视频会议中的音频编码方式研究

音频编码是视频会议系统的关键技术之一。文章对Ｈ２００系列标准的视频会议信号进行了音频编解码分析。通过对ＳＢ－ＡＤＰＣＭ编码技术的主要环节，镜像滤波器、自适应预测器和二次非均匀量化分析，反映出子带分割、分段预测与二次非均匀量化在音频编码中的作用。译码实验表明，译码是成功的，恢复出的伴音质量效果良好。     

在线学习的循环自适应机动目标跟踪算法

针对机动目标难以精确跟踪的问题,提出了一种可在线学习的循环Kalman神经网络跟踪算法。考虑到状态转移矩阵、量测噪声和过程噪声矩阵在机动目标跟踪中难以实时、离线估计,且在实际应用中对应数据集获取成本高,因此使用在线学习的神经网络对其进行实时估计。由于Kalman滤波算法本身是一种循环结构,将简单的全连接层网络与其嵌合,全连接层网络实时输出状态转移矩阵、量测和过程噪声矩阵估计,构成一种广义的循环Kalman神经网络,根据网络最终输出的位置估计进行端到端的在线学习,并且通过理论推导证明了其在线学习的可行性。将提出的循环Kalman神经网络同3种经典机动目标算法进行了仿真对比,结果表明：循环Kalman神经网络跟踪需要很少的先验信息,在最优区域内较之其他3种算法具有最高的跟踪精度和鲁棒性,并且具有效率高、训练成本低以及可扩展性强的特点。     

基于联邦自适应滤波的分布式传递对准方法CSCD

为解决复杂飞行环境下由于机翼的挠曲变形等因素导致分布式传递对准的精度下降和稳定性差的问题,提出了一种基于27维状态变量传递对准模型的新型联邦自适应滤波算法。首先,子滤波器采用基于R和P自适应更新的卡尔曼滤波算法并结合27维传递对准模型进行单点传递对准。然后,主滤波器采用基于误差协方差矩阵的原则,对多个子滤波器的冗余信息和信息权重进行信息融合以及自适应分配。基于实际飞行数据的半物理仿真实验表明:该方法在一定程度上提高了分布式传递对准的稳定性和精度,姿态估计稳定性得到明显提高,动态杆臂以及航向角估计精度分别提高了61.54%和42.35%。     

基于改进的自适应平方根容积卡尔曼滤波相对导航算法

针对无人机编队飞行时由于目标建模的不确定性导致相对导航滤波算法精度降低甚至出现滤波发散的问题,提出了一种自适应平方根容积卡尔曼滤波算法。首先,建立了无人机双机编队时的相对导航模型。然后,基于新息的自适应修正准则,对滤波状态预测量进行修正,进行了基于自适应修正的平方根容积卡尔曼滤波相对导航算法设计。最后,开展了仿真计算与结果分析。仿真结果表明,该算法具有较好的滤波精度和稳定性,且当目标运动状态与模型不匹配时,该算法与平方根容积卡尔曼滤波算法相比有更好的滤波性能。     

离散不确定系统的优化鲁棒滤波方法及在飞行试验中的应用

提出了一种离散系统的优化鲁棒滤波方法。为了得到滤波的逼近计算式，通过优化加权矩阵得到了上界不等式逼近和等效系统矩阵，得到了鲁棒滤波的时间更新算法；通过优化加权矩阵得到了下界不等式逼近和等效观测矩阵，得到了鲁棒滤波的测量更新算珐，并且给出了鲁棒滤波算法收敛的条件。飞行试验数据处理的结果表明，提出的方法是有效的。     

一阶数字递推滤波器在抗高频干扰上的应用

本文提出了对高于香农频率的干扰信号，用程序查代其干扰频率的递推滤波方法进行数字滤波，从而有效地解决了用数字滤波的方法抗高频干扰问题。     

一种基于组合导航系统的新融合滤波算法

本文设计了一种可用于地面用户的低成本组合导航系统，提出了基于该系统的新信息融合方法，即模糊卡尔曼滤波算法和地图匹配技术联合起来。仿真结果表明模糊卡尔曼滤波算法相当于一数据平滑处理窗口，具有比常规卡尔曼滤波算法更高的精度。     

外弹道测量数据野值的递推辨识

动态测量数据中野值是导致滤波发散的主要原因之一。在目前的靶场外测数据处理中,尚无特别行之有效的野值辨识和剔除手段。本文以“新息”为基础,提出了基于卡尔漫滤波方法的野值辨识和剔除方法,有效地解决了滤波发散问题。而且可同时进行野值的剔除与状态估计,极大地提高了计算速度和数据处理的精度。经仿真计算证明,该方法是实用有效的。     

基于宽带滤波巴伦的端射滤波天线

端射天线是一种辐射方向与阵轴的方向一致的天线,因为其具有良好的方向图特性,通常应用在军用雷达探测系统用来解决“盲区”问题。端射天线和滤波器之间由于匹配电路的存在导致系统尺寸较大、损耗增加。将端射天线和滤波器作为整体器件设计成端射滤波天线,端射滤波天线不仅具有辐射、阻抗匹配、滤波和平衡转换功能,而且可以减小电路尺寸,使系统结构更加紧凑。文章通过采用闭合环谐振器设计一款结构紧凑的多层宽带滤波巴伦,并将宽带滤波巴伦和准八木天线进行集成,设计出了一款中心频率 2.5 GHz的端射滤波天线。该滤波天线具有频率带宽较宽、频率选择性高、带外抑制好、结构紧凑等特点。     

一种带随机偏差的分布式信息融合滤波算法

在通信、计算机、信号处理、自动控制中,对于带有未知的干扰和偏差的随机系统的状态估计已经广泛出现。在现实环境中,不同的传感器可能受到不同的干扰影响。研究随机系统的状态估计问题在实际应用中具有重要的意义。对带有随机偏差的线性随机系统,将系统转换为多模型结构的特殊情况。利用最小方差的最优加权融合估计算法,获得了分布式信息融合滤波算法。通过仿真可以看出,分布式信息融合算法要比局部估计算法具有更高的精度,算法具有分布式结构,这使其具有更好的鲁棒性和可靠性。