基于容积卡尔曼滤波的约束恒模波束形成算法

提出一种基于容积卡尔曼滤波的线性约束恒模波束形成算法。首先使用伪观测法将恒模代价函数和约束条件写成状态观测方程,之后利用容积卡尔曼滤波算法来求解以上非线性滤波问题。所提方法能够避免常规算法对模型的近似处理和特征值分散效应对波束形成器输出性能的影响,因此对干扰和噪声有更强的抑制能力。仿真结果表明,本算法相比随机梯度法和递归最小二乘法具有更快的收敛速度和更高的输出信干噪比,在非平稳环境下,能够迅速调整权值收敛到最优解。     

联合高斯回归的平方根UKF方法

针对传统的滤波方法容易受系统动态模型不确定性和噪声协方差不准确的限制这一问题,提出一种将高斯过程回归融入平方根不敏卡尔曼滤波（unscented Kalam filter,UKF）算法中的滤波算法。该算法用高斯过程对训练数据进行学习,得到动态系统的回归模型及系统噪声的协方差;采用标准的平方根UKF算法,状态方程和观测方程,相应的噪声协方差由高斯过程实时自适应调整。将应用于飞行器SINS/GPS组合导航,结果表明,该方法能够自适应系统噪声,收敛速度快,导航精度高。     

基于Sage-Husa算法的自适应平方根CKF目标跟踪方法

在目标跟踪中,噪声的统计特性未知可能会引起滤波精度下降甚至发散,针对该问题,提出了一种新的自适应平方根容积卡尔曼滤波算法。所提方法在常规Sage-Husa算法的基础上采用容积规则,推导出了一种适用于非线性系统的自适应噪声统计估计器。仿真结果显示,相对于标准的平方根容积卡尔曼,所提方法在噪声统计特性未知或时变的情况下滤波精度有显著提高。     

基于多次卡尔曼滤波的目标自适应跟踪算法与仿真分析

标准的卡尔曼滤波算法由于使用了固定单一的状态噪声模型,因此当目标运动状态经常发生剧烈变化时,跟踪效果不是很理想。为了提高对目标的跟踪精度和跟踪收敛速度,提出了一种新的算法,通过多次步长不同的卡尔曼滤波算法来判断机动目标的运动状态,进而使得系统状态噪声协方差能够随着目标机动情况自适应调整。最后的蒙特卡罗仿真实验验证了此算法的有效性。     

衰减记忆自适应滤波在惯导系统传递对准中的应用

针对滤波稳定性问题,提出了一种改进的衰减记忆自适应滤波算法。通过引入衰减记忆滤波矩阵,根据残差序列输出的互不相关性,在线自适应地调整衰减因子,从而使衰减记忆滤波工作在最佳状态。将该算法应用于惯导系统的传递对准过程,仿真结果表明在模型和噪声统计特性的先验信息不准确时,该算法优于传统的卡尔曼滤波。     

镍氢动力电池电荷状态估计算法仿真研究

基于所建立的镍氢电池等效电路模型,将模型的各物理量和状态量之间的关系表达成离散化的状态方程.然后利用电子负载实时测得电流、电压等数据,基于自适应滤波算法对镍氢动力电池的电荷状态(SOC)估计进行仿真计算.仿真计算结果表明,在系统模型噪声统计不准确,或者模型不精确的情况下,基于等效电路模型的自适应滤波算法依然可以进行系统的状态动态估计,具有很强的鲁棒性.最后,根据试验测试结果对滤波算法仿真得到的电池SOC进行了验证,达到了较高的精度.     

角闪烁噪声下的高斯和容积卡尔曼滤波算法

开展角闪烁噪声下的目标跟踪问题研究对提高传感器的探测性能具有重要意义,其中角闪烁噪声具有的非高斯特性是一个长期困扰研究者的难点。针对该问题,首先通过理论分析指出了容积粒子滤波(cubature particle filter,CPF)在角闪烁噪声下的性能缺陷。其次,基于高斯和滤波(Gaussian sum filter,GSF)框架和容积卡尔曼滤波(cubature Kalman filter,CKF)算法,提出了适用于角闪烁下的高斯和容积卡尔曼滤波(Gaussian sum cubature Kalman filter,GSCKF)算法,该算法将目标后验概率密度用高斯密度加权求和近似,通过多路并行的CKF实现状态预测与量测更新,同时利用模型降阶算法限制高斯分量数目的增长,能应用于非线性、非高斯条件的状态估计。最后,设计了仿真实验对GSCKF和CPF的跟踪精度、鲁棒性和计算复杂度进行了对比。     

拟牛顿分数低阶恒模算法的研究

为了提高分数低阶恒模均衡算法的收敛速度,提出了一种基于分数低阶恒模代价函数的拟牛顿自适应盲均衡算法.由于在权矢量更新方程中引进了代价函数的二阶Hessian矩阵,从而使算法的收敛速度较利用最速下降法的分数低阶恒模算法大大提高且具有较好的韧性.利用Matlab 对两种算法进行仿真,仿真结果对新算法性能的提高进行了验证.     

基于ANFIS的自适应机动目标状态估计算法

针对基于当前统计(current statistics,CS)模型的机动目标状态估计算法对机动目标加速度的极限值依赖性大的缺陷,提出了一种利用自适应神经网络-模糊推理系统(adaptive neuro-fuzzy inference system, ANFIS)自适应调整目标状态噪声方差的方法。首先利用ANFIS算法对目标机动强度进行估计,进而对目标状态噪声协方差矩阵进行自适应调整;然后利用粒子滤波(particle filter, PF)算法对目标状态进行估计。仿真结果表明,与该方法能够有效提高目标状态估计的精度。     

基于自适应预测滤波的视线转率估计方法

针对空间目标拦截过程中,视线转率估计模型强非线性噪声非高斯的问题,提出了预测滤波与扩展卡尔曼滤波相结合的转率估计方法.该方法在线实时估计并修正系统模型,滤波同时引入自适应方法,在线调整模型的噪声方差.仿真结果表明,与无迹滤波相比,该方法计算量小、收敛速度快、对模型误差的鲁棒性强,可以有效提高视线转率的估计精度,进而提高制导精度降低脱靶量.     

水声信道混合型常数模盲均衡新算法

为了克服常数模算法(constantmodulusalgorithm,CMA)收敛速度慢、符号误差常数模算法(signerrorcon stantmodulusalgorithm,SECMA)收敛后剩余干扰大的缺点,利用常数模代价函数和符号误差常数模代价函数定义了一个混合常数模新代价函数,并从理论上分析了该代价函数的特性,构造了具有常数模代价函数梯度矢量与符号误差常数模代价函数梯度矢量联合更新的混合常数模新算法(mixedconstantmodulusalgorithm,MCMA)。调整该算法中两个梯度矢量的比例系数,可提高该算法收敛速度、减少收敛后的均方误差。通过对水声信道均衡的计算机仿真,证明了该算法的有效性。     

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。     

基于双层符号常数模的多径水声信道盲均衡算法

针对常数模算法(CMA)及符号常数模算法(SCMA)迭代中的大量乘法运算会产生延时的不足，提出了双层符号常数模算法(DSCMA)。该算法采用逐级取符号的办法，将迭代过程中的大量乘法运算转化为比较运算，大大减少了计算量。而基于双层符号常数模的多径水声信道盲均衡器，具有收敛速度快，超量均方误差和计算复杂度小等特点。用负声速梯度信道及深海信道对该盲均衡器性能进行的仿真研究表明：该盲均衡器对多径干扰有良好的抑制作用，对水下数据通信有很强的实用价值。     

恒模算法与子空间法相结合的分数间隔盲均衡

恒模算法和子空间法是目前广泛应用于通信信号处理中的两种盲算法。将恒模算法和子空间方法相结合，提出一种基于恒模算法与子空间分解法的分数间隔盲均衡算法，仿真结果表明，新算法的收敛特性明显优于传统的恒模算法。     

降维 CKF 算法及其在SINS 初始对准中的应用

针对常规容积卡尔曼滤波(cubature Kalman filter, CKF)算法在捷联惯导系统（strapdown inertial navigation system, SINS）大方位失准角初始对准中采样点个数与状态向量维数成正比、计算量较大的问题,提出了降维CKF 算法。与常规CKF 算法相比,该算法只对离散化后的SINS 非线性误差模型中的大方位失准角进行采样,再利用三阶球面-相径容积规则计算后验均值和协方差,从而将采样向量从10 维降低到1 维,采样点数量从20个下降到2 个,减小了计算量。仿真实验结果表明,该算法与常规CKF 算法具有相同的对准精度,计算时间仅为常规CKF 算法的1/3,是一种较为实用的方法。     

New multitarget constant modulus array for CDMA systems

1 .INTRODUCTIONThe constant modulus algorithm(CMA) is a veryeffective blind approach to remove multiple accessinterference ( MAI) . Recently ,the CMA has beenapplied to the direct-sequence code division multi-ple access (DS-CDMA) systems with array anten-nas , which has tremendous potential to increasethe cellular system capacity . But the CMA algo-rithm lacks signal-selectivity and may capture aninterference instead of the desired user .Pre-sprea-dingis an effective method to alle…     

矩阵对角化变换鲁棒QCKF在视觉和惯性融合姿态测量中的应用

视觉和惯性融合姿态测量系统,可以发挥视觉测量重复性、稳定性好和惯性测量输出频率高、不受环境光干扰的特点。针对融合测量中,系统噪声和观测噪声的统计特性不完全可知及在出现异常测量值时融合测量鲁棒性较差的问题,提出一种基于矩阵对角化变换的鲁棒四元数容积卡尔曼滤波(quaternion cubature Kalman filter, QCKF)算法,分析了鲁棒滤波参数对测量系统鲁棒性和测量准确度的影响,使用矩阵对角化变换代替标准CKF中的Cholesky 分解以改善数值计算的稳定性。结合搭建的视觉和惯性融合姿态测量系统平台,实验结果表明与标准CKF算法相比,具有更高的准确度、鲁棒性以及稳定性。