

S形加减速的嵌套式前瞻快速算法

前瞻处理功能是现代数控系统的标志性功能之一,前瞻算法设计直接关系到数控机床的加工效率和运动平稳性。针对目前广泛研究的S形加减速前瞻算法复杂、难以满足实时性要求的问题,从工程实现的角度设计了嵌套式自适应前瞻算法。依据S形加减速曲线的对称性建立了速度规划模型,通过对加速度等效曲线逼近提高了模型求解效率,给出了S形速度规划曲线构造和校验两主要运算阶段的解析解。以连续短直线加工为例,给出了完整的嵌套式快速前瞻算法和实例加工验证。实验结果表明,所提出的算法能获得全局最优运动效率,计算量不足传统方法的30%,结果精确,耗时稳定,能满足现代数控系统甚至是高速高精度数控系统对前瞻处理的实时性要求。给出的解析结果对S形加减速模型的求解有通用意义,可适用于连续短直线、二次曲线以及非均匀有理B样条曲线(NURBS)等参数曲线的S形加减速前瞻速度规划。     

低信噪比图像目标检测技术研究——Ⅰ.数据流程与背景感知

提出了一种将背景区域感知与目标特征分析相结合的自动提取图像目标的层次化数据处理流程;探讨了线性预测估计和非线性均值滤波两种常用背景估计技术和自适应空间滤波的形态学背景感知方法。实验测评表明,形态滤波算法对背景的自适应感知能力强,能真实贴切地反映图像背景的起伏变化规律。     

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%。     

GPS/INS组合导航系统自适应滤波算法与仿真研究

随着组合导航系统应用环境的日趋复杂，给噪声统计特性的准确描述带来困难，这将造成Kalman滤波器不稳定甚至发散。首先对目前解决此问题常用的自适应滤波方法进行了总结和分析，在此基础上，给出了基于滤波收敛性判据，结合Sage-Husa自适应滤波和强跟踪Kalman滤波的改进自适应滤波算法。最后以GPS／INS组合导航系统为例进行了计算机仿真，结果表明：该算法可有效抑制滤波发散，具有较大范围的自适应能力。