自适应迭代平方根UKF的单站无源定位算法

针对单站无源定位可观测性弱、收敛速度慢、定位精度差等问题,在结合相位差变化率和多普勒频率变化率定位方法的基础上,提出了一种基于自适应迭代SRUKF的单站无源定位算法,通过使用误差协方差阵的平方根替代协方差阵参与滤波,保证了滤波算法的数值稳定性.在迭代判决准则的约束下,通过对状态及其误差协方差矩阵平方根的自适应迭代估计调整滤波的观测值与状态值之间的权比,使滤波预测值误差协方差阵的平方根更为准确、合理,从而提高算法的稳定性、收敛速度和定位精度.仿真结果验证了新算法的有效性.     

基于改进的平方根中心差分卡尔曼滤波的单站无源定位算法

针对单站无源定位可观测性弱、收敛速度慢、定位精度差等问题,推导出了一种带次优渐消因子的平方根中心差分卡尔曼滤波算法。在正交原理的约束下,通过引入自适应次优渐消因子实时调整增益矩阵,保证不同时刻残差序列相互正交,提高了滤波器对状态变化的反应速度和对有偏估计的自适应修正能力。同时,使用误差协方差的平方根替代协方差参与滤波,保证滤波算法的数值稳定性。仿真结果表明,新算法稳定性更好、收敛速度更快、定位精度更高。     

利用TDOA和FDOA的单站多外辐射源目标定位算法

针对利用单个观测站接收多个外辐射源信号从而实现对运动目标定位的问题,以直达信号和目标回波信号之间的到达时差和频差为观测量,采用Taylor迭代方法,得到了目标位置和速度估计。迭代的初值由最小二乘方法得到。最后,推导了算法的克拉美罗界和理论误差。仿真结果表明,算法仅需1次迭代即可收敛至全局最优解;在一般测量误差条件下,算法的实际定位误差逼近克拉美罗界;对系统几何精度因子图的分析表明,目标及外辐射源位置也是影响定位精度的重要因素。     

一种基于GPS载波单差相位的鲁棒快速迭代定姿算法

针对基于GPS载波单差相位的迭代定姿算法对初值敏感的事实,研究了一种对初值鲁棒的快速迭代定姿算法.基于载波单差相位观测的姿态确定可以归结为一个带约束的参数优化问题.通过拉格朗日乘子法求解该优化问题将参数优化问题转化为一个微分方程的数值积分问题.采用特征向量迭代算法确定迭代初始点,再由4阶龙格库塔算法迭代求解该微分方程得到了快速收敛的迭代定姿算法.在不同天线布局、初值条件下对该算法进行了仿真,仿真结果表明天线布局和初值对算法的收敛精度影响不大.同其它迭代算法进行了对比,结果表明在相同条件下本算法可更快收敛.     

一种改进的水声信道载波恢复盲均衡算法

针对超指数迭代判决反馈盲均衡算法在水声通信系统中表现出收敛性差的问题,提出了一种带二阶锁相环的改进超指数迭代判决反馈盲均衡算法．该算法基于对修正超指数迭代算法误差函数的分析,提出了一种新的、能够快速收敛的误差函数,并有效提高了载波恢复能力; 在判决反馈均衡器中引入二阶数字锁相环,实现对相位旋转的跟踪和补偿,从而实现对原始发射信号的正确恢复．在两种水声信道条件下,采用两种调制信号分别对算法的收敛性能和载波恢复性能进行了计算机仿真,结果表明: 在混合相位信道环境中,新算法相比超指数迭代判决反馈算法在均方误差、收敛速度上得到很大改善; 在具有相位旋转的信道环境中,新算法实现了对相位旋转的有效补偿,改善了载波恢复性能．     

仿射投影算法收敛特性随机统计特性的研究

仿射投影算法利用多个输入向量估计自适应滤波器的迭代方向,获得了比较快的收敛速度。在不考虑系统测量噪声的条件下,参数迭代步长等于1,仿射投影算法获得了最快的收敛速度。在此条件下,研究了仿射投影算法收敛性的随机统计特性,分析了仿射投影算法权值误差和权值均方误差的递归迭代方程,获得了仿射投影算法稳定状态的误差。     

改进粒子群算法的工业机器人几何参数标定

针对传统粒子群(PSO)算法在解决工业机器人几何误差标定问题中存在的收敛速度慢的缺点,提出了一种基于两段式的动态粒子群算法(LDPSO-BT)。用Denavit-Hartenberg方法建立工业机器人的误差模型,将几何误差标定问题转换成对高维非线性方程的求解;对粒子群数目进行线性递减,同时针对算法求解过程中粒子数目线性递减的特点,在改进粒子群算法迭代后期采用改进的搜索模式,对传统粒子群的速度迭代公式进行改进;仿真实验对比了工业机器人几何误差标定前与标定后两种算法的末端定位精度。实验结果表明:在采用粒子群算法辨识工业机器人实际几何参数的过程中,粒子群数目对算法的迭代时间有重要影响,通过线性递减的方式减少粒子群的粒子数目可以有效地减少工业机器人几何误差标定时间,同时在粒子群算法迭代后期采用改进的速度迭代公式可以确保收敛精度。与传统粒子群算法相比,使用改进后的粒子群算法,不仅可以有效减少工业机器人的定位误差,而且还拥有更高效的迭代效率。     

生物力学模型导引的心肌运动与材料参数对偶估计

针对传统心脏图像分析方法割裂运动分析和材料分析的局限性和扩展卡尔曼滤波器联合算法引入互协方差矩阵具有收敛慢的问题,提出基于卡尔曼滤波器和扩展卡尔曼滤波器的对偶滤波器算法,该方法用有限元方法表达心脏求解域,连续生物力学模型作为逆问题的约束,在状态空间框架下将运动状态向量和材料参数向量分别置于2组状态空间方程中,用相应的滤波器进行交替迭代估计,从而实现心肌运动状态和材料参数的同时重建.结果表明,该方法能够有效地提高估计精度和收敛速度,缩短计算时间.     

一种阵列信号超分辨率快速算法

提出了一种阵列信号超分辨率快速算法，并分析了它的收敛速度。这种算法基于协方差矩阵的特征值平移和矩阵的幂迭代，而不需要矩阵求逆。它的收敛速度快，一般只需几次迭代就能收敛，且算法结构简单，易于实现。     

基于混沌麻雀搜索算法的TDOA/FDOA定位

针对在实际定位场景中,接收站常被安装在运动平台上,导致其运动状态信息存在随机误差,而目标源定位精度对接收站的位置信息非常敏感,接收站位置的微小误差会导致目标源位置估计存在较大误差的问题,本文在考虑接收站位置信息存在随机误差的情况下,提出了一种使用到达时间差和到达频率差测量值定位移动源的解决方案。该方法通过在麻雀搜索算法中引入Logistic混沌映射对目标进行定位跟踪,Logistic混沌映射可以降低算法收敛到局部最优的风险,用以解决站址误差较低的情况下定位精度差的问题。仿真结果分析表明：在低站址误差的情况下,本文算法的定位精度比半定规划-重构线性化技术（SDP-RLT）、遗传算法、麻雀搜索算法和蚁群算法更接近克拉美罗下界。     

一类无约束优化问题的信赖域过滤器算法

构造了一个求解无约束优化问题的新算法,结合了采用修正BFGS（MBFGS）算法的信赖域思想和多维过滤器算法策略．搜索方向的产生类似于MBFGS算法;在接受新的迭代点时,采用多维过滤器算法的策略及信赖域思想,新信赖域算法是全局收敛的．     

基于L-M方法的迭代容积卡尔曼滤波算法及其应用

针对非线性状态估计中受到较大的初始估计误差和量测方程的非线性的影响致使状态估计精度不高的问题,提出了一种新的滤波算法——基于Levenberg-Marquardt方法(简写为L-M)的迭代容积卡尔曼滤波算法(ICKFLM).该算法将容积卡尔曼滤波算法(CKF)的量测更新过程转换为求解非线性最小二乘解问题,以状态预测和方差预测为初始值,使用L-M方法求解最优的状态和方差估计.把基于L-M方法的迭代容积卡尔曼滤波算法应用到弹道再入目标状态估计中,仿真结果表明,相比于CKF算法,新算法的位置估计误差约降低了70%,相比于基于Gauss-Newton方法的迭代容积卡尔曼滤波算法(ICKF)位置误差降低了40%.新算法具有较高的状态估计精度,且收敛速度快.     

似然迭代离差差分滤波算法的机动再入目标状态估计

针对使用离差差分滤波算法对机动再入目标状态估计时,不能充分用到最新量测信息,状态估计误差较低的情况,提出一种新的滤波算法——似然迭代离差差分滤波算法．该算法在二阶离差差分滤波算法的量测更新过程中采用Gauss—Newton方法不断逼近最大后验估计,且使用迭代状态估计值代替状态预测值,修正迭代公式,并使用确保产生的迭代序列向最大似然面移动的迭代终止条件．使用似然迭代离差差分滤波算法估计机动再入目标状态,蒙特卡罗仿真表明,该算法不仅提高了状态估计精度,而且还有很快的收敛速度．     

一类基于双正交小波的瀑布型多重网格方法

针对椭圆方程边值问题,提出一类高效的瀑布型多重网格方法.通过结合多分辨分析选取适当的双正交小波滤波器作为插值算子,不仅粗细网格之间的转换是自动的,而且可以得到更高精度的解.同时数值试验验证了结果的可行性.     

大规模过程系统优化的一种改进简约空间SQP算法

为了提高简约空间序列二次规划算法的求解效率和稳定性,使其适于求解更大规模过程系统优化问题,提出了一种 改进的大规模过程系统简约空间序列二次规划算法.算法采用新的基变换规则,根据基变换规则实时调整基变量,利用一种 综合过滤线性搜索方法求取搜索步长,该搜索方法结合了传统搜索方法和过滤搜索方法的优点.改进算法被应用于部分小 规模Benchmark算例和三个经典大规模算例求解,计算结果表明,本算法可以较大地减少迭代和函数估计次数,其求解效率 远高于标准序列二次规划算法，且算法的稳定性也有较大提高.     

一种新的混合特征选择方法RRK

提出一种新的基于包装方法和过滤器方法的混合特征选择算法RRK。该算法主要包括两个方面:①在特征预选阶段,提出一种基于ReliefF算法的特征加权算法NReliefF和降维算法DR,以实现特征加权并去掉不太重要的特征;②在特征选择阶段,把NReliefF算法和KNN算法结合起来,将预选特征作为输入,用分类正确率来选择最优特征。分别采用一个实际的乘员类型数据集和UCI上的imagine标准数据集进行了实验。实验结果表明,采用RRK后分类的效率和正确率都有明显提高。     

基于粒子群算法的模糊滤波器优化方法

根据粒子群算法可以搜索全局最优的特点,提出一种新的基于粒子群算法优化模糊隶属函数,从而对带有脉冲噪声图像进行模糊中值滤波的方法.该方法给出一个新的模糊熵定义,采用改进粒子群优化算法寻求隶属函数的最优参数,依照最大熵准则将图像变换到模糊域,然后对需要处理的噪声图像进行滤波.实验表明,提出的方法可以很好地滤除图像中的脉冲噪声,自适应性强.     

均匀重采样粒子滤波器在SINS初始对准中的应用

针对标准粒子滤波算法中存在的样本贫化问题,提出一种在随机重采样中加入均匀采样的均匀重采样方法,不但可以保证标准粒子滤波算法逼近精度,同时能通过保留被抛弃粒子的分布范围增加粒子的多样性.针对捷联惯性导航系统的初始对准问题,应用这种均匀重采样的粒子滤波算法进行了仿真研究.仿真结果表明,在初始方位失准角为10°的情况下,均匀重采样粒子滤波算法的对准精度高于标准的粒子滤波算法,初始对准的稳定性也得到了有效改善.     

基于自适应UKF的单站无源定位算法

针对无迹卡尔曼滤波(UKF)算法在单站无源定位中滤波的性能容易受到初始值和系统噪声影响的问题,提出了一种自适应无迹卡尔曼滤波(AUKF)的跟踪算法。该算法利用观测信息和新息,引入自适应因子,对在滤波过程中的误差的协方差矩阵进行合理自适应调整,保证得到较稳定和高精度的滤波值,从而提高算法的鲁棒性。仿真结果表明,该AUKF算法与扩展卡尔曼滤波算法(EKF)及其衍生算法中的修正协方差滤波算法(MVEKF)和UKF算法相比,对系统噪声的鲁棒性更好,体现在滤波的收敛速度和滤波精度等方面都有所提高,是一种性能更加优越的算法。     

一种新的改进粒子滤波算法

标准粒子滤波算法存在的最大问题是粒子退化,针对这一问题,提出了一种改进的粒子滤波算法,该算法将无迹卡尔曼滤波算法(UKF)、混合遗传模拟退火算法和基本粒子滤波算法相结合,运用无迹卡尔曼滤波算法获得重要性函数,提高了粒子的使用效率; 运用混合遗传模拟退火算法的进化思想,提高了粒子的多样性．仿真结果表明,新算法很好地解决了基本粒子滤波算法存在的粒子退化问题,提高了系统的滤波精度和稳定性(在信噪比为16dB时,精度提高80％以上),较好地抑制了噪声的干扰．