一种新型算法的自适应均衡器

本文在研究平方根卡尔曼算法的判决反馈均衡器的基础上,根据平方根卡尔曼算法性能好,但运算量大的特点,提出了判决反馈均衡器的前馈部分采用平方根卡尔曼算法,后馈部分采用梯度法一称为混合型算法,这样使运算量大为减少而性能几乎不变。对于高速、高质的串行短波通信来说,具有重要意义。     

自适应信道均衡在短波通信中的应用研究

文中对LS格型算法和平方根卡尔算法在短波通信的信道均衡中应用的情况进行了讨论,给出了平方根卡尔曼均衡器应用于8PSK信号解调的设计思路.     

短波信道的分步平方根卡尔曼滤波

本文在平方根卡尔曼滤波的基础上提出了分步平方根卡尔曼滤波理论。此滤波理论包含了原始的平方根卡尔曼算法和梯度算法,由此两种算法可生成各种形式的简化算法,运算量大为下降,但性能并未显著降低。故特别适用于实时处理的高速短波数传系统。     

自适应SCKF在机动目标跟踪中的应用

目标跟踪系统的数学模型或统计特性的不确定性,往往会导致机动目标跟踪精度降低甚至跟踪发散。在综合平方根求容积卡尔曼滤波算法和改进的Sage-Husa估计器的基础上,提出一种自适应求容积平方根卡尔曼滤波算法。该算法通过实时估计未知系统噪声,抑制由于噪声统计特性未知时变而导致的滤波误差,从而实现机动目标的自适应跟踪。仿真结果表明,在系统噪声未知时变,且与先验系统噪声存在一定差异时,自适应平方根求容积卡尔曼滤波器能有效地改进标准平方根求容积卡尔曼滤波器的跟踪精度和跟踪稳定性。     

自适应短波串行MODEM

本文介绍了短波串行MODEM的调制、解调技术,重点描述了自适应均衡技术的作用,给出了平方根卡尔曼算法的计算公式,并对整个系统对信道时变特性的跟踪性能进行了分析研究。     

用于认知雷达的目标跟踪滤波算法研究

认知雷达是下一代雷达发展的方向之一,在介绍了认知雷达的基础上,对其应用中跟踪滤波部分的实现算法进行了分析,比较了无迹卡尔曼、容积卡尔曼、平方根容积卡尔曼3种滤波算法,对容积卡尔曼和平方根容积卡尔曼的滤波算法进行了详细介绍,重点应用3种算法对线性运动、高斯噪声环境中的目标进行了仿真验证,由仿真结果分析讨论得出适用于认知雷达的跟踪滤波算法.     

自适应平方根球型无迹卡尔曼滤波算法

针对传统无迹卡尔曼滤波器存在跟踪精度低、数值稳定性差、鲁棒性弱等缺点, 提出了一种基于球型无迹变换的自适应平方根UKF滤波算法（Adaptive Square Root UKF Filtering Algorithm Based on Spherical Unscented Transform, ASRS-UKF）。该算法在标准的平方根UKF算法上,首先改用了球型无迹变换对权系数以及sigma点进行计算选取;其次改进了平方根UKF中平方根矩阵的分解方法;同时在预测误差协方差矩阵中引入了自适应衰减因子。最后,通过将该算法同平方根UKF以及强跟踪UKF算法进行仿真对比,结果表明,ASRS-UKF算法在减少计算量、加快计算速度的同时还提高了滤波精度和稳定性,而且对于系统模型匹配不佳的情况下,仍具有良好的跟踪性能。     

改良的MTD自适应算法性能

本文研究了用于各种自适应杂波白化滤波器(如卡尔曼、自适应桥式和平方根卡尔曼滤波器)的改良的MTD算法(IBDA)性能。由性能结果表明,采用平方根卡尔曼滤波器的IBDA在几乎所有的情况下都能给出最好的性能。     

一种新型混合自适应均衡算法的研究

针对高性能的自适应均衡算法运算量大,实时处理困难的特点,提出了一种新型的混合自适应算法,即在均衡的训练阶段采用收敛速度快、跟踪时变信道能力强的平方根卡尔曼算法,而在正常工作状态采用具有一定跟踪性能且运算量较小的LMS算法,从而得到了一种高性能且运算量较小的新型自适应均衡算法。最后对这种混合算法的收敛速度和运算量进行了性能分析,计算机仿真结果证实了这种算法的可行性。     

基于短波突发信号的自适应均衡技术研究

文中根据短波突发通信中使用的波形结构,结合常用的两种均衡算法特点,提出在均衡器训练阶段采用平方根卡尔曼(SRK)算法,在跟踪阶段采用最小均方(LMS)算法的均衡方案,将该方案与两种常用的均衡算法进行对比仿真试验.仿真结果表明,该均衡方案收敛速度快,误码率特性较好且计算复杂度低,是一种适合于短波突发通信的均衡方案.     

用于机动目标跟踪的Kalman滤波器的设计

机动目标跟踪广泛应用于军事和民用领域。本文针对机动目标跟踪问题,在“当前”统计模型的基础上,实现了Kalman滤波算法在工程上的应用;同时利用速度预测估计与实时速度估计间的偏差进行自适应方差调整,提出了改进的“当前”统计模型自适应滤波算法。工程实践表明,基于改进模型的Kalman滤波算法在跟踪机动目标时具有起好的跟踪性能,同时也极大改善了对一般非机动目标的跟踪能力。     

自适应EKF在被动跟踪中的应用研究

针对被动跟踪中常见的滤波发散、收敛速度慢和跟踪精度低等问题,研究了一种非线性系统的自适应推广卡尔曼滤波算法。该算法能够在线估计噪声的统计特性,动态补偿模型线性化误差,消减系统的观测误差。对其滤波理论及算法进行了研究与仿真,结果证实该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

自适应Kalman滤波算法在加速度计自标定中的应用

针对自标定加速度计组合动基座试验数据中存在的数据异常问题,推导并运用自适应Kalman滤波算法剔除异常数据,通过对不同Kalman滤波算法自标定精度解算结果的均值和标准差进行比较,表明自适应Kalman滤波算法更加有效。     

自适应增益LMS的盲多用户检测算法

研究了一种工作于CDMA系统的盲多用户检测算法--自适应增益LMS,推导了算法实现的步骤.仿真实验表明,该算法相对于传统的LMS盲多用户检测算法,大幅度提高了收敛速率和稳态输出信干比,大大增强了适应非平稳信道的能力.另外,该算法运算量远远低于多用户检测中的盲RLS和Kalman滤波算法,非常适合于硬件实现.     

一种新型自适应卡尔曼滤波算法

主要完成卡尔曼滤波在准连续波雷达数据处理(距离和速度)中算法应用研究,实现一种新型自适应卡尔曼滤波算法.通过计算机仿真,该算法能够适应不同的机动目标,并对测量数据中的有色噪声有较强的抑制作用,满足实时要求,提高雷达测量精度.     

模糊自适应滤波在捷联惯导初始对准中的应用

传统卡尔曼滤波应用于捷联惯导初始对准中由于模型参数、噪声的统计特性不确定,影响估计效果.而模糊自适应卡尔曼滤波能按照模糊推理原理逐步校正系统的观测噪声协方差阵,具体实现是通过观察残差的理论值是否接近于其实际值,系统调整观测噪声协方差的加权以达到修正观测噪声协方差阵的目的,进而提高系统的对准效率.在噪声统计特性未知时,比较了常规卡尔曼滤波与模糊自适应卡尔曼滤波在初始对准中的应用效果.仿真结果表明,这种算法能有效提高系统的滤波效果,是一种较理想的初始对准滤波方法.     

基于自适应无迹粒子滤波的目标跟踪算法

为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。     

基于自适应锁相环的高动态GPS信号载波跟踪算法

提出了一种基于四维卡尔曼滤波的自适应锁相环算法,并将该算法用于高动态GPS信号的载波跟踪.详细推导了卡尔曼滤波与数字锁相环之间的等效性,并给出了相应的环路更新步骤.仿真结果表明,该算法相对于采用固定增益数字锁相环的算法明显地降低了载波跟踪过程的均方根频率误差,提高了接收机的测速精度.     

机载航电系统中多源信息模糊自适应融合技术

为了保障导航的精度与可靠性,目前常采用多源信息融合导航。针对ADS/IRS/GPS组合导航系统,采用基于自适应信息分配的联邦滤波结构处理信息融合问题,并把模糊推理技术融入到ADS/IRS卡尔曼滤波器中,对IRS/GPS子滤波器采用紧组合模式,上述结构算法能对多源导航信息进行最优融合与处理。建立了ADS/IRS模糊自适应卡尔曼滤波模型以及IRS/GPS紧组合滤波模型,设计了自适应信息分配的联邦滤波算法,并进行了仿真,仿真结果验证了设计算法的有效性。