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。      

自适应混合信息滤波算法及其在 相对导航中的应用

为解决相对导航模型中线性、非线性并存,及多传感器信息融合时基于Kalman滤波的导航算法计算复杂度较大的问题,提出一种混合信息滤波算法;考虑测量噪声统计特性不准确等工程因素,提出一种自适应混合信息滤波相对导航算法.理论分析及仿真验证表明,与基于Kalman滤波的传统导航算法相比,给出的混合信息滤波算法具有多传感器数据融合时计算复杂度低、便于工程实现的优点,且可以完成线性、非线性并存时的导航滤波任务;除上述特点外,在传感器测量噪声统计特性不准确的情况下,给出的自适应混合信息滤波相对导航算法可以通过自适应调整量测协方差阵的方式,使导航系统仍保持较高的精度.     

双向互选最近邻准则下的多目标TDOA无源定位

为有效解决多目标无源定位中的数据关联难题,提出双向互选最近邻多目标数据关联算法。该算法借鉴全局最近邻思想解决多目标到达时差(TDOA)测量数据关联问题,在设置检测门限对时差测量数据进行关联初选的基础上,将所有目标和初选后数据的关联配对关系进行全局考虑,通过对初选后数据的前后向互选来解决多目标时差测量数据的正确关联问题。该算法在从众多时差测量数据关联配对点中提取真实目标位置的同时,可有效解决时差无源定位中的定位模糊问题,算法模块也可应用到多星测时差、测向-测时差等无源定位系统中。仿真结果表明,该算法能有效解决多目标时差测量数据的关联问题,最终实现对多目标的无源定位。     

基于容积滤波的自适应相对导航算法

针对激光交会雷达测量方程的非线性问题,将容积滤波算法应用于航天器相对导航中;并考虑测量噪声统计特性不准确以及测量信息偏差等工程因素,针对激光交会雷达测量参数类型不同的特点,提出了一种基于容积滤波的自适应相对导航算法。该算法通过自适应调整量测协方差阵,能有效降低统计特性不准确等测量异常给导航系统造成的不利影响。仿真结果表明该自适应导航算法在激光交会雷达测量值存在噪声统计特性不准确等情况下时仍可保持较高的导航精度。     

运载火箭推力调节电机驱动反馈信号滤波方法

在运载火箭推力调节系统中,广泛采用基于电流斩波技术的步进电机驱动电路,电机励磁绕组驱动电压的波形随驱动频率的变化呈现出较大差异的振荡状态。本文提出一种采用变频采样技术和固定滤波窗口方案的均值滞回滤波算法,实现在电机驱动频率[800Hz,3200Hz]范围内对电机驱动反馈信号的鲁棒滤波。试验结果表明,该滤波方法能很好地消除反馈信号的振荡状态,可精确实现反馈信号脉冲计数与测频功能,能可靠地应用于运载火箭推力调节系统的故障诊断与遥测等应用场合。     

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.      

基于平滑滤波与最小二乘支持向量机的指纹图像识别研究

平滑滤波能抑制或消除噪声,获得高质量的图像。建立了完整的指纹识别系统,通过预处理、特征提取和分类识别3个过程,实现了指纹的分类识别;研究了预处理过程中的滤波增强方法,比较了邻域平均、高斯平滑和中值滤波的处理效果;在识别阶段采用最小二乘支持向量机,进行指纹识别实验,并对实验结果进行了比较。     

一种改进的GPS动态定位滤波方法

针对GPS接收机能够测量卫星信号的多普勒频率的特性,亦即能够测量三维速度的特性,引入了一种改进的GPS定位系统滤波算法。首先,根据机动载体的"当前"统计模型建立了系统状态方程;然后,根据GPS接收机实际能够输出位置与速度信息的特点建立了系统的量测方程;最后,给出了标准的卡尔曼滤波算法模型并详细描述了算法的推导过程。仿真结果表明,改进算法相对于以前的算法无论是在精度和跟踪速度方面都有较大的提高。     

基于改进的UPF雷达组网数据融合方法

传统粒子滤波方法(PF)中,粒子权值仅参考当前观测值,由于观测随机误差的影响,降低了粒子权值的准确性。本文提出一种新的粒子权值确定方法,利用目标运动方程向后外推目标状态,综合利用外推的目标状态以及历史观测数据,降低了观测随机误差的影响,改进了粒子权值的准确性,从而提高了粒子滤波性能。采用改进的粒子滤波方法处理多雷达测量数据,仿真结果表明,改进的粒子滤波方法可以很好地实现多雷达测量数据的融合处理,提高了目标外弹道定位精度,可以应用在飞行器跟踪测量的数据融合处理中。     

高精度3D雷达组网实时误差配准算法

对制导雷达组网实时误差配准算法进行了研究。建立了基于大地坐标系(ECEF)的实时Kalman(ECEF-Kalman)滤波算法和模型,并进行了仿真验证。结果表明:此算法能有效地估计系统误差,配准效果明显优于实时Kalman滤波算法。