线性预测类算法解相干性能分析

针对经典的线性预测类算法进行了深入系统的研究,给出了各类线性预测算法间的相互关系。在此基础上分析了单向多阶性预测和双向线性预测算法能够解相干的本质,并进一步给出了线性预测算法与空间平滑算法的内在联系。最后通过计算机仿真验证了单向多阶线性预测和双向线性预测算法的解相干性能。     

基于分数阶傅里叶域K谱线算法的LFM干扰抑制

针对线性调频(LFM)信号在分数阶傅里叶域的加窗特性,提出了一种基于分数阶傅里叶域K谱线算法的LFM干扰抑制方法.该算法直接把分数阶傅里叶域干扰所在的K根谱线进行定位和消除,从而避免了对门限值的求取.仿真结果表明该算法具有良好的抗线性调频干扰性能,而且当干扰幅度呈现非平稳变化时其性能优于门限法.     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

短时交通流预测FSMSVR模型

针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件（无交通事故等突发事件）的现状,结合交通流的特征,提出了一种有限状态机支持向量回归模型（finite state machine of support vector regression model,FSMSVR）的短时交通流预测机制. 通过线性回归算法和指数平滑算法划分交通流状态,根据各状态特点结合支持向量回归算法建立有限状态机工作机制,实现涵盖典型和非典型交通条件的短时交通流预测. 通过实验例证,对比了FSMSVR模型和传统SVR模型对城市道路6min交通流的预测,研究结果表明,该预测机制能够提高预测精确度,在非典型条件下有着较好的预测表现.     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

基于颜色与空间距离的置信度传播立体匹配算法

立体匹配是计算机视觉领域的一个重要研究课题,为了得到准确、稠密的视差图,提出了一种基于颜色与空间距离的置信度传播立体匹配算法.该算法首先将立体匹配表示成马尔科夫随机场模型,然后利用置信度传播方法来解决马尔科夫随机场中的最大后验估计问题,以达到建立稠密视差图的目的.算法中利用了彩色图像的颜色与空间信息建立视差空间图,并使用削减的线性模型来定义视差图的平滑项.采用了标准测试图像进行了测试,结果表明算法具有很好的性能.     

UWB通信系统中的窄带干扰检测算法研究

针对改进的多带并发UWB通信系统的干扰检测算法和干扰抑制性能进行了分析.鉴于传统多带UWB调制方案的不足,对改进的多带并发UWB通信系统进行了数学分析和描述.在此基础上,提出了一种新的低采样率的共存干扰检测算法——并发子带干扰检测算法,并对该算法进行了数学分析和系统仿真.分析和仿真结果表明,该算法可在信号帧速率的采样量级上,完成对共存窄带干扰的有效检测,并与多带并发UWB系统的干扰抑制处理相结合,可对共存干扰进行有效抑制,明显改善共存UWB系统的误码率性能.     

基于重构信道的组分层空时系统接收天线选择

针对采用排序的串行干扰消除检测的组分层空时系统,提出了基于重构信道QR分解的接收天线选择算法,该算法用子信道Frobenius范数排序代替Moore-Penrose伪逆行范数排序得到置换矩阵,降低了计算复杂度.并给出了基于重构信道的快速算法,该算法比常规信道快速算法具有显著的性能提升.仿真分析表明,该算法在中断容量上与最大容量算法接近,重构信道QR分解算法与基于伪逆排序方法性能相近,重构快速算法性能稍有下降,但复杂度更低.     

平滑系数自适应的二次指数平滑模型及其应用

通过对传统指数平滑模型的分析,提出了动态平滑参数的概念;并由此建立了平滑权重对时间序列能够自适应的新的二次指数平滑新模型;进而得到Brown单参数和Holt双参数两类线性趋势模型及其不同于传统模型的良好性质.新模型使困绕指数平滑应用的初值难以选取、平滑参数适应性差及系统预测偏差等问题得到了较完整的解决.预测实例表明新模型提高了预测精度,并有很好的自适应性.     

线性平滑的信号调制识别方法

针对如何提高调制识别算法在低信噪比时的识别性能,是调制识别技术走向实用中必须解决的问题,提出采用线性平滑方法对接收信号进行预处理,然后再提取特征。提取的分类特征削弱了噪声影响,提高了抗干扰性能,能够在较低信噪比条件下正确区分信号。实验表明,平滑处理实现简单,对算法在低信噪比时的识别性能改善明显。     

一种基于匹配信号变换的有效抗干扰算法

针对直接序列扩频（direct sequence spread-spectrum, DSSS）系统中可能出现的chirp-like干扰,提出了一种有效的基于匹配信号变换（matched signal transform, MST）的干扰抑制算法--峰值保留法。该算法是根据已有的MST快速实现方案和陷波滤波抗干扰算法而设计的。仿真结果表明,该算法能够有效抑制DSSS系统中线性、非线性chirp-like干扰。与其他一些抗干扰算法的仿真比较表明,该算法具有稳健性强、计算量小、误码性能好、实现更为简单等优点,具有较好的应用前景。     

空时二维线性预测谱估计算法

线性预测是时间序列分析中常用方法,针对传统一维线性预测谱估计算法只能估计信号源角度或信号频率问题,提出空时二维线性预测算法。采取对空时二维阵列接收到的数据进行数据抽取和排列,和对数据协方差矩阵进行重新构造的方法,求取空时二维线性预测权值并进行谱峰搜索。重点分析了空时二维的前向预测、后向预测和双向预测算法的原理,着重研究了构造的空时二维线性预测协方差矩阵的数据结构,讨论了前向、后向和双向预测的相互关系以及二维与一维的关系,并与空时二维最小方差算法、空时二维多重信号分类(multiple signal classification, MUSIC)算法进行了对比与分析。理论分析与仿真表明,一维空域、一维时域算法的前向、后向和双向预测为空时二维预测算法的特例,同时空时二维预测算法不仅克服了空时二维最小方差算法、空时二维MUSIC算法不能解相干信号源的缺点,还具有很好的测向测频能力。     

基于子系统重构的鲁棒滤波算法及其应用

复杂环境下航天器姿态确定系统存在系统参数不确定性,并且可能存在观测数据的间断丢失情况.对此,本文研究了一种新的鲁棒滤波算法.该算法采用线性预测子系统重构补偿丢失的观测信号,并利用其参与到测量更新阶段,采用极小极大理论推导出具有观测数据丢失的不确定性系统的鲁棒状态估计的递推形式.将该方法用于复杂环境下的航天器姿态确定系统中,通过仿真验证了算法的有效性.     

基于自适应卡尔曼滤波盲多用户检测的新算法

研究在稳态的码分多址(code-divisionmultiple-access,CDMA)系统存在很强的抗多址干扰时,使多用户检测中的最优判决向量的估计保持较高的数值鲁棒性的算法。采用一种新的自适应卡尔曼滤波多用户检测算法估计CDMA系统多用户接收器的最优判决向量,高性能盲自适应多用户检测算法。通过仿真实验,可以看出,该算法收敛速度快、跟踪性能好、数值稳定性好。仿真实验表明,提出的方法能够有效抑制阵发性多用户干扰,具有很强的抗多址(multipleaccessinterference,MAI)干扰能力和较高的数值鲁棒性。     

计算机控制系统信号重构容错算法研究

信号重构是计算机系统与被控对象进行信息通信的重要环节,在简要分析Shannon重构、ZOH重构和一阶重构等信号重构方法局限性的基础上,提出了一组基于三点插值的重构算法和被控过程采样数据的一步容错预测算法,并将一步容错预测与三点插值算法相结合,建立了对于被控过程信号异常情况有良好容错能力的一步容错预测二阶重构算法。上述的一步容错预测二阶重构算法不仅结构简单、可用于在线控制,而且算法精度和可靠性明显高于普通的ZOH重构和一阶重构算法。     

多变量系统预测函数解耦控制

提出一种新的多变量系统预测函数解耦控制(PFC)算法。该算法将多变量系统的PFC分散为若干单变量系统的PFC,使参数设计和算法求解大为简化。此外,利用该算法可得到一个解析的控制量计算方程,控制器参数均可离线计算,因此在线时算法简单、计算量小,可用于解决复杂的耦合控制问题。仿真结果表明了该算法的有效性和可行性。     

KLT-based local linear prediction of chaotic time series

In the reconstructed phase space, based on the Karhunen-Lo`eve transformation (KLT), the new local linear prediction method is proposed to predict chaotic time series. A noise-free chaotic time series and a noise addedchaotic time series are analyzed. The simulation results show that the KLT-based local linear prediction method can effectively make one-step and multi-step prediction for chaotic time series, and the one-step and multi-step prediction accuracies of the KLT-based local linear prediction method are superior to that of the traditional local linear prediction.     

基于“当前”统计模型的高动态GPS信号跟踪算法

提出了一种新的高动态GPS信号跟踪算法,基于＂当前＂统计模型对载波瞬时相位过程、瞬时频率及瞬时频率变化率过程进行建模;在此基础上,结合系统状态方程为线性而量测方程为非线性的特性,采用简化UKF算法对信号参数进行估计,同时采用EKF和标准UKF滤波算法在同等条件下对信号参数进行估计比对。仿真结果表明对信号参数所建模型能真实反映信号的过程,验证了所建模型的正确性的;简化UKF参数估计结果不仅精度与标准UKF相当且具有较高的运算效率,能更好满足高动态下的实时性需求。

Abstract：

A new high dynamic GPS signal tracking algorithm was proposed.Based on current statistical model,a new model for the GPS signal transitional process was established.Since the system involved a linear state equation and a nonlinear measurement equation,a simple Unscented Kalman Filter （UKF） algorithm was applied to estimation the signal parameters.For comparison purpose,an Extended Kalman Filter （EKF） algorithm and a standard UKF algorithm were also applied to the system to illustrate the effectiveness of the proposed filtering algorithm.Simulation results show that the new model can precisely represent the real signal process,and the simple UKF algorithm achieves high precision comparable to standard UKF with higher operation efficiency.Therefore,the new model and the proposed algorithm can satisfy real time requirement in high dynamic environment.     

基于投影寻踪和遗传算法的一种非线性系统建模方法

基于投影寻踪和遗传算法,提出了一种建立非线性系统模型的新方法及其算法实现,并给出了两个仿真算例.仿真结果表明,用本文提出的方法建立非线性系统模型,具有预测精度高、工程实用性好等优点.