MATLAB平台下数字微分信号提取研究

从工程实际出发，介绍了应用某型数字滤波器对控制系统中数字微分电路中产生的微分信号进行滤波，并结合死区、惯性等非线性环节，改善数字微分信号品质的方法，为验证所设计方法的准确性,在MATLAB平台下所设计的系统进行了数字仿真，并给出了仿真结果，该方法原理简单、方便、便于工程应用。     

预畸变对数字滤波器设计影响的研究

针对数字信号处理中数字滤波器的性能问题,为使数字滤波器保持原模拟滤波器的频率特性,根据双线性变换的定义,导出了一个预畸变的统一表示式。并利用该式设计了一个低通巴特沃斯数字滤波器分别对三种情况(双线性变换、提出的预畸变方法和模拟滤波器)的幅度响应进行了计算机模拟。结果表明该方案能获得了较理想的性能。     

用于中频数字AGC环路的高效检波方法

提出了一种用于中频数字式自适应增益控制(automaticgaincontrol,AGC)环路的高效数字检波方法。首先讨论了用绝对值方法实现频谱变换的基本原理,确定了频谱的位置;然后讨论了高效数字滤波器(累积梳状滤波器)的设计,并给出了相应的实现结构。分析结果和计算机仿真结果表明,只要合理地选择单级累积梳状滤波器(CIC)的长度N和级联数Q,就可以获得较好的检波性能。     

紧支正交小波的参量化法和波数字滤波器

本文详细分析了小波变换，镜像滤波器（ｑｕａｄｒａｔｕｒｅｍｉｒｏｒｆｉｌｔｅｒ－ＱＭＦ）组和波数字滤波器散射矩阵之间的关系，提出了由散射矩阵的基本因子来构造镜像滤波器对，从而得出了具有任意消失矩的紧支正交小波的参量化法。并给出了基于正则性约束的参量优化和一个有效的实现小波变换的格型结构。     

全数字DS/CDMA接收机设计

针对全数字接收机正逐步取代传统模拟接收机的发展趋势,在一片FPGA上实现了全数字DS/CD-MA接收机的系统设计.基于片上系统的设计思想,该接收机整合了数字下变频器、数字匹配滤波器、数字解调解扩、自动频率控制等功能模块.同时介绍了全数字DS/CDMA接收机解扩解调原理,并给出了时序仿真结果及实验结果.仿真结果和实验结果表明全数字DS/CDMA接收机的设计方案是可行性的.     

设计具有任意幅度频响的二维线性相位FIR数字滤波器的新方法

本文提出了一种设计任意幅度频响的二维线性相位ＦＩＲ数字滤波器的新方法。通过最小化频域平方误差函数可得到滤波器系数的简单公式，从而根据给定的任意幅度频响直接计算滤波器的系数，大大降低了运算量。文中还给出了滤波器设计实例，其结果证实了该设计方法的简便性与有效性     

直接型数字滤波器的设计

本文讨论了直接型数字滤波器（ＦＩＲ和ＩＲ数字滤波器）的设计方法，并利用提出的两种算法解决了设计中存在的一些数学问题，进而详细地给出了直接型低通、高通、带通和带阻滤波器的设计公式。     

自适应数字滤波器在生理信号处理中的应用

生理信号的特点是信号微弱、频谱宽、数据量少和噪声复杂。数字滤波是处理生理信号的基本手段。提出一种基于小波变换的自适应数字滤波器，以软件的方式实现，并应用于生理信号处理，效果比较理想。     

基于自适应量子粒子群算法的FIR滤波器设计

针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法的参数控制方式,提出了一种自适应调节方法,该方法根据粒子之间的位置关系来设定参数值,给出了具体的设计思想与实现步骤。然后针对有限脉冲响应(finite impulse response,FIR)数字滤波器的优化设计实质,即多参数优化问题,通过适当的编码方式将改进的QPSO算法(adaptive QPSO,AQPSO)应用在其优化设计中,设计了低通和带通FIR数字滤波器。实验结果表明,AQPSO在收敛速度、鲁棒性及优化效果等方面都优于遗传算法(genetic algorithm,GA)、PSO算法及QPSO算法,说明了AQPSO算法的有效性和可行性。     

超宽带雷达频带分割滤波器设计

在分析超宽带雷达频带分割滤波器对于系统性能影响的基础上，提出了基于最小频域方差准则的数字滤波器设计新方法，与经典的Daubechies滤波器相比，采用这种方法设计的滤波器具有较小的频域方差和过渡带，更适合于频带分割滤波器的设计，设计结果证明了该设计方法的有效性。     

Unscented extended Kalman filter for target tracking

A new method of unscented extended Kalman filter (UEKF) for nonlinear system is presented. This new method is a combination of the unscented transformation and the extended Kalman filter (EKF). The extended Kalman filter is similar to that in a conventional EKF. However, in every running step of the EKF the unscented transformation is running, the deterministic sample is caught by unscented transformation, then posterior mean of nonlinearity is caught by propagating, but the posterior covariance of nonlinearity is caught by linearizing. The accuracy of new method is a little better than that of the unscented Kalman filter (UKF), however, the computational time of the UEKF is much less than that of the UKF.     

条件线性高斯状态空间模型的GSF-KF滤波算法

算法将模型中的条件线性状态方程代入观测方程,并融合线性状态的过程噪声和观测噪声,再与非线性状态方程联立,由高斯和滤波器(Gaussian sum filter,GSF)获得非线性状态的估计;然后将估计值代入线性状态方程与观测方程,由卡尔曼滤波器(Kalman Filter,KF)获得线性状态的估计.此外,获得的非线性状态估计的方差还用于修正线性状态的估计.将GSF-KF算法应用于目标跟踪的仿真结果表明,与现有Rao-Black-wellized粒子滤波器(Rao-Blackwellized ParticleFilter,RBPF)相比,新方法在保证精度的同时,明显提高了实时性,计算时间仅约为RBPF的7%.     

Implementation of Time-Scale Transformation Based on Continuous Wavelet Theory

1.INTRODUCTIOnThebasicobjectiveoftime-scaletransformationistocompressorexpandthesignalintimefieldwhilekeepingthesamemagnitudeproperties.Byagivensquare-integrablefunctionf(t)thatisdependentontime,thispaperconstructsanexpectedfunctiong(t)~f(i/A)(^>0)throughcontinuouswavelettransformandinversetransform.Thetime--scaletransformationofsignalorfunctioncanprovidemailyillterestingapplications.FOrinstance,oneapplicationisforthephonocardiagramprocessingbyexpandingtime-scaletransformtorecognizeanopen…     

Neural network-based H∞ filtering for nonlinear systems with time-delays

A novel H∞ design methodology for a neural network-based nonlinear filtering scheme is addressed.Firstly,neural networks are employed to approximate the nonlinearities.Next,the nonlinear dynamic system is represented by the mode-dependent linear difference inclusion (LDI).Finally,based on the LDI model,a neural network-based nonlinear filter (NNBNF) is developed to minimize the upper bound of H∞ gain index of the estimation error under some linear matrix inequality (LMI) constraints.Compared with the existing nonlinear filters,NNBNF is time-invariant and numerically tractable.The validity and applicability of the proposed approach are successfully demonstrated in an illustrative example.     

多杂波抑制技术

研究雷达在多杂波环境下的自适应杂波抑制技术。针对多个或杂波功率谱具有多谱峰的气象杂波 ,导出了基于DSP实现的多级杂波抑制滤波器技术。仿真结果表明 ,此种方法对雷达回波中的多谱杂波具有良好的抑制效果 ,可较好地解决传统的单个杂波抑制滤波器对较复杂杂波谱抑制不够理想的问题。     

Neural network-based H∞ filtering for nonlinear systems with time-delays

A novel H∞ design methodology for a neural network-based nonlinear filtering scheme is addressed. Firstly, neural networks are employed to approximate the nonlinearities. Next, the nonlinear dynamic system is represented by the mode-dependent linear difference inclusion （LDI）. Finally, based on the LDI model, a neural network-based nonlinear filter （NNBNF） is developed to minimize the upper bound of H∞ gain index of the estimation error under some linear matrix inequality （LMI） constraints. Compared with the existing nonlinear filters, NNBNF is time-invariant and numerically tractable. The validity and applicability of the proposed approach are successfully demonstrated in an illustrative example.     

存在缺失值的ARFIMA模型的最大似然估计

利用状态空间模型中的Kalman滤波可以很好地解决时间序列模型的缺失数据问题。本文通过修改Kalman滤波递推公式解决了长记忆ARFIMA模型的缺失数据问题，得到存在缺失值的ARFIMA模型的最大似然估计。     

基于多相滤波的高精度延时设计及实现

雷达测距测速应用中的精确性取决于时间上的高分辨率, 而传统基于有限长单位冲激响应(finite impulse response, FIR)滤波的高精度延时设计所需的滤波阶数过高, 滤波处理较慢且复杂。为了加快滤波速度和节省硬件资源, 将数字内插与多相滤波技术结合, 提出了一种基于多相滤波的高精度延时设计方案。根据延时精度对FIR滤波系数向量重新排序, 依据延时量大小选择多相子滤波器对采样序列进行滤波处理, 实现小于整数倍采样间隔的高精度延时, 具有滤波速度快、节省硬件资源的特点。仿真分析延时信号的相位, 表明了所提多相滤波方案可实现高精度延时。借助现场可编程逻辑门阵列(field programmable gate array, FPGA)平台, 时钟频率为245.76 MHz时, 实测的延时精度可低至0.509 ns。     

基于多智能体导航的高超飞行器信息融合方法

精确导航技术是高超飞行器(hypersonic vehicle, HV)充分发挥威力的关键所在。然而,高马赫数和强机动性致使HV的导航系统误差及其观测噪声无法准确描述,制约着导航信息的精确性和实时性。为及时获取高精度导航信息,设计基于集员框架的卡尔曼滤波算法。一方面采用多智能体分布式协同探测,形成观测椭球交叉集合,提高了观测效率和测量精度;另一方面,通过设计两类噪声模型,求其与状态估值的最小均方误差,实现滤波增益的计算,提高算法对噪声的抗扰动能力,使状态估值达到均方误差最小。通过数字仿真,将设计方法应用到HV导航模型中,并与扩展卡尔曼滤波和集员滤波的状态估值进行比较,结果表明,提出算法在不同噪声影响下具有更高的估计精度。研究成果将为HV实现实时精确导航提供技术支持,并具有重要的理论意义和应用价值。     

闪烁噪声下的改进粒子滤波跟踪算法

在实际雷达目标跟踪系统中,雷达量测常受到闪烁噪声干扰,传统的滤波算法在闪烁噪声下,滤波性能急剧下降甚至发散。提出了一种改进的粒子滤波(particle filter, PF)算法,按照高斯牛顿迭代方法对迭代扩展卡尔曼滤波(iterated extended Kalman filter, IEKF)中的测量更新进行修正,利用修正的IEKF来产生PF的重要性密度函数。进一步,采用马尔科夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法来消除重采样引起的粒子贫化问题。在给出的闪烁噪声统计模型基础上,将所提算法与PF及MCMCPF算法进行了仿真比较,结果表明该算法具有更好的跟踪性能。