Rao-Blackwellized粒子概率假设密度滤波算法

针对多目标跟踪（MTT）,提出一种新的基于随机集的滤波算法,称为Rao-Blackwellized粒子概率假设密度滤波算法（RBP-PHDF）。算法运用Rao-Blackwellized思想,通过挖掘分析“混合线性/非线性模型”的结构,采用序列蒙特卡罗（SMC）方法预测与估计概率假设密度（PHD）迭代式中各个目标的非线性状态,并利用非线性状态粒子中包含的信息,使用卡尔曼滤波器（KF）对线性状态进行预测与估计。以更好地估计PHD进而提高各目标状态估计精度。分析与MTT仿真的结果表明,在相同的仿真条件下,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,RBP-PHDF在降低粒子维数、减少计算量的同时,有效提升了估计精度。     

组合导航系统故障检测方法研究

针对组合导航系统的故障检测问题,提出了一种基于自适应加权和卡尔曼滤波相结合的自适应滤波新方法。它不仅可以检测出系统故障,而且可以对故障大小进行跟踪估计,同时可以对故障进行具体定位。仿真表明,该方法能够快速有效地对组合导航系统的故障进行检测和隔离,计算速度快,实时性好,可以很好地保证组合导航系统的安全可靠性。     

GPS抗干扰接收机空时二维自适应滤波算法的FPGA实现

传统的抗干扰接收机存在自由度有限、抗多径干扰能力弱等不足。针对这些不足,有人提出了空-时二维自适应滤波(STAP)算法。文章介绍了空-时二维自适应抗干扰算法的性能、特点以及Matlab仿真和FPGA实现情况。文章没有使用通常使用的多级维纳嵌套(MSNWF)逼近方法,而是尝试采用矩阵直接求逆的方法来求出自适应系数。通过仿真和实测,此方法达到了较好的效果。文章的研究成果对通信对抗、雷达对抗都有重要的参考价值。     

应用气动力修正技术的静气动 弹性发散计算

将气动力修正技术应用于静气动弹性发散计算与分析中.根据三维翼面定常气动压力分布数据,获取压力修正因子以及下洗修正因子,对基于平面偶极子格网法的定常气动力影响系数矩阵进行压力修正和下洗修正,并采用模态法对某翼面进行静气动弹性发散的计算.结果表明:由于三维翼面定常气动压力分布的气动力中心与偶极子格网法的气动力中心相比更靠近前缘,因此压力修正和下洗修正后的翼面发散速度较修正前均有所降低.      

基于像素间孤波的图像处理模型分析

通过对数字图像像素栅格之间非线性影响的研究,建立了像素间非线性影响的一维和二维时间演化方程模型,通过对方程模型的分析可知图像在空间上是离散的,图像像素之间的作用关系是非线性连续的,且方程具有解析性的孤波解.模型重点研究像素孤波的两个孤波之间的相互作用,给出了像素孤波的二孤波解,利用像素孤波的相互作用来研究模型的性能,发现像素孤波相互作用后仍能保持自身性质不变,因此可用像素孤波代替像素本身.同时发现像素孤波在相互作用时其幅值是两者的非线性叠加,可以作为影响的结果;并且像素孤波相互作用时其相位会发生特定的改变,可以将其映射为像素之间相互影响的方向信息.通过实验表明,模型可以用在图像滤波中,平滑度并不最优但是图像细节得到更多保留.      

最大相关熵准则自适应滤波器的分数阶长算法

对自适应滤波器最佳阶长的准确估计可以有效平衡自适应算法的稳态性能与计算复杂度,而基于最小均方差(MMSE)准则的变阶长最小均方(LMS)算法在非高斯噪声环境下的收敛性能变差。针对这一问题,提出一种最大相关熵准则(MCC)自适应滤波器的分数阶长(FT)算法——FT-MCC算法。该算法从MCC自适应滤波器最佳阶长的定义出发,利用不同阶长滤波器产生的相关熵之差实现阶长更新。理论分析和实验表明:相比现有变阶长最小均方算法,FT-MCC算法在非高斯噪声环境中具有较强的鲁棒性;通过恰当的参数选择,算法可较好地实现对最佳阶长的跟踪和估计。      

基于IRAPF算法的航天器姿态确定

针对航天器姿态确定系统中存在较大初始误差及非线性较强的问题,提出了一种基于改进的正则化辅助粒子滤波（IRAPF）算法的航天器姿态确定方法。该算法将正则粒子滤波（RPF）与辅助粒子滤波（APF）相结合,将快速高斯变换（FGT）方法引入其中以减少计算量提高滤波的收敛速度。算法不仅有效地抑制了粒子退化问题,而且利用最新观测粒子来优化采样,并且在引入FGT后计算量与正则化的辅助粒子滤波相比降低了30%,改善了滤波的实时性。仿真结果表明了滤波的有效性。     

多普勒盲区条件下的改进粒子滤波跟踪算法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,提出了一种基于多假设运动模型的改进粒子滤波跟踪方法。该方法根据多普勒盲区对目标状态的约束形成多个可能的运动模型,粒子在每个模型下再进行带有状态约束的更新,当新出现的量测值落入任何一个运动模型形成的粒子云内,则航迹关联成功。仿真结果表明,该算法在不同盲区范围条件下,针对不同机动能力的目标均具有较高的航迹关联率,能够实现目标的连续跟踪。     

利用分步Kalman滤波器的自主定轨信息融合算法

将星敏感器/红外地平仪的天文定轨信息与星间观测进行信息融合是消除基于星间链路自主定轨中星座整体旋转问题的有效途径。针对两种定轨方法精度相差较大导致融合效果较差的问题,提出了一种分步 Kalman 滤波算法。该算法利用星敏感器观测信息能够有效修正旋转参数的特点,将星敏感器观测信息和星间观测信息进行分步处理和最优信息融合以消除自主定轨算法中存在的星座整体旋转误差,提高定轨精度。通过对Walker星座的仿真表明,利用提出的分步Kalman滤波信息融合算法,星座自主定轨60天后星座URE误差能够稳定在 1.5米 以内,且能有效消除星座整体旋转误差。     

基于插值DFT的弹体弹性自适应陷波方法

针对现代导弹弹性频率低、频率不确定范围大,传统陷波方法会造成严重相位滞后的问题,提出一种基于插值离散傅立叶变换（IpDFT）的自适应陷波方法。该方法利用修正Jacobsen方法辨识、跟踪测量信号中弹性模态的频率,并调整陷波器的中心频率来实现自适应陷波。该估计器频率辨识精度接近克拉美罗下界（CRLB）,弹性幅值变化对辨识精度的影响很小。仿真对比表明,该方法灵敏度高、辨识快、相位延迟小、弹性抑制效果好。与固定参数陷波器相比,相位滞后从29.4°减小到11.86°;与一类用自适应陷波器频率辨识方法相比,辨识时间从2s减少到0.25s,弹性振动幅值峰值为其10%。