电子产品传导干扰的抑制

讨论了电子产品传导干扰的基本特性及其抑制措施,详细探讨了电源滤波器在抑制传导干扰中的应用,并以KGY-XXX型开关电源产品为例,介绍了传导干扰的抑制方法。     

基于辅助粒子滤波的机动目标跟踪研究

针对机动目标跟踪巾扩展卡尔曼算法（EKF）收敛速度慢、跟踪精度低的问题,基于粒子滤波（PF）和辅助粒子滤波（APF）的基本思想,结合目标先验信息将速度约束条件加入到跟踪过程巾,对辅助粒子滤波算法进行了仿真分析,与扩展卡尔曼进行仿真对比,分析了跟踪性能和误差。仿真结果表明,对机动目标跟踪问题,辅助粒子滤波不仅解决了扩展卡尔曼线性化困难难题,与EKF相比还具有收敛速度快,跟踪精度高的优点。     

一种用于符号同步MF—TDMA系统的定时偏差估计算法

文章给出了一种用于符号同步MF—TDMA系统的定时偏差估计算法。该算法利用一种特殊的辅助序列成型后所表现出来的正弦特性,从中提取出精确的定时偏差,算法工作在每符号1个采样点下。理论和仿真结果表明,该算法实现简单,估计精度高,在相同条件下,其性能优于常用的数字平方滤波法,并且该算法对载波相位偏差不敏感,对载波频偏的敏感度比较低。     

基于模糊控制的组合导航算法

文章提出一种根据信号残差（新息）对导航信息进行自适应噪声协方差调整的算法,由此得到导航参数的最优状态估计。其中重点研究了模糊控制对滤波器的动态调整,建立模糊滤波控制的模型,并与传统卡尔曼算法进行比较。仿真结果表明,基于模糊控制器的卡尔曼滤波器很好地限制了数据的发散,并在很大程度上提高了系统的稳定性。     

卫星编队飞行的相对轨道自主确定研究

为了研究卫星编队飞行相对轨道的自主确定,基于相对轨道根数建立编队卫星间的相对运动方程,利用测量所得到的星间距离和方位信息作为观测量。不同于目前广泛采用的扩展卡尔曼滤波算法,设计Unscented Kalman Filter(UKF)算法实现卫星编队飞行的相对轨道自主确定。仿真结果表明这种相对轨道自主确定方案能获得较高的定轨精度。     

两步法快速解算编队卫星GPS模糊度

为克服卫星编队飞行实时相对定位中双频模糊度解算速度慢的缺点,结合扩展Kalman滤波(EKF,Extended Kalman Filter),首先采用少数个历元(如10个)相位平滑伪距相对定位结果与 L₆的平均值对滤波初始化,再根据两步法解算双频模糊度,即先解算并正确固定宽巷模糊度,获得较准确的基线分量估值,然后采用选权拟合方法,将基线分量作为约束条件解算并固定双频模糊度.仿真算例计算结果表明,当宽巷模糊度正确固定后,编队卫星间相对定位误差在5cm以内,两步法可以在较短时间(约3min)内固定双频模糊度,为精确解算编队卫星的相对状态提供保障.     

旋翼/涡轴发动机的自适应模型

基于卡尔曼滤波器研究旋翼/涡轴发动机的机载自适应模型.采用拟合法建立了状态变量模型,并将发动机性能蜕化参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计出发动机部件性能蜕化值,最后将部件性能蜕化值用于对机载模型中不可测性能参数的修正,从而使机载模型能适应发动机的非额定工作状况.通过数字仿真表明,建立的机载自适应模型能真实反映发动机的工作状况,并且在全包线范围内该模型都具有比较好的鲁棒性和实时性.     

基于常规多普勒滤波器组结构的合成宽带距离像性能分析

为了消除散布效应对宽带信号的不利影响,可以利用多个窄带信号合成宽带信号;同时,通过在子带内处理相干脉冲串,可进行杂波抑制、目标速度估计和区分不同速度的目标。然而,在子带内分别使用常规多普勒滤波器组,会引进多普勒散布效应所造成的输出失配误差,从而造成合成距离像的失真。分析了多普勒散布效应与子带常规多普勒滤波器组输出失配之间的关系,推导了运动目标通过滤波器组后所成高分辨距离像的距离走动公式,给出了适合子带常规多普勒滤波器组的目标速度临界值。仿真实验验证了以上结论。     

基于分层变块大小运动估计的边信息提取算法(英文)

在分布式视频编码(DVC)中,边信息的质量对视频序列的压缩效果有很大影响。本文中,一种基于分层运动估计的边信息提取算法引入到DVC系统中。首先,采用了两种运动估计模式,向前运动估计和双向运动估计,然后利用分层变块大小运动估计算法获得了比较准确的运动矢量。接着运动矢量滤波器修正了由于局部相似造成的错误运动矢量。最后,选择决策模块更好地处理了帧内插技术中的多种估计模式的问题。这些算法为DVC提供了更好的边信息,提高了DVC系统的性能。实验结果显示,基于这种新算法的DVC系统高于传统视频编码帧内模式 3-4dB,而仅仅低于传统视频编码IBIB模式0.5-1dB。     

异常值和未知观测噪声鲁棒的非线性滤波器

针对含异常观测值的非线性系统滤波问题,以Huber损失函数替代推导滤波器最大后验准则中观测误差的l₂范数,构造出了一种新的优化准则函数,从而给出了一种对异常值鲁棒的非线性后验线性化滤波器。分析表明：由于Huber损失函数兼具l₁和l₂范数的性质,从而使得由这个新准则推导出的滤波器,不仅具有l₂范数的低误差拟合性,也具备l₁范数对异常值的鲁棒性。而当观测噪声的分布未知时,通过引入箱线图法检测异常值,并对噪声统计分布的参数进行估计,进一步提出了对异常值和未知观测噪声分布鲁棒的非线性后验线性化滤波器。仿真实验验证了分析结果的有效性,并表明本文算法的性能优于现有文献报道的非线性滤波算法。