基于URD的非线性滤波算法

非线性滤波算法一直是个活跃的研究方向,本文引入数论中的均匀随机设计（URD）,提出了一种URD的非线性滤波算法（URD-KF）,用于处理非线性高斯系统的滤波问题,并从理论上分析了该算法的性能。分析表明,该算法的性能要好于Unscented变换方法。仿真结果也证实了该算法的滤波性能优于UK滤波算法,且在相同滤波性能的前提下,该算法的计算代价要小于PF滤波算法。将该算法应用于Bearing—Only跟踪中,实验结果表明,该算法的性能优于PF。     

场信号预处理的扩展视频编码器设计

虽然视频标准中给出了场信号的一些编码方法,但由于宏块划分方式比较多造成运动估计非常耗时,很难得到实际应用.为此,设计了具有运动自适应去隔行预处理功能的扩展视频编码器.该编码器先将场信号处理成逐行信号,之后采用固定帧方式进行编码.在将场信号处理成帧信号时,首先对相同奇、偶性的四场做运动检测,然后对具有不同运动特点的区域采用不同的插值方法得到待插值像素,最后插值场与当前场交织成逐行帧.测试结果表明,该编码器在相同压缩比下能取得与其它编码方法相同的峰值信噪比,编码一帧时间为宏块级帧/场自适应方法的1/3.此外,该编码器能有效地解决场信号在逐行扫描设备上的显示问题.      

OFDM系统的自适应低秩信道估计

为了降低正交频分复用OFDM(Orthogonal Frequency division Multiplexing)系统中最小均方误差MMSE(Minimum Mean Square Error)信道估计算法的复杂度,并且改善由于信道的统计特性与先验知识不匹配而导致的MMSE估计性能恶化,提出了一种自适应的低秩信道估计算法.该算法利用信道的时间平均相关取代统计相关,结合了基于特征值分解的低秩建模,从而近似地实现MMSE估计.借助于子空间跟踪,该算法可以自适应地估计信道相关矩阵的主特征空间及噪声方差,以迭代的方式逼近最优的MMSE估计,而且复杂度较低.进一步分析指出基于信道延时子空间跟踪的估计算法是该算法的一种特例,理论分析和仿真结果均表明这种新算法在低信噪比时可以显著改善信道估计的准确性.      

递推阻尼最小二乘法及其在火控系统中的应用

由于火控系统误差模型未知且稳定性较差,采用Kalman滤波实现滤波时,其滤波特性较差;而此时最小二乘法是实际工程应用中的常用方法,但是容易产生参数爆发现象。文中提出了一种基于多输入-多输出(MI-MO)系统的递推阻尼最小二乘法,将其应用到火控滤波系统中。仿真结果表明,利用递推阻尼最小二乘法能达到递推最小二乘法同样的精度,且能明显抑制参数爆发现象,达到良好的滤波效果。     

神经网络在经济预测中的应用

阐述了针对BP神经网络在经济预测应用中存在的网络学习速度缓慢、计算量大、网络容易陷入局部极小、学习步长需要通过实验由人工来设置和调整等问题,提出将自组织理论、扩展Kalman滤波、模糊算法、小波理论等与神经网络相结合,构成新的网络结构或改进学习算法,以克服BP神经网络自身不足的思路。     

GPS/DR组合系统建模与实现

针对 GPS 在城市单独使用时精度无法得到保障以及 DR 工作的自主性,建立了 GPS/DR组合系统的状态方程与量测方程,并建立组合系统的卡尔曼自适应滤波模型,最后通过跑车试验验证了上述方案的可行性。     

SAR降斑中一种改进的结构检测算法

本文对Lopes等人提出的利用变化系数和比值算子的结构检测算法进行了详细分析，指出在滤波窗口中存在多个结构特征或者线结构的宽度大于一个象素的情况下，原算法可能产生窗口结构检测的错误。文中针对这两个问题进行了相应的改进，提出了一种改进的结构检测算法。通过将改进后的算法应用于实际的SAR（合成孔径雷达）图像数据，验证了对原算法改进的有效性。     

全光纤陀螺信号处理技术研究

采用数字、模拟混合信号处理方法，模拟信号处理主要针对光源驱动、相位调制器(PZT)的控制、相位跟踪、探测器信号的滤波和解调进行，数字信号处理器(DsP)根据模拟解调信号进行Sagnac相移计算、相敏参考信号自动选择，以及大小量程分档控制。此方法可有效发挥模拟、数字信号处理的优点，提高光纤陀螺的总体性能。     

无陀螺卫星姿态的二阶插值非线性滤波估计

采用四元数作为姿态描述参数，提出了一种确定无陀螺卫星姿态的新方法，即二阶插值非线性姿态估计算法，它能够利用星敏感器提供的矢量观测信息准确地估计三轴稳定卫星的姿态。这种姿态估计算法的实现非常简单，其运算量与传统的扩展卡尔曼滤波姿态估计算法相当，但滤波性能却与基于二阶泰勒级数近似得到的非线性姿态估计算法一致。而且，在二阶插值非线性姿态估计算法中，不会遇到由四元数正交约束所造成的协方差阵奇异性问题。     

基于线性均方估计的数据融合理论

提出数据的统一线性融合模型，使测量数据、先验信息和预测信息均用数据的统一融合模型进行描述；提出数据的信息量的概念，指出信息量越大的数据，精度越高；提出和证明了基于统一线性融合模型的数据最优融合定理和信息量分解定理；揭示数据线性融合的本质规律。基于数据融合理论，研究多传感器系统联合Kalman滤波，指出信息量分享系数取值的不同只能够影响对应子系统状态的估计精度，不能够改变全局估计精度，得出与文献[11～15]相反的结论。