自适应空域矩阵滤波器设计和目标方位估计

针对在强干扰背景中检测弱目标信号时被动声信号处理技术的性能会严重降低的问题,提出了一种自适应空域矩阵滤波器的设计方法。该方法是在保证滤波器通带响应与期望响应误差和阻带响应低于某设定值的条件下,最小化滤波后基阵的输出功率,使得滤波器能尽量保证让通带扇面的信号无失真通过,同时抑制阻带扇面的干扰和噪声。将滤波器的优化设计问题表达成二阶锥规划的形式,利用已有的内点方求出其数值解。最后将设计的自适应空域矩阵滤波器用于强干扰背景中弱目标信号的方位估计。计算机仿真结果说明,所提方法能在干扰方位形成零陷,有效地抑制阻带区域的强干扰,提高了后续方位估计方法的性能。     

基于波束优化设计的宽带相干信号子空间算法

提高波束域宽带相干信号子空间算法(BCSSM)在低信噪比下的估计性能,并降低其运算量,是BC-SSM在实际系统中得到应用的关键。借助于优化方法,设计具有低旁瓣和恒定束宽特征的时域宽带波束形成器来实现预形成宽带波束,在保证宽带信号无失真接收的同时,能够有效抑制干扰,从而提高了BCSSM在低信噪比下的估计性能。宽带波束形成器采用数字延迟线和FIR滤波器相结合的结构,减少了设计所需FIR滤波器的阶数,显著降低了算法的运算量。设计实例和仿真结果证明了所提方法的有效性。     

基于时域自适应FIR滤波的空时处理方法

传统的后多普勒自适应处理方法,如果仅仅选用一个多普勒通道的输出数据进行空域滤波时,虽然对旁瓣杂波的抑制接近最优,但是对主瓣杂波抑制性能较差。针对以上问题,提出了基于时域自适应有限长单位冲激响应(finite impulse response, FIR)滤波的空时处理方法。该方法先设计一组自适应FIR滤波器,利用这组自适应FIR滤波器对雷达回波数据进行时域FIR滤波,然后分别对同一多普勒通道的输出数据进行空域自适应处理。仿真结果表明,该方法的杂波抑制性能优于1DT方法,而且该方法在天线阵元存在一定的随机幅度和相位误差情况下,杂波抑制性能损失不大。     

基于复数权值FIR滤波器的宽带波束形成方法

提出一种用于水声通信的宽带恒定束宽波束形成结构.该结构首先采用时间延迟线补偿各阵元接收信号间整数倍采样间隔时延.接着通过希尔伯特变换等方法将补偿后的实信号转换为复信号.最后将转换的复信号通过复数权FIR滤波器滤波对信号的幅度和分数间隔时延进行补偿.对提出的宽带波束形成结构进行了仿真验证.仿真中阵形为12元体积阵,通信频带为3k-7kHz.仿真结果表明:在设计的通信频带内,不同频率对应波束的旁瓣级为20dB左右,主瓣差别小于0.1dB.     

高速并行FIR滤波器的FPGA实现

提出了一种基于多相滤波器的并行有限脉冲响应(finite impulse response,FIR)滤波器结构,可以有效提高滤波器运算的吞吐率,与传统的串行滤波器结构比,并行滤波器运算速度可以提高L倍,其中L为并行的路数,并且运算延迟小.首先从理论上分析了基于多相滤波器的并行滤波原理,并以八路并行为例,对FIR滤波运算做了浮点仿真验证.然后用经典符号数表示以及优化定点滤波器系数,并针对滤波器系数设计了流水线结构.最后在Altera的Stratix II系列芯片上实现了定点并行滤波器.可编程逻辑阵列(field programmable gatearray,FPGA)编译以及下载测试结果表明,该滤波器仅占用少量的资源,其等效吞吐率可以达到2 GHz.     

FIR带阻滤波器优化设计研究

详细讨论了神经网络在FIR线性相位带阻滤波器中的应用.用神经网络方法设计的线性相位带阻滤波器,其幅频响应在通带与阻带范围均无过冲与波动现象,衰减特性好,在100dB以上.给出了FIR线性相位带阻滤波器的设计实例,计算结果表明,该算法在FIR线性相位滤波器设计中非常有效,具有优异性能.     

滤波器幅度误差对频域宽带波束形成的影响

阵列系统中,各个阵元的滤波器的幅度误差会对宽带波束形成造成影响.以频域宽带波束形成算法和滤波器幅度误差模型为基础,推导得到了存在滤波器幅度误差时频域宽带波束形成算法中自相关矩阵的表迭式.通过对自相关矩阵的分析指出:滤波器幅度误差会引起自相关矩阵的秩增加,在做自适应干扰抑制时需要考虑更多的空间自由度.此外,误差的存在还会造成波柬形成的性能下降.还给出了误差和性能损失之间的关系,为宽带相控阵系统中通道滤波器的设计提供了参考.     

一种高效的宽带数字接收机及其FPGA实现

针对电子战中的宽带侦察数字信道化接收机,提出了基于短时傅里叶变换的宽带数字信道化接收机的改进方法,给出了该方法的FPGA实现。该方法采用多相滤波结构,通过先对时域抽取信号进行傅里叶变换,再对变换结果进行加权处理,从而实现宽带信号信道化。理论分析和原理样机系统验证表明,在相同的FPGA资源和时间分辨要求条件下,该方法相对传统短时傅里叶变换的信道化接收机可实现更多的信道数。     

动态时空异常感知的相关滤波目标跟踪算法

针对背景感知算法未与目标的时空域特性建立联系,以及无法准确处理遮挡、形变等异常跟踪情况的问题,提出了能够动态感知时空异常的目标跟踪算法。在相关滤波器训练过程中引入动态空间正则项,使其与样本的时空域特性建立联系;结合响应图的峰值唯一性和锐利信息,提出异常感知方法;利用历史滤波器具有不同置信度的特点以及目标在时域中的连续性,通过异常感知方法自适应选择高置信度的历史滤波器作为时间正则化的参考模板,降低滤波器退化的风险。在OTB50、OTB100和TC128测试基准上进行仿真实验,该算法能够适应外观变化、画面杂乱等复杂条件下的跟踪任务,具有较强的鲁棒性和实用性。     

不确定离散系统的有限时域鲁棒H∞滤波

研究了一类时变不确定离散系统的有限时域鲁棒H∞滤波问题。在系统不确定性满足范数有界的条件下,给出了有限时域鲁棒H∞滤波器存在的充分必要条件,并基于线性矩阵不等式技术给出了滤波器的构造性的设计方法。得到的滤波器对所有可容许不确定性，满足指定的性能指标。最后给出了仿真实例,仿真结果表明所设计的滤波器实现了设计要求。     

脑-机接口中时变公共空间滤波器的研究

为了提高分类识别率,提出了-种新的公共空间算法一时变空间滤波算法.该算法中,公共空间滤波器的值不再是常数,而将随着时闸而变化,它能够有效提高任务的识别率.首先给出公共空间模型的数学公式,然后进行时变公共空间滤波器的数学求解,试验结果表明时变公共空间滤波器在BCI的实用性,能够达到很好的识别效果.     

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.     

迭代无味卡尔曼滤波器的算法实现与应用评价

为了对各种迭代无味卡尔曼滤波(iterated unscented Kalman filter, IUKF)算法的应用及性能表现给出较为全面、客观的评价,分别导出并探讨了3种IUKF算法之间的内在联系。多种情况下的仿真应用表明,当观测噪声不太大,且该非线性系统状态的后验密度为可用高斯分布很好近似的单峰形式时,或者说是引起系统非线性的状态量是完全瞬时可观测时,选用恰当的IUKF算法,通过2~3次迭代,就可以在保持滤波一致性的条件下,进一步获得显著的精度收益;否则,IUKF相对于无味卡尔曼滤波(unscented Kalman filter, UKF)的迭代收益就难以保证。     

基于迭代无迹卡尔曼滤波的SLAM算法仿真研究

对迭代无迹卡尔曼滤波算法在SLAM问题中的应用进行仿真研究。通过仿真分析发现,与一般的无迹卡尔曼滤波算法相比,迭代的算法有时无法提高SLAM的精度,继而探讨了SLAM问题中选择采用迭代算法的条件;同时针对迭代算法的观测更新阶段,用阻尼的高斯-牛顿迭代方法改进完全高斯-牛顿迭代方法,从而提出一种改进的基于迭代无迹卡尔曼滤波的SLAM算法。仿真实验对提出的迭代条件进行了验证,仿真结果表明提出的SLAM算法与无迹卡尔曼滤波算法相比,可以进一步提高SLAM问题的估计精度。     

基于强跟踪滤波器的PMSM无速度传感器DTC策略

针对扩展卡尔曼滤波器(EKF)对模型误差鲁棒性差的问题,提出了基于强跟踪滤波器(STF)的永磁同步电机(PMSM)无速度传感器直接转矩控制(DTC)策略,该方法利用永磁同步电机定子坐标系下的非线性数学模型和强跟踪滤波技术建立了STF观测器,从而实现了对电机定子磁链、转速和转子位置的实时在线观测。仿真结果表明,STF观测器可以准确地观测出电机定子磁链和转速,同时与EKF观测器相比,该观测器对于系统参数摄动、外部干扰等系统模型失配具有更强的鲁棒性。     

基于强跟踪UKF的航天器自主导航间接量测滤波算法

针对广义卡尔曼滤波(extended Kalman filter, EKF)和无迹卡尔曼滤波(unscented Kalman filter, UKF)缺乏对系统异常的在线自适应调整能力、导致滤波器精度降低的问题,提出了一种将强跟踪滤波(strong tracking filter, STF)和UKF相结合的滤波算法,并进一步采用部分状态信息作为间接观测量,同时量测噪声方差阵实时调整,从而避免了对观测方程求取Jacobi矩阵的过程,使滤波器的设计得到简化。将该算法应用于航天器自主导航系统中,仿真结果表明,该算法在系统出现突变或缓变异常时,能够迅速检测出异常,在保证较高估计精度的同时,提高了系统的可靠性。     

基于无迹粒子PHD滤波的序贯融合算法

针对在杂波、漏检和非线性情况下,粒子概率假设密度滤波（particle probability hypothesis density filter, P-PHDF）算法估计精度不高、滤波发散及粒子退化等问题,提出了一种基于无迹粒子概率假设密度滤波（unscented particle PHDF, UP-PHDF）的序贯融合算法。利用无迹粒子滤波（unscented particle filter, UPF）实现PHDF,由UKF算法得到更好更优的重要性密度函数并从中采样,使粒子的分布更接近多目标概率假设密度分布;另外,为进一步提高滤波算法的性能,实现基于雷达和红外传感器的UP-PHDF序贯融合算法,通过两传感器交替滤波保证目标状态的可观测性。在复杂环境下,仿真结果表明该算法的估计精度和稳定性明显优于单传感器P-PHDF算法。     

单极化雷达的空域零相移干扰抑制极化滤波器

单极化雷达不具备极化信息获取和处理能力,这对极化域抗干扰造成了根本性的困难。利用天线在空域扫描时对来波的空域极化调制效应,研究了单极化雷达回波信号的极化分解与极化参数等估计方法。在此基础上,讨论了一种空域零相移干扰抑制极化滤波器的设计方法。该法不仅能够有效抑制干扰,而且不会造成目标信号的幅度和相位失真,实现了雷达相参处理和极化信息处理的兼容工作。仿真和实测数据验证了方法的有效性和可行性。