一种基于自适应滤波的雷达目标跟踪算法

针对在复杂环境下基于卡尔曼滤波的雷达目标跟踪中存在的鲁棒性和自适应性较差的问题,研究了一种新的雷达目标自适应鲁棒跟踪算法;通过引入自适应渐消因子,对估计误差协方差和滤波增益矩阵进行在线自适应调整,从而使得滤波算法具备良好的鲁棒性和自适应性,提高雷达目标跟踪的精度。最后,通过仿真对所研究的方法进行了验证。     

压缩感知自适应观测矩阵设计

稀疏表示、不相关观测和重构是影响压缩感知性能的三大要素,本文设计的自适应观测矩阵以高斯随机观测阵为初始矩阵,利用信号稀疏域系数的部分先验信息进行自适应变换,形成新的观测阵,当压缩感知矩阵对信号的稀疏系数进行投影时,可使得稀疏系数中的小系数更接近于零;同时,通过减少观测阵行向量的方式来减少观测值,从而应用自适应观测阵后的数据传输量与用高斯随机矩阵的数据传输量相差不大。自适应观测矩阵对压缩感知的性能改进体现在重构精度上,用迭代硬阈值算法作为重构算法,我们从理论和实验仿真两方面验证了自适应观测阵的性能要优于高斯随机矩阵。     

一种零陷展宽稳健旁瓣相消算法

受到实际条件的限制,自适应旁瓣相消器通常不可能频繁地更新自适应权值,使得其在对抗空域非平稳干扰时,会出现权值失配现象,严重影响干扰抑制性能。该文从空域密集干扰产生宽零陷的角度出发,提出一种适用于自适应旁瓣相消器的零陷展宽算法。该算法通过对主通道的合成权值和辅助天线间的协方差矩阵同时进行锥削实现零陷展宽,锥削向量和锥削矩阵只与阵元位置和展宽宽度有关,可以离线计算,在线直接调用,实现简单,适合工程实际使用。仿真实验证明,该文方法可以有效展宽自适应零陷,增强自适应旁瓣相消器对抗空域非平稳干扰时的稳健性。     

基于稀疏矩阵计算的外辐射源多径杂波抑制算法

在电视与调频广播的外辐射源雷达中,需要对消直达波与多径,才能进行目标的检测。常采用自适应对消器完成该类杂波的抑制,由于多径跨越的采样点很多,造成算法的计算量很大。文中利用了杂波多径稀疏性的特点,提出了稀疏矩阵运算的自适应算法,使得协方差矩阵的计算维数有效减少,在算法性能不下降的前提下,大大减少了自适应算法的计算量。通过计算机仿真验证了该算法的性能。     

基于步长自适应的独立向量分析卷积盲分离算法

独立向量分析(IVA)是解决频域卷积盲分离排序模糊性最好的方法之一,但存在迭代次数较多、运算时间较长、分离效果易受分离矩阵初值影响的局限性。该文提出一种基于步长自适应的IVA卷积盲分离算法,该算法使用特征矩阵联合近似对角化(JADE)算法对分离矩阵进行初始化,并对步长参数进行了自适应优化。JADE初始化能够使分离矩阵具有合理的初值,避免局部收敛的情况;步长的自适应优化能够显著提升算法的收敛速度。仿真结果表明,该算法进一步提升了分离性能,并显著缩短了运算时间。     

基于高斯相似度分析的插值自适应算法

快速说话人自适应算法在非特定人连续语音识别的应用中有重要意义.现在流行的自适应算法多数只考虑均值的自适应.本文提出的自适应算法可以快速的对协方差矩阵进行自适应.该算法是用高斯相似度度量协方差矩阵间的距离,并由此测度建立了反映协方差矩阵结构关系的二叉决策树.树的每个中间节点包含一个类质心.在决策树基础上,训练多个与特定人模型相关的类质心.自适应时,通过对这些类质心进行线性插值得到自适应的协方差矩阵.实验结果表明,该方法能够在仅有一句自适应数据的情况下,使系统误识率由29.49%下降到27.55%.     

一种虚拟波束形成自适应加权空间平滑算法

该文提出了一种用于自适应阵列的自适应加权空间平滑算法。通过构造虚拟自适应波束形成问题求取用于子阵协方差矩阵加权的加权向量,然后进行加权空间平滑自适应波束形成。理论分析与仿真结果表明,新算法能更有效地降低期望信号和干扰之间的相关性,使得用于空间平滑的子阵数减少,以降低阵列孔径损失。     

基于脉动阵的自适应波束形成算法仿真

为了满足自适应波束形成技术对实时性的要求,将脉动阵应用于波束形成算法中,以实现自适应权向量的实时获取.通过对QR分解采样矩阵求逆算法、混合型QR分解采样矩阵求逆算法和逆QR分解采样矩阵求逆算法的理论分析,利用脉动阵,对输入数据矩阵进行QR分解,得到旋转因子,实现自适应权向量的实时更新.针对三种算法各自的脉动阵进行仿真,结果表明,基于脉动阵的自适应波束形成算法实现了权向量的高速获取,并为后续的工程实践提供了理论依据.     

SVD-ACKF算法在光电经纬仪实时定轨中的应用

对光电经纬仪量测噪声统计特性未知或不精确导致实时定轨精度降低甚至发散的问题,设计了基于奇异值分解的自适应容积卡尔曼滤波（SVD-ACKF）算法。首先,利用Sage-Husa极大后验估计器及其改进形式对噪声统计特性进行在线估计,使得CKF算法具有应对噪声变化的自适应能力,并使用SVD代替传统Cholesky分解以提高数值计算的稳定性。然后,阐述了实时定轨数学模型,提出使用欧拉预测校正法对带J2项摄动的轨道动力学方程进行离散。仿真实验表明:欧拉预测校正法将轨道动力学方程的离散精度提高了1 970.411 m。在量测噪声协方差矩阵取值恶劣时,SVD-ACKF算法将实时定轨精度维持在43 m左右,并且具有更好的数值稳定性。     

多传感器自适应滤波融合算法

该文提出了一种在线调整权值的多传感器自适应滤波数据融合跟踪算法,用于解决复杂背景下机动目标跟踪问题。首先自适应寻找各个传感器所对应的最优加权因子,确定融合后某一时刻目标最优观测值;其次,以输入信号作为相关自适应滤波器的观测信号,通过新息相关自适应滤波算法根据状态方程及观测方程中误差的变化,实时动态地调整增益矩阵,同时依据自适应滤波状态偏差输出信号及当前观测数据,应用模糊推理在线调整各传感器权值,最终系统输出即为测量轨迹在两级自适应调整融合下最优轨迹。仿真结果证明了算法有效性。