一种变阶数自适应滤波算法

通过对回声抵消的实际应用环境进行分析,提出一种新的动态改变自适应滤波器阶数的算法。该算法在权系数的长度与失调误差信号之间建立一种非线性函数关系,具有在环境突变阶段,保持较高的滤波器阶数,而在稳态阶段自动减少阶数的特点,可以极大地降低自适应滤波器算法的运算量。理论分析和计算机仿真结果表明,该算法具有良好的收敛性能和跟踪性能,稳态误差的水平与传统算法保持一致。     

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。     

基于多模型方法的自适应卡尔曼滤波

针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器。针对每一个滤波器建立一个基于输出误差的指标切换函数,每一个采样时刻将指标切换函数取得最小值的滤波器的状态估计值切换为系统的当前状态估计值。仿真结果表明,与常规的自适应滤波器相比,此方法可以极大地改善滤波器的滤波效果。     

基于差分进化邻域自适应的大规模多目标算法

对于大规模决策变量给求解大规模多目标优化问题带来的难以收敛及解集分布不均匀问题,通过分析变量特征将其分类再分别优化是当前较为有效的求解方法,但存在变量分类不够准确、变量处理不够有针对性等不足。对此,提出一种基于差分进化邻域自适应策略的大规模多目标优化算法。首先,通过分析扰动解的支配关系将混合变量分为多样性变量和收敛性变量,使变量分类更为准确。其次,通过对收敛性变量主成分分析降噪,降低计算成本,并设计种群的交替进化策略及差分进化的邻域自适应更新操作以提升种群进化过程中的收敛性。实验结果表明,所提算法在收敛速度和解集的分布均匀性上表现出良好的性能。     

自适应阵列处理典型算法的内在关系与统一框架

从经典维纳滤波器出发,以自适应干扰对消为纽带,推演出各种自适应阵列处理算法的等效原理。推导出降秩自适应滤波的统一算法结构,并提出线性约束正交投影算法。据此得出自适应阵列处理典型算法的内在关系,提出自适应阵列处理的统一框架,从而把单一约束和多线性约束(甚至静态方向图约束)、满秩和降秩、单级维纳滤波和多级维纳滤波有机统一起来,把对特殊干扰环境(相干干扰环境等)及期望信号特性(高阶累计量、循环平稳性等)下的处理视作预处理,构建起自适应阵列处理的统一理论基础。     

前向神经网络学习速率的自适应算法

学习速率是控制神经网络学习过程的一个重要参数,影响神经网络的稳定性和快速性。提出了一种能够满足实时性要求的神经网络学习速率的自适应算法,并证明了在该学习速率下,神经网络的学习过程是Lyapunov意义稳定的。该方法通过为神经网络的输出增加一个输出修正量来补偿多个未知因素对学习误差的影响,从而构造使学习误差快速收敛到零的学习速率自适应算法。通过对神经网络在线逼近一个非线性对象的过程进行仿真,结果证明了该方法的有效性。     

一种改进的自适应局部噪声消除滤波算法

指出了美国冈萨雷斯教授(Rafael C.Gonzalez)提出的一个基于自适应局部噪声消除滤波器算法存在的不足,并提出了一种改进的自适应局部噪声消除滤波新算法.通过比较可以发现改进的算法要比原算法的均方误差emse降低了一个数量级,而且各种信噪比SNR、SNRm、PSNR都将比原算法提高了1/4.计算机仿真实验证明了改进的自适应局部噪声消除滤波算法是有效的.     

短波IP网络中速率自适应与SR-ARQ性能分析

短波信道的时变特性将严重影响短波通信的传输效率,同时在短波IP（Internet protocol）组网通信中影响更为显著。为此,在短波IP数据传输中给出基于选择重发ARQ (selective repeat automatic repeat-requst,SR-ARQ)的自适应调整速率的短波通信系统。系统选择有效吞吐率作为速率自适应阈值判决标准,得出了一般有效吞吐率表达式,以及不同速率判决的最佳阈值。理论分析和仿真验证了与单一速率系统相比较,系统吞吐率有明显提高。最后通过理论计算和仿真分析证明在数据分组和IP数据包在排队性能上,系统同样具有明显优越性。     

ATM网络的自适应预测速率控制及其仿真研究

异步传输模式(ATM)网络中随机接入用户数的动态变化、传输延迟的时变特征等不确定因素,使网络难于管理和控制,而且网络性能也会下降,甚至出现不稳定的振荡。本文利用自适应预测控制方法,设计了稳定的、公平的速率控制算法。该方法可以分布实现,易于扩展。仿真研究表明了本文方法的有效性。     

一种新的变步长LMS自适应谱线增强算法

针对自适应谱线增强器(ALE)理想误差不为零的现象,提出了一种新的变步长LMS算法。该算法建立了步长因子与权系数变化之间的非线性关系,使得步长因子随权系数变化的减小而减小,直至为零,并引入步长向量来实时地逐个调整权系数的每个值,以进一步加快算法的收敛速度。它具有初始阶段和未跟踪上信号前步长自动增大而稳态时步长变小最后为零的特点,并以线性调频信号为例,验证了算法对滤除非平稳信号噪声的有效性,提高信号的信噪比,证实该算法优于传统算法。     

基于强跟踪滤波器的改进非线性自适应观测器

对基于强跟踪滤波器的非线性自适应观测器(nonlinearadaptiveobserver,NAO)的收敛性进行了分析,给出了NAO局部渐近收敛的充分条件。提出了一种改进非线性自适应观测器(modifiednonlinearadaptiveobserver,MNAO)算法。MNAO在具有强跟踪特性的同时对输出测量中的坏数据有较强的鲁棒性。为了降低对初始误差的敏感性,采用一种强跟踪扩展卡尔曼观测器算法启动MNAO。数值仿真示例显示了本方法的有效性。     

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。     

基于自适应UKF算法的机载INS/GPS空中对准研究

在空中对准失准角不满足小角度假设的条件下,推导了一种新的机载INS/GPS大失准角空中对准的误差模型。将基于极大似然估计的自适应估计器与无迹卡尔曼滤波(unscented Kalman filter, UKF)算法相结合,修改自适应滤波算法中自适应参数的表达式。提出将自适应UKF算法用于非线性误差模型的空中对准方案中。仿真表明,自适应UKF算法能够克服噪声统计模型不准确对滤波结果的影响,失准角估计的精度好于UKF算法的精度。     

基于稀疏Volterra滤波器混沌时间序列自适应预测

针对混沌时间序列预测问题,提出了一种稀疏Volterra滤波器,该滤波器采用归一化最小均方自适应算法进行多次训练,每次训练只保留滤波系数矢量和输入信号矢量的有效分量进行下一次训练,从而将Volter-ra滤波器的有效滤波系数个数减至最少,降低了预测模型的复杂性。四种混沌时间序列的预测实验表明:该滤波器可同时实现对混沌流和混沌映射的建模与预测,可有效地减少滤波器的滤波系数个数,能在不损失预测精度的前提下,降低预测模型复杂性。     

Lattice structure adaptive IIR notch filter based on least square kurtosis

A new variable step-size algorithm for a second-order lattice form structure adaptive infinite impulse response (IIR) notch filter to detection and estimation frequency of sinusoids in Gaussian noises is proposed. Utilizing least square kurtosis of output signals as a cost function, the new gradient-based algorithm to update frequency of the adaptive IIR notch filter and the new variable step-size algorithm are given. The computer simulation results show that the proposed algorithm has better ability in suppressing colored Gaussian noises and better accuracy in estimating parameters at low SNR than previous algorithms.     

模糊自适应强跟踪卡尔曼滤波器研究

针对卡尔曼滤波器对系统模型依赖性强、鲁棒性差和跟踪机动目标能力有限的问题,提出了一种具备模糊自适应特点的模糊强跟踪卡尔曼滤波器(fuzzystrongtrackingKalmanfilter,FSTKF)。这种方法主要利用模糊逻辑自适应控制器监测残差均值与标准差,并根据模糊规则动态调整弱化因子,从而对强跟踪滤波器中多重次优渐消因子进行自适应调整,进一步提高滤波器的估计性能。仿真结果表明,该改进滤波器跟踪机动目标的精度高于常规卡尔曼滤波器和强跟踪卡尔曼滤波器。     

基于异步估计自适应Kalman滤波系统设计

一般的Kalman滤波器时系统噪声和测量噪声统计特性要求较为严格,当统计特性存在不确定性时,估计会造成较大的估计误差,甚至使滤波器发散.针对此问题,在基于新息的自适应估计和极大后验估计的基础上对Q和R进行异步估计;以某型号光纤惯性测量装置和GPS系统为背景的仿真实验结果表明,该方法能够有效地对Q和R存在不确定的组合导航系统的误差状态变量进行估计,并能较好地保证自适应滤波器的收敛性,进一步提高了估计精度.     

用于干涉合成孔径雷达的地形适应K-均值滤波器

研究了干涉合成孔径雷达干涉图的自适应相位降噪滤波问题。由于原有的基于局部统计特性的自适应滤波方法使用固定窗口长度,滤波对干涉条纹中的高频分量有较大损失,因此将K 均值自适应滤波方法运用于干涉图,提出了一种新的地形适应的K均值自适应滤波方法,新方法结合K均值滤波窗口尺寸以当前区域自身的方差为调节的优点,又针对干涉图相位方差的特点,区分噪声因素和地形变化对相位方差产生的不同影响,在抑制噪声的同时,保持了干涉条纹密集区的信息特征,具有更好的滤波效果。     

机载雷达三维空时自适应相关域降维算法

由于利用了俯仰维的自适应能力,三维空时自适应处理(three-dimensional space-time adaptive processing, 3D-STAP)能够获得比传统二维空时自适应处理(2D-STAP)更好的性能,但同时在运算量和采样数目的要求都将急剧增大。为了克服这个问题,提出了一种基于相关域的机载雷达三维空时自适应降维算法,即利用空时相关矩阵的子矩阵,将最优空时处理的二次代价函数转化为两个二次代价函数,并迭代求解这两个二次代价函数的两个低维权向量,所提算法能够明显降低计算复杂度和样本数目要求。基于仿真和实测数据的实验验证了算法的有效性。     

基于两次Kalman滤波的观测噪声自适应调整算法

在实际的目标跟踪过程中,由于目标远近等各种客观因素的影响,观测噪声是随时变化的.但是在标准卡尔曼滤波中,如果将观测噪声协方差设为恒定值,必然造成跟踪结果不理想.针对这种情况,通过在任意时刻施行两次卡尔曼滤波的结果来自适应地调整观测噪声协方差,使卡尔曼滤波算法中的观测噪声协方差与实际值更加接近,从而提高对目标的跟踪精度.最后Monte Carlo仿真实验证明了本算法的有效性.