GPS多径信号的自适应滤波估计方法

 研究全球定位系统(GPS)多径信号估计的问题。通过分析自适应滤波器的原理,建立了数字中频信号处理的数学模型,提出一种用自适应滤波实现GPS多径幅度、码相位和载波相位估计的方法。该方法采用不同延迟的伪随机序列对信号进行解扩、解调和累加,得到了作为期望信号的系列自适应滤波相关值。对该方法与其他3种方法进行了理论上的分析比较,得出本方法具有信噪比高、自适应滤波性能好、带有码相位信息和不存在载波模糊度问题等优点。根据各种滤波器算法的特点和本应用的需求,给出了选用递归最小二乘算法实现的方法。通过计算机仿真,验证了提出的方法能够在14 dB的信噪比下,以1个采样间隔的时间延迟分辨率和0.005周的载波相位估计精度估计出GPS L1的多径信号。     

瞄准吊舱捷联惯导系统快速传递对准方法

 新型瞄准吊舱系统中安装捷联惯导系统,使其在跟踪、探测目标的同时具备一定的自主导航能力。吊舱系统中的捷联惯导一般采用较低精度的惯性器件配置,且传递对准实现过程受到机动条件的严格限制。针对该问题提出了一种“比力积分/角速度匹配”传递对准方法,利用主惯导导航信息与惯性器件输出,以及子惯导惯性器件输出实现子惯导的对准。推导了基于主、子惯导系统误差的数学模型,详细分析了器件精度与低动态条件对系统状态量可观测度的影响,并针对低精度惯性器件与低动态条件下的传递对准性能进行了数字仿真。仿真结果表明,该方法在器件低精度与低动态条件下,对准性能达到5′,优于常规传递对准方法,可满足瞄准吊舱捷联惯导系统的快速对准性能要求。     

高斯-厄米特滤波器在捷联惯导系统初始对准中的应用

 为提高静基座初始对准精度,缩短对准时间,采用了基于大方位失准角的对准模型,引入了高斯-厄米特滤波器(GHF)。针对GHF中均值和协方差阵的多元非线性高斯积分求解问题,利用初始对准误差方程的非线性是由大方位失准角导致的特点,通过状态的线性变换,求其线性状态解析解,将高维积分转化成一元数值积分,在不损失精度的前提下,解决了GHF在对准应用的"维数灾难"问题。将此算法用于实际系统,对比于扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF),结果表明在大方位失准角条件下,GHF方法偏航角的对准精度提高了16%,对准时间缩短了75％。     

具有多次谐波抑制的发夹型微波带通滤波器

文章提出了一种新型的具有多次谐波抑制功能的发夹型微波带通滤波器,主要工作在2GHz频率。对该滤波器通过仿真优化,并进行实际设计测量。在该结构滤波器中,采用SIR（Stepped—impedancere sonator阶跃阻抗）结构的发夹谐振器来达到缩小尺寸、多次谐波的目的。该滤波器相比于传统的微带线发夹型滤波器具有尺寸小、频率选择性好、宽阻带的性能特点。     

一种改进的数字滤波平方定时的频域算法

在数字滤波平方定时的频域算法基础上,采用了前端进行带通滤波和后端实施卡尔曼滤波的处理方法对其进行改进。带通滤波器减小了定时误差估计的方差,而卡尔曼滤波则降低了整个定时误差估计过程中噪声的影响。实验与仿真的结果表明,改进后的方法达到了预期的效果。     

用系统级仿真软件SystemView实现FPGA设计

分析在系统设计和具体实现之间确定转换标准的重要性 ,并介绍用 System View软件实现 FPGA (Field Programmable Gate Array,现场可编程门阵列 )设计的具体流程及将此功能应用于 FIR滤波器设计的实例     

实现方差自适应增强的递归滤波器法

介绍了用递归低通滤波器方法来实现图象的方差自适应增强。提出了以局部统计值为基础的自适应增强的数学表示式，以及采用递归低通滤波器实现的方法，并对速归滤波器的设计作了较详细的分析和说明。在运算过程中，考虑各种因素，对输出的影响，适当选择合适的参数以获得令人满意的效果。在ＭＯＤＥＬ７５图象系统上用上述算法实现图象增强，效果是明显的，使处理后的照片提高了局部对比度，细节更加清晰。     

结合核相关滤波器和深度学习的运动相机中无人机目标检测

针对无人机与相机快速相对运动造成的运动模糊问题，以及小型无人机外观信息缺失和背景复杂造成漏警和虚警问题，提出了一种新的无人机检测-跟踪方法。针对成像尺寸小于32像素×32像素的无人机目标，提出改进的多层特征金字塔的分类和目标框回归器作为目标检测器，克服漏警。利用检测结果初始化基于核相关滤波的目标跟踪器，并持续修正跟踪结果，跟踪结果为剔除检测器虚警提供依据。在跟踪过程中，引入对观测场景纹理自适应的相机运动补偿策略实现目标重定位。多场景下的实验结果表明：提出的方法在对高速运动小目标的检测和跟踪指标上显著优于传统方法，且运动补偿机制的引入进一步增强了方法在极端复杂场景下的鲁棒性。     

基于PSO-GA优化的TOP-HAT形态学滤波器及其应用

针对机栽红外图像中运动弱小点目标检测的难题,提出了一种基于PSO-GA训练参数的形态学滤波器.以粒子群优化算法(Particle Swarm Optimization,PSO)为主线,按PSO算法中标准的速度和位置更新,遗传算法(Genetic Algorithm,GA)采用新的区间离散化编码和自适应的主次式交叉与变异算子,将遗传算法与粒子群优化算法的自动更新特征结合在一起,通过优化搜索全局空间获得形态学滤波器的最优参数,进而确保优化的形态学滤波器具有良好的滤波性及时效性.通过对低信噪比红外图像(SNR约为2)的测试,检测概率可以达到98％以上,与利用神经网络(Neural Network,NN)训练结构元素后的Top-Hat形态学滤波器相比提高了2％ ～3％.与GA算法相对,训练算法效能提高20％,提高了搜索最佳值的能力.     

高超声速飞行器气动伺服弹性的自适应抑制

针对弹性高超声速飞行器的气动伺服弹性问题，提出一种结合线性自抗扰和自适应陷波器的综合控制方案。针对强耦合和强不确定性问题，采用线性自抗扰控制对总扰动进行快速估计和补偿。为了在最小化对刚体控制性能影响的同时实现对频率未知且时变的弹性模态的抑制，采用能够在线估计弹性频率的自适应陷波器。根据气动伺服弹性抑制问题的特点提炼出对自适应陷波器的性能需求。针对这些需求设计了两种基于递推最大似然法的多频率直接辨识方案——参数单独自适应和同时自适应方案。为了提高辨识算法在各种随机扰动下的鲁棒性，在此基础上提出一种在线有效性监督机制，并通过大量的数字仿真对两种方案进行了性能对比。最后，在弹性高超声速飞行器模型上进行仿真，仿真结果验证了所提控制方案的有效性。