一种基于多项式函数的VSSNLMS算法

为了改善现有变步长NLMS自适应算法存在的步长调节参数较多、不易调节、对噪声较为敏感的缺点,综合已有的变步长算法提出一种基于多项式函数的变步长归一化LMS(VSSNLMS)算法。理论分析和仿真结果表明,新算法在低信噪比条件下具有较快的收敛速度和较小的稳态误差,而且参数调节简单,适用于不同的输入信号带宽。新算法相比其他同类算法实时计算量小,具有很好的工程实用价值。     

卫星高速宽带数传系统的变步长LMS均衡算法研究

对码间干扰实现快速有效的均衡是卫星高速宽带数字传输的关键之一,针对S型函数(Sigmoid函数和双曲正切函数)变步长LMS均衡算法在误差e(n)接近零处μ(n)变化大的缺陷及算法复杂度高的问题,提出了一种改进的变步长LMS自适应均衡算法.算法通过简化步长更新式的复杂度,增加误差信息量,优化改进的S型函数结构,建立了新的步长因子μ(n)与误差函数e(n)非线性关系,使算法误差接近零处步长因子变化平滑缓慢,消除不相关噪声序列的影响,且算法复杂度比其它同类改进算法小.仿真结果表明新算法性能优于其它改进算法.文中给出了卫星高速宽带数字传输系统的仿真模型,将新算法应用到系统模型的白适应均衡器中,系统误码性能得到较大改善.     

基于DCT变换的变步长LMS自适应收发隔离算法

将变换域LMS算法和变步长LMS算法相结合 ,提出了一种基于DCT变换的变步长LMS自适应算法 ,从而有效地降低了输入信号自相关矩阵特征值的分散程度 ,并且克服了固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾 ,达到了改善干扰机接收信号信干比的目的。计算机仿真结果表明该算法具有更快的收敛速度和更小的权失调噪声 ,可以很好地应用于自适应收发隔离系统     

基于特征空间的自适应波束形成算法

讨论了常规自适应旁瓣对消算法(LCMVB)和基于特征空间的技术。探论了一种新的自适应天线旁瓣相消算法。该算法把常规自适应天线相消法的权矢量向信号子空间投影,减小了噪声子空间对权矢量的影响。与LCMVB算法相比,该算法具有更好的干扰对消能力。仿真证明了算法的有效性。     

一种带自适应因子的IMM-UKF的GPS/BD-2导航方法

针对GPS/北斗-2(BD-2)卫星导航系统中机动载体运动模型和噪声统计特性不确定性导致滤波精度低的问题,为提高导航定位的精确性和稳定性,提出一种自适应的滤波方法。首先,提出了一种新的自适应UKF(AUKF)算法,该方法将残差序列的协方差矩阵视为过程噪声协方差矩阵的不确定量,基于此采用平滑滤波的方法设计自适应因子,并利用该自适应因子实时调整过程噪声协方差矩阵,减弱了噪声统计特性不确定性对滤波精度的影响;其次,采用交互式多模型(IMM)算法设置模型集M,并通过实时调整模型概率来实现各个模型间的软切换,解决了单一模型对载体运动状态描述不全面而导致滤波精度低的问题。仿真结果证明该算法能有效提高载体在复杂机动状态下的定位精度。     

高阶变步长自适应均衡算法及其硬件实现

文章针对卫星高速传输的需求，提出了一种高阶变步长的自适应均衡算法。首先，通过结合高阶自适应和变步长两种均衡算法，使步长因子的大小在一定范围与理论误差呈非线性关系。然后，利用理论误差数据和步长因子的乘积，对滤波器的变量进行更新，并根据更新变量值对滤波器系数进行修正，从而实现对信道的非线性自适应均衡。最后，对所提算法进行了仿真分析，并通过硬件实现进行了性能验证。硬件测试结果表明：与低阶定步长均衡算法相比，该算法可实现2dB~3dB的解调性能的改善，显著提升了系统性能。     

稀疏信号重构的迭代平滑 l0 范数最小化算法

压缩感知理论 (Compressed Sensing, CS) 是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值重构稀疏信号是压缩感知理论中的核心问题。针对稀疏信号的重构问题,提出了迭代平滑l0 范数最小化算法。该算法首先利用上次迭代得到的稀疏解估计部份支撑集I,然后建立并求解基于支撑集I的平滑l0 范数最小化问题,最后对以上两步迭代少数几次得到稀疏解。数值仿真表明,本文所提出的算法重构信号需要测量值数少于已有的算法,且计算速度较快。     

基于空间距离的快速稳健子空间跟踪方法

从空间距离的角度分析子空间跟踪问题,提出了一种新的子空间跟踪算法。提出的算法同时适用于信号和噪声子空间跟踪,而复杂度仅为3NL+O(N)。仿真表明算法对基的正交偏离稳健,对舍入误差不敏感,是一种快速稳健的子空间跟踪算法。     

基于线性正则变换的LMS自适应滤波

线性正则变换是一种有用的信号处理工具,它是Fourier变换、分数阶Fourier变换的推广形式,在多分量情况下不像Wigner-Ville分布那样受到交叉项的影响。首先介绍线性正则变换的定义,然后分析基于线性正则变换的chirp信号参数监测与估计,并在此基础上提出一种基于线性正则变换的LMS自适应滤波算法,最后通过仿真验证算法的可行性。实验结果表明,这种方法在低信噪比的情况下能够有效地检测出信号。另外,如果在自适应过程中采用变步长,则可以加快收敛速度,显著地减少运算量。     

基于变邻域变步长LMS背景预测检测红外小目标

在分析强起伏背景信号的基础上,利用背景局部信号统计特征和目标运动特性,提出了一种基于变邻域变步长LMS自适应背景预测的红外弱小目标检测方法.首先将两类背景交界处像素的邻点按最大类间平均离差准则分成两类,和中心像素点相近的一类构成预测邻域,而背景内部区域采用固定预测邻域;然后提出了一种改进的变步长LMS自适应算法,在所得预测域上进行背景预测,由实际值和预测值相减得到残差图像;最后采用二维Tsallis-Havrela-Charvat熵阈值选取方法对残差图像进行分割,并根据目标运动的连续性和一致性确认真实小目标.针对实际红外图像序列的实验结果表明:该算法能有效地抑制强起伏杂波,增强目标能量,降低虚警率,对强起伏背景下弱小目标具有很好的检测性能.     

一种单子样旋转矢量姿态算法

旋转矢量姿态算法可有效抑制高动态环境下捷联惯导系统(SINS)产生的圆锥误差。当 直接应用多子样旋转矢量姿态算法时,会降低系统姿态更新频率;若要保持姿态更新频率, 则需要提高采样频率,从而增加了导航计算机的硬件负担,并导致量化误差突出。针对上述 不足,提出了一种利用当前及前N个姿态更新周期角增量的单子样旋转矢量姿态算 法,并在典型圆锥运动条件下推导了算法补偿项系数。此外,由于陀螺输出经过数字滤波处 理后其幅频特性的改变会影响圆锥误差的补偿效果,根据滤波器特性推导了单子样旋 转矢量姿态算法的修正算法,以便于在工程中推广应用。该算法在不降低姿态更新频率 的同时,可获得较高的解算精度,适于高动态环境应用,实验结果验证了上述算法的正确性 和有效性。
     

基于互相关向量估计的自适应盲均衡算法

基于互相关估计的盲MMSE均衡算法以批处理方式估计信道输出向量和信道输入信号之间不同延时的互相关向量,得到MMSE均衡器系数。由于涉及到大型矩阵乘积,若在线实现,计算量较大。根据该算法对信道阶数过估计不敏感特性,推导出基于互相关向量估计的盲MMSE均衡的自适应实现算法。自适应算法将矩阵和矩阵相乘转换为矩阵和向量的相乘,大大减少了均衡系数更新计算量,计算量仅为O(K2)(K为矩阵维数)。仿真结果显示自适应算法的收敛性能远远优于目前存在的自适应算法。     

一种地理系下基于伪线性模型的捷联惯导算法

针对传统捷联惯导算法模型为非线性,需要对姿态、速度和位置分步运算,且高动态下算法精度较低的问题,提出一种地理系下基于伪线性模型的捷联惯导算法。利用伪线性模型及其分析方法,将传统的地理系下捷联惯导方程各部分转换成伪线性形式,定义导航向量并建立其系统模型;再利用高阶数值积分算法提升导航向量更新精度,得到地理系下基于伪线性模型的捷联惯导算法。最后,用仿真评估算法精度,与传统捷联惯导算法相比,大机动条件仿真中伪线性捷联惯导算法的精度提升了两个量级;旋转弹飞行仿真中导航误差不到传统算法的1/5。提出的伪线性捷联惯导算法结构简单,采用一个更新回路即可完成导航向量更新,且在高动态大机动条件下具有更高的算法精度,因此,对于捷联惯导算法研究与工程应用有一定的参考价值。     

一种步长为对角阵的正交数据投影算法

针对传统子空间跟踪算法正交性和稳定性差的问题,基于数据投影算法(DPM),提出了一种步长为对角阵的正交DPM算法。算法运算复杂度较低,能提供标准正交的子空间,运行时无累积性误差;采用"自适应"而非固定搜索步长,能更好地匹配子空间的动态收敛速度,可进一步提高收敛速率并具有更佳的跟踪性能。仿真结果证明了新算法的有效性和正确性。     

一种基于非圆相干信号的波束成形算法

空间平滑是一种传统去相干算法,此算法是基于圆信号提出的,同时存在孔径损耗问题。针对非圆相干信号,提出了一种全阵加权扩展空间平滑波束成形算法。首先将扩展空间平滑的子阵分解思想引入波束成形算法中,从理论上证明了算法的去相干特性,并通过分析证明了算法比传统空间平滑算法在可适用信源数上的提高。为了更好地去除期望信号与干扰间的相干性,利用虚拟波束得到权值对子阵进行加权。最后设计了一种转换矩阵,可将子阵波束权矢量扩展至全阵波束权矢量,从而避免了扩展空间平滑带来的孔径损耗问题。仿真结果表明了算法的可行性及优越性。     

基于FFDiag算法的变步长盲信号分离

基于快速Frobenius联合近似对角化（FFDiag）算法,提出了一种步长根据代价函数值大小变化的更新规则,使对角化的更新幅度随信号分离状态自适应变化。算法步长与信号分离状态相结合,具有收敛速度快和稳态误差小双重优点,仿真结果证实了算法的有效性。     

多子样旋转矢量捷联姿态算法的一般结果

这里给出了任意陀螺子样数下等效旋转矢量捷联姿态算法的一般结果。利用本文给出的公式 ,多子样等效旋转矢量算法可以很方便的由计算机得到 ,无需进行繁琐的推导 ,本文的工作为捷联姿态算法的设计提供了方便性和灵活性     

基于解析梯度的经典Lambert问题迭代求解方法

针对现有求解模型复杂、收敛速度慢等问题,在将经典Lambert转移问题转化为超越方程的基础上,提出一种基于解析梯度的Lambert问题迭代求解算法。选择转移轨道的真近点角为迭代变量,导出转移时间关于真近点角的解析梯度,构造一种基于解析梯度的牛顿迭代算法,降低了算法计算复杂度。理论分析表明该算法具有二阶以上的收敛速度。依据偏心率向量与转移轨道形状的关系,通过几何方法分析得到转移轨道在初始位置处的速度约束条件,推导转移轨道真近点角的最大值和最小值的解析表达式,并采用线性插值方法确定迭代初值,进一步提高了迭代算法的收敛速度。数学仿真结果表明在各种转移条件下算法均能快速收敛,采用所给出的初值选取方法初值确定精度高,进而能够加快收敛速度,而与较割线法相比较收敛速度快、计算量小,验证了所提出算法的有效性。     

基于变步长LMS算法的IMU信号降噪研究

针对遥测系统小型化惯性测量单元惯性敏感元件精度较低,随机噪声较大的情况,研究基于变步长LMS自适应滤波技术的IMU信号实时降噪问题.算法通过实时递推得到失调误差和输入信号的互相关系数估值,利用估值实现算法的变步长控制,克服了固定步长NLMS滤波在收敛速度、跟踪能力和稳态精度之间的矛盾,具有收敛速度快、稳态精度高、动态信...     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。