基于分布函数逆映射采样的粒子滤波方法

针对粒子滤波存在的退化问题,提出一种基于最优重要性密度对应的分布函数的逆映射采样的粒子滤波方法.该方法首先在[0,1]区间均匀采样一组随机样本,然后根据分布函数的单值逆映射关系,将这些随机样本映射成对应于最优重要性密度的粒子,其中分布函数通过数值积分计算.这些粒子的分布非常逼近所求状态的后验概率密度函数,有效解决了粒子退化问题.理论分析和仿真结果表明:与现有粒子滤波方法相比,所提方法明显改善了滤波性能.     

多天线系统符号和载频同步的混合粒子滤波

为解决多天线系统符号同步和载频同步中的联合参数非线性估计问题,提出一种混合粒子滤波方法.该方法基于最大后验概率准则,在接收端将时延、频率偏置用联合随机粒子表示,结合未知信道参数矢量的卡尔曼滤波估计值,获得联合粒子的重要性权重.同时,采用序列重要性采样和重采样策略来更新粒子权重并保持粒子的多样化,可避免直接在高维信道参数空间上进行重要性采样时效率下降的缺点.该方法在4发2收的多天线基带传输系统上的仿真实验表明,其参数估计精度较高,到达稳态所需的迭代次数较少,并可获得接近理想参数时的误码率性能.     

一种基于粒子滤波的跳频信号频率跟踪技术

为了能在未知跳频模式或跳频时刻的条件下,实时估计跳频信号的频率,提出了1种相位粒子滤波的跳频信号频率跟踪算法.首先建立了跳频信号的相位统计模型;然后通过粒子滤波算法实现对信号相位的后验概率密度估计;最后通过相位的后验概率密度实现对跳频频率的最小均方误差估计.算法使用序贯重要性采样技术实现粒子权值的迭代更新,采用系统重采...     

一种基于锁角环路的DOA估计定位跟踪

为了解决传统移动目标波达方向估计定位跟踪过程中,实时性差、精度低、计算复杂度高的问题,提出一种基于锁角环路的DOA估计定位跟踪算法.该算法采用锁角环路(DiLL)结构实现信号的波达方向(DOA)估计和定位,并实时随信号角度变化自动调整方向,以实现信号方位的跟踪.为了减小非线性和噪声对定位跟踪性能的影响,通过UKF滤波将估计目标信号的干扰消除,以提高信号方位定位跟踪的精度及系统的稳定性.仿真结果表明:该算法能够得到较高分辨率的DOA估计信号,能够对多个移动目标的方位进行有效定位跟踪,系统的精度、效率和稳定性也较高.     

基于序列重要性重采样算法的MIMO时变信道半盲估计

粒子滤波可以用来处理非线性非高斯问题,而序列重要性重采样算法能较好地解决粒子滤波中的粒子退化问题,由此将序列重要性重采样算法运用于MIMO时变信道进行半盲估计.实验结果表明:与使用传统的粒子滤波方法相比,基于序列重要性重采样算法的MIMO时变信道半盲估计方法均方误差和误码率降低,从而改善了接收端的符号检测性能.     

强噪声背景下鲁棒的说话人跟踪

针对强噪声背景下的说话人跟踪系统,提出了一种适应于噪声统计特性未知的无迹扩展H∞粒子滤波方法,并将其应用于强噪声背景下的说话人跟踪问题.首先,将无迹变换(UT)变换引入到适用于噪声统计特性未知的EHF中取代复杂的雅克比矩阵计算,降低观测方程线性化引起的误差;接着,采用生成的无迹扩展H∞滤波优化重要性概率密度函数,将最新观测信息引入到粒子修正过程;最后,对本方法的粒子采样实现和权重更新步骤进行了详细分析.仿真分析表明:本方法有效提升了在信噪比较低情况下的跟踪精度和鲁棒性.     

基于自适应有限差分粒子滤波的说话人跟踪

针对非线性说话人跟踪系统,提出一种基于自适应有限差分粒子滤波算法的麦克风阵列声源定位与跟踪方法.该方法在改进的粒子滤波框架内,采用适应性较强的布朗运动模型,通过计算麦克风阵列波束形成器的输出能量来构建似然函数,有效降低观测误差的不确定性对说话人位置估计的影响,一定程度上提升了说话人跟踪系统的精度.实验结果表明,该方法在基于麦克风阵列的说话人跟踪系统中具有较高的精确性.     

基于联合检测与估计的闭环系统设计及应用

提出先验概率更新规则,改进已有的基于联合检测与估计的闭环技术,根据估计器信息同步更新先验概率和先验分布,将先验信息反馈给检测器以辅助其作出判决,从而形成检测与估计的闭环结构.将本方法应用于窄带信号检测与波达方向(DOA)估计.通过理论推导与数值分析发现新的闭环系统收敛速度更快、最大后验概率(MAP)准则下判决可信度更高,且在起始先验概率不利的情况下,闭环系统具备判决纠错能力.     

高斯辅助粒子算法

粒子滤波算法在处理非线性,非高斯问题的状态估计方面有独特的优势。粒子滤波方法由于存在粒子退化,粒子多样性匮乏等问题,不能准确地估计系统状态。该文提出了一种新的粒子滤波算法-高斯辅助粒子滤波算法,将即时的观测值信息引入重要性概率密度函数当中。该研究进行重采样时,用高斯变换对粒子进行了重新分布并调整重采样后的粒子权值。通过仿真实验验证该方法可以有效运用当前观测量值,优化粒子分布,在解决粒子退化问题的同时,也能维持粒子的多样性,提高滤波效率。     

适于无源阵列跟踪的粒子滤波交互多模型算法

针对无源阵列被动跟踪效果较差的问题,融合交互式多模型和粒子滤波方法,提出了一种基于粒子滤波的交互多模型(IMM-PF)算法。该算法采用多模型结构跟踪目标的任意机动;各模型采用粒子滤波算法处理非线性、非高斯问题。各模型中相对固定数目的粒子群经过相互交互、粒子滤波后再进行重抽样以减少滤波退化现象。在交互阶段,对各模型的相应粒子进行输入交互;在滤波阶段,抽取N个采样点,得到估计采样,从而求得估计输出和有关函数;在混合阶段,获得状态向量的后验条件概率密度函数,通过这个后验概率密度便可获得状态向量的估计量。与典型的交互式多模型算法(IMM-KF)进行了比较,计算机仿真结果证实了本文新算法的正确性和有效性。     

基于TDOA和DOA测量的单站无源定位方法

空中运动目标无源定位和跟踪技术在航空、制导等领域应用广泛.探讨了一种基于辐射源的信号到达时间差（TDOA）和信号到达方向（DOA）信息,利用固定单站对机动目标进行无源定位与跟踪的新方法.在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波（MGEKF）算法,实现对机动目标进行定位与跟踪,讨论了其定位原理与算法,计算机仿真验证了该方法的正确性与有效性.     

基于空间平滑MUSIC算法的智能天线DOA估计方法

波达方向(DOA)估计是智能天线系统中的关键技术之一,在研究基于MUSIC算法的传统DOA估计的基础上,提出了一种基于空间平滑技术MUSIC算法的DOA估计方法。仿真结果表明,对于相干信源,采用空间平滑MUSIC算法,能够得到尖锐的谱峰和较高的分辨率。     

基于无网格压缩感知的波达方向估计方法

针对密集分布目标的波达方向(DOA)估计,是当前高精度定位技术的难点和热点.已有的基于压缩感知原理的DOA估计方法往往存在离散网格与连续域参数匹配难度高、离散网格之间相关性高、计算效率低等问题.针对DOA密集分布、低信噪比的非理想情况,分别采用稀疏参数法(SPA)和连续压缩传感(CCS)算法,设计了无网格的压缩感知密集DOA估计方法,分析了这两种算法的性能特点.通过对比仿真实验证明:该方法可以有效提高密集DOA的估计精度.     

基于支持向量机的波达方向估计

波达方向(DOA) 估计是智能天线系统中的一个关键技术之一。在本文中,通过一种基于支持向量机(SVM)的回归技术对信号的波达方向进行估计,这种方法经过训练以后,可以识别在训练样本里的和未知的信号的到达方向。仿真结果可以证明这种方法的有效性。     

基于Wigner-Ville时延分析的传感器网络定位方法

到达时间差(TDOA)定位是根据各个传感器接收信号的时差来实现目标定位的,时延估计的准确程度直接影响到定位的精度。从信号能量角度出发,根据Wigner-Ville变换得出一种时频能量分布,通过对应频率下能量的最大值来确定信号的到达时间,进而确定出时间差,同时计算了振动信号在实验介质中的传播速度,最终实现了振动定位的目的。试验结果表明,基于WVD时频能量分析的方法有利于减少实际测量环境下的振动源定位误差,从而提高定位的精度。     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

基于局部保持投影和RBF神经网络的DOA估计

提出了一种有效的降维构建方法改善来波到达角（DOA）估计的性能。该方法利用局部保持投影（LPP）对DOA估计用的神经网络的训练样本进行降维,以降低神经网络的复杂度,加快神经网络的训练过程。与常用的协方差矩阵上三角特征相比,在不损失有效方位信息的基础上,可以使特征维数极大地降低。数值实验表明,基于局部保持投影和神经网络的方法具有良好的估计精度和效率,同时对噪声也有较强的适应能力,能够很好地满足波达方向估计实时性的要求。     

信号频率-方向联合估计中的双旋转子空间法

提出了一种基于子空间2次旋转变换的频率-方向联合估计方法．该方法可同时估计空间信号频率和到达方向，其阵列由M个阵元组成，避免了复杂的阵列结构．计算机模拟结果表明，该方法不仅阵列结构简单，在中等SNR时具有良好的分辨性能，而且运算速度较快。     

基于重采样的COLD阵列波达方向和极化参数联合估计

针对在低信噪比情形下DOA和极化参数估计性能严重下降的问题,提出了基于重采样的COLD阵列参数估计方法.该算法有效结合了ROOT-MUSIC和重采样技术,并对重采样技术作出了改进,利用COLD阵列ROOT-MUSIC算法,可以降低求根阶数,减少计算量;利用改进后的重采样方法,可以大幅度提升低信噪比下的参数估计性能.并通过参数估计结果可行性判定方法,保留参数估计正常值,剔除异常值.本文提出的这种算法,使在低信噪比情况下,参数估计精度得到提高.仿真实验结果验证了该算法对信号DOA和极化参数估计的有效性.     

基于四阶累积量的近场源多参数联合估计

提出了一种近场窄带信源多参数联合估计新方法,通过所构造四阶累积量矩阵的特征值及其特征向量就可以直接获得近场源频率、方位及距离三维参数的联合估计,无须峰值搜索,适用于任意高斯噪声环境．与现有方法相比,所提方法有效地避免了阵列孔径损失,而且算法简单高效．仿真综合结果表明了新方法的有效性．