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.      

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。     

多敏感器信息融合技术在卫星姿态确定中的应用

针对惯性陀螺、星敏感器和红外地平仪组成的卫星姿态确定系统,基于联邦卡尔曼滤波技术和多敏感器信息融合技术,提出了二级分散滤波方案,该方案能够实现系统的故障诊断与系统重构,提高系统的可靠性,最后通过仿真解算出高精度的姿态测量信息。     

采用DDS技术实现宽带线性调频源的研究

主要研究了机载合成孔径雷达中宽带线性调频源设计的有关问题。为获得500MHz带宽且质量良好的线性调频信号,采用了直接数字频率合成(DDS)技术、正交调制(I/Q)和宽带线性滤波技术,并在电路实现过程中,重点解决了信号在变换、传输和滤波时幅相波动控制的难点问题。     

基于扩展卡尔曼滤波的舰机相对位姿估测

通过将基于扩展卡尔曼滤波的长序列图像分析方法与单目视觉技术相结合,把无人机自主着舰视觉导引中舰机间相对位姿的估测,转化为机载摄像机对着舰靶标平面3D位姿的实时估测问题.首先根据透视投影理论,建立了以摄像机的透镜中心为原点且Z轴与光轴重合的摄像机坐标系和世界坐标系,然后利用机载摄像机连续拍摄的靶标图像序列,选择描述相对运动的3个欧拉角、平移向量及它们的速度作为状态变量;由靶标角点的提取和帧间匹配,建立了反映着舰靶标上特征点的图像坐标和状态变量之间关系的观测方程,带入扩展卡尔曼滤波器,估测出舰机的相对运动参数.计算机数据仿真和基于DSP平台的半实物仿真试验验证了算法的有效性和鲁棒性.      

基于自适应判决反馈均衡器的盲图像复原算法

自适应判决反馈均衡器(ADFE,Adaptive Decision Feedback Equalizer)是横向均衡器的改进型式,它用判决输出信号组成一个延迟线,用一部分抽头系数加权求和后送回输出端求和,可有效地抵消码间干扰.由于退化图像可以看作是像素点之间的干扰,该方法被引入到二维退化图像盲复原中,算法中采用了Lee滤波器去除噪声,由于反馈滤波器的引入,允许前馈滤波器的系数选择上有更大的自由度,并不需要是退化模型的倒数,可以避免噪声的过分放大;另外在判决器的设计中采用了阈值分割方法确定图像的支撑域.实验证明,该算法具有很强的抗噪声干扰能力,是一种有效的盲图像复原方法.      

关于GPS导航计算的卡尔曼滤波问题

探讨卡尔曼滤波在实际应用中存中的建模误差、滤波初值的选取、系统噪声方差和量测噪声方差的确定、以及滤波发散等问题及其解决方法 ,得到适用于 GPS导航计算的卡尔曼滤波器。通过实测算例 ,比较卡尔曼滤波与最小二乘的估计结果 ,说明文中所设计的卡尔曼滤波器的合理性 ,解决问题方法的有效性 ,滤波过程稳定 ,计算速度快 ,状态参量的估计精度较高     

自适应卡尔曼滤波在平台射前自标定中的应用

研究了自适应卡尔曼滤波技术在平台射前自标定数据处理中的应用 ,标定采用四位置标定方法 ,对角度传感器输出建立常速度模型。在噪声统计未知或时变的情况下 ,每个位置采用自适应卡尔曼滤波解算出平台各轴的漂移角速率 ,并在此基础上辨识出漂移参数。仿真表明 ,自适应卡尔曼滤波能较好地满足标定精度要求     

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。