基于贝叶斯估计噪声相关下的CKF设计

针对常规容积卡尔曼滤波(cubature Kalman filter, CKF)要求系统噪声和量测噪声必须互不相关的局限性,提出了一种带相关噪声的非线性离散系统CKF设计方法。基于贝叶斯估计准则,给出了系统噪声和量测噪声相关时CKF滤波递推公式,并采用三阶球面-相径容积规则来近似计算系统状态的后验均值和协方差。当系统噪声和量测噪声相关时,常规CKF不适用,本文设计的噪声相关下的CKF可以有效地对状态进行估计,拓展了CKF的应用范围。数值仿真验证了算法的有效性。     

基于Masreliez-Martin的鲁棒分数阶容积卡尔曼滤波算法及应用

针对具有非高斯量测噪声的分数阶离散时间非线性系统的状态估计问题, 提出一种基于Masreliez-Martin(简称为M-M)方法的鲁棒分数阶容积卡尔曼滤波器。在分数阶离散非线性动态系统基础上, 使用三阶容积原则推导了状态预测公式, 并使用M-M方法实现状态的量测更新, 构成了基于M-M方法的鲁棒分数阶容积卡尔曼跟踪算法。将提出的算法应用到再入目标的状态估计中, 仿真结果表明, 基于M-M方法的鲁棒分数阶容积卡尔曼滤波器优于分数阶无迹滤波器和分数阶容积卡尔曼滤波器。最后, 分析了不同程度的量测污染噪声对鲁棒分数阶容积卡尔曼滤波算法的估计性能影响, 验证了所提算法的鲁棒性。     

广义连续随机线性系统的最优递推问题

讨论了广义连续随机线性系统的最优递推问题,利用矩阵的奇异值分解理论,给出了广义连续随机线性系统的奇异值标准形式,基于标准形式,在两种情况下,将系统分解成两个子系统,通过对子系统状态估计的研究,得到了该系统的最优递推方程。结果表明,对于广义系统,该方法有效地减少了计算量。     

基于状态转换的顺序式异步数据融合算法

针对现有基于伪量测的异步融合算法存在的实时性差、融合时刻中心处理器计算负荷大以及引入噪声等相关问题,提出一种新的基于状态转换的多传感器顺序式异步融合算法。新算法通过连续系统离散化获得融合周期内各采样点同融合时刻之间状态的动态关系,并利用该关系来建立相邻两个采样时刻间符合标准Kal-man滤波条件的状态递归方程以及相应的测量方程,然后通过执行顺序Kalman滤波来实现异步数据融合。详细推导了融合算法的具体形式,并通过理论分析和计算机仿真证明了该算法不仅能避免现有基于伪量测的异步融合算法所存在的诸多问题,而且能获得更好的跟踪性能。     

传递对准滤波中机翼变形噪声的在线补偿算法

针对机翼变形噪声对传递对准滤波的显著影响,通过特性分析将其处理为时变多阶有色观测噪声,提出了一种在线补偿算法。该算法以标准卡尔曼滤波方程为基础,推导了不扩维情况下补偿多阶有色观测噪声的滤波方程。算法依据滤波过程的序列量测数据,结合模型估计残差的F检验法,在线递推估计机翼变形噪声的自回归阶数、系数及白噪声,构建补偿方程的量测量、量测矩阵和量测噪声进行补偿滤波。通过将该算法应用于速度+姿态对准匹配方案,并与将机翼变形噪声等效为注入量测白噪声和扩充为系统状态的方法比较。仿真结果表明,该算法对时变机翼变形噪声影响下的新息适应性强,收敛稳定,估计精度高,适用于复杂空中环境下机载导弹快速精确传递对准。     

基于广义最小二乘模型的动态交通OD矩阵估计

基于广义最小二乘模型,建立了一种带滑动窗的动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD数据.对模型中关键的交通分配矩阵,给出了解析的计算公式.算法是一种递推的估计过程,仅需较少的先验信息,且估计过程不会发散;滑动窗的引入可充分利用量测信息,抑制量测噪声.     

基于粒子滤波的机动目标跟踪改进算法

粒子滤波是指利用Monte Carlo仿真方法处理递推估计问题的非线性滤波算法,这种方法不受模型线性和Gauss假设的约束,是一种处理非线性非高斯动态系统状态估计的有效算法。在粒子滤波的基础上融合扩展卡尔曼滤波(EKF)算法,融合后的新算法在计算提议概率密度分布时,粒子的产生充分考虑当前时刻的量测,使得粒子的分布更加接近状态的后验概率分布。仿真结果表明,该算法对机动目标有更好的跟踪效果。     

多传感器量测自适应Rao-Blackwellised粒子滤波算法

针对量测不确定下非线性系统状态估计中多传感器量测数据的有效利用和计算复杂度的简化问题,给出了一种多传感器量测自适应Rao-Blackwellised粒子滤波算法。首先,通过随机采样策略和量测模型先验转移概率实现用于评估粒子权重的传感器有效量测集合的采样;其次,利用重采样步骤和概率最大化原则完成对不含扰动影响传感器量测模型的辨识;最终,依据Rao-Blackwellised粒子滤波中非线性状态分量和线性状态分量的独立求解方式实现当前时刻系统的状态估计。理论分析和仿真实验结果验证了算法的可行性和有效性。     

带状随机线性系统状态的估计问题

针对目前关于广义系统状态估计的研究现状 ,即几乎所有的讨论都集中在奇异矩阵为方阵的情况 ,讨论了广义逆矩阵和矩阵的奇异值分解问题。首次提出了带状随机系统的状态估计问题 ,利用矩阵的奇异分解理论给出了带状广义连续线性系统的奇异值标准形式。基于标准形式 ,利用广义逆矩阵的性质 ,在两种情况下将系统分解成两个子系统 ,通过估计子系统的状态 ,得到了该系统状态的最优预测和滤波递推方程。     

加性噪声背景下基于ICA的线性系统辨识算法

在加性噪声背景下,将线性系统辨识问题纳入到独立分量分析(ICA)瞬时混合模型中,提出了一种新的结合ICA技术的线性系统辨识算法.该算法无需对噪声信号的统计特性进行任何先验假定,根据ICA模型中瞬时混合矩阵的先验知识,准确估计出系统输出的加性噪声,从观测数据减去该噪声后,利用最小二乘理论实现算法对未知系统的参数估计.仿真实验表明,该算法不仅有效地消除了一般算法对于噪声特性的限制,而且在低信噪比下仍能取得较为理想的辨识结果.     

一种低复杂度的频率、时延联合估计新方法

提出了一种基于子空间的正弦信号的频率、时延联合估计快速算法。首先给出一个PM(propagatormethod)算子 ,再由其分块矩阵构造一特殊的矩阵。由该矩阵的特征分解所得的特征矢量给出频率估计 ,而由其特征值及估计的频率得到时延估计。与现有的方法相比 ,由于该算法减少了一次特征分解 ,因而具有较低的计算复杂度。最后 ,用正弦信号及实测语音数据验证了该方法的性能     

BICM-OFDM中基于ML算法的迭代信道估计

基于最大似然估计(ML),提出了一种新的联合译码的迭代信道估计算法。该算法利用比特交织编码调制(BICM)中迭代译码的硬判决信息,进行信道估计与译码之间的信息交换。在基于BICM的OFDM系统(BICM-OFDM)中,在短波宽带信道下的仿真结果表明,经过4次迭代,系统的误码率性能收敛。与传统ML算法相比,算法可有效的提高估计精度。     

基于FFT相位差的载波估计算法仿真与改进

由于栅栏效应,直接用FFT估计频率和相位仅能获得非常粗的精度。精确的估计需要在FFT谱线基础上做进一步的插值等运算。文献[1,2]提出了基于FFT相位差的载波频率和相位估计算法,利用两段FFT谱线间的相位差消除了栅栏效应的影响,获得了精确的估计。但经过仿真,该文献提出的方法估计性能依赖于所估计信号的频率,在某些频率点能获得很好的估计性能,但在少数频率点附近性能恶化严重。对该问题进行了理论分析,找出性能恶化的原因所在并提出了改进办法,克服了原文献算法的缺点。仿真表明,在整个频率动态范围内,改进后算法都非常稳定,具有很好的估计性能。同时改进后算法同样运算简单,便于实现。     

空间相干信号的频率和二维到达角估计算法

针对宽频段窄带信号的参数估计,提出了一种空间相干信号频率和二维到达角联合估计的算法——TSS-DOA算法。TSS-DOA算法利用双平行线阵的时空数据以及平滑技术构造了一个时空平滑矩阵,通过对其进行特征分解,并利用分解得到的特征值和特征矢量估计出空间相干信号的三维参数。该算法能精确地估计信号的三维参数,无需多维谱峰搜索,具有计算量小,三维参数自动配对的优点,并有效地解决了信源参数兼并问题。计算机仿真结果验证了算法的有效性。     

评"基于小波变换的多分辨信号波达方向估计法"

从信号泄漏和空间模糊的角度出发,详细分析了一种基于小波分解的多分辨信号波达方向估计方法(WD MDoA)并指出其缺陷。WD MDoA方法的基本思路是通过小波变换,把接收的阵元数据在空间上分解成多个子带,然后对每个子带进行波达方向估计。分析表明:对于WD MDoA方法,把接收的阵元数据在空间上被分解成多个子带后,如果某个子带外存在其它来波信号时,对该子带进行波达方向估计会产生虚假估计。因此,WD MDoA方法存在着较大的缺陷,计算机仿真结果验证了这个结论。     

Weibull分布环境因子的统计分析

利用有关统计量近似服从正态分布的性质 ,证明了Weibull分布场合环境因子基于参数的最好线性无偏估计的点估计是有偏估计。导出了基于定数截尾样本Weibull分布环境因子的近似无偏估计和近似置信区间。利用模拟方法研究了所给的近似无偏估计和近似区间估计的精度。模拟结果显示 ,所给的近似无偏估计和近似区间估计的精度是相当好的     

OFDM系统中的一种有效频偏估计算法

通过设计一种特殊的训练序列,提出了一种新型的正交频分复用(OFDM)系统频偏估计算法。只需要一个训练序列,就可以有效地对整数倍与小数倍的频偏进行估计,并且还可以利用该特殊训练序列进行符号定时估计。仿真结果表明,与传统算法相比,提出的算法不仅减少了训练序列数目,而且提高了频偏估计精度。     

两参数Weibull分布环境因子的Bayes估计

基于天地试验环境下Weibull分布形状参数不变的条件,运用Bayes方法对两参数Weibull分布环境因子进行分析,以尺度参数后验密度的商密度作为环境因子的后验密度,给出了在形状参数已知和未知两种情况下,环境因子在平方损失下的Bayes估计。最后运用仿真实例与极大似然估计进行比较,结果表明Bayes估计优于极大似然估计。     

基于均值移位的载频盲估计算法

针对非协作通信领域的MPSK和MQAM信号载频估计与调制方式识别互相依赖问题,提出了一种无需调制方式先验知识的高精度载频盲估计算法.通过相位差分布特性的分析建立了相位差密度极值点与频偏的联系,引入模式识别中广泛应用的核密度估计方法对相位差进行密度估计,并以均值移位算法完成密度极值点的求解,达到载波估计的目的.仿真结果表明算法大大降低了信噪比门限,并且载频的粗估计算法也具有较高的精度,可以作为独立的频偏估计算法用于频偏精度要求不是非常高的场合.     

基于投影滤波的突发事件危险源位置估计问题研究

针对确定突发事件中危险源的位置估计问题,提出一种基于hermit基函数的投影滤波方法.通过将其概率解投影到指定状态空间中,通过投影空间中的艾尔米特基函数构造出近似解,即状态的先验概率密度函数,最后由贝叶斯估计得到状态的后验概率密度函数,给出算法的收敛性和计算复杂度分析.仿真实验证明投影滤波方法有效减少滤波估计中所需的计算量,并提高了估计精度.