一种基于粒子滤波的盲多用户检测器

针对平坦瑞利衰落信道下的多用户检测问题.提出了一种基于可变粒子滤波器的盲多用户检测器。在导频序列接收阶段采用较多的粒子数目来估计信道参数。在信号检测阶段采用较少的粒子数目实现多用户检测算法,这样构成的变粒子数多用户检测算法在保持较好性能的同时具有较低运算复杂度。仿真结果表明,在高斯噪声或非高斯噪声环境,该检测器性能优于基本粒子滤波检测器性能。     

基于线性多用户检测的DS-UWB接收机研究

研究了MMSE线性多用户检测接收机在单用户DS-UWB系统中的应用,推导了接收机的信号模型以及滤波器权向量的计算公式,分析了其性能．仿真实验表明,在IEEE802．15．3a信道中,线性多用户检测接收机比选择Rake接收机（S-Rake）具有更好的能量收集和多径干扰抑制能力．     

衰落信道中基于CMA的自适应多用户检测算法

提出了一种能在多径下使用的基于CMA的多用户检测结构,实验仿真证明,在时延远小于符号时间的情况下,这种多用户检测算法能很好抵消多址干扰和克服多径衰落,算法的收敛性能稍弱于子空间自适应多用户检测,而稳态性能稍强于子空间多用户检测,算法的复杂度远低于子空间多用户检测算法。     

衰落信道中的串并混合型多用户检测算法

提出了一种基于RLS算法的新的决策反馈串并混合型多用户检测算法．在衰落信道条件下。针对系统数据传输速率的不同分成考虑码间干扰(ISI)和不考虑码间干扰两种情形对算法进行了理论分析，给出了一个关于误码率的理论计算公式，并进行了计算机仿真．所得结果表明，该算法具有较高的准确性，误码率较低，成本较为低廉，有一定的实用价值．     

一种改进的Turbo多用户检测算法

在分析Turbo检测器的软最小均方误差干扰消除算法和部分并行干扰消除算法的基础上提出了一种新的多用户检测算法．该算法综合了前2种算法的优点，采用部分干扰对消代替软干扰消除，使误码率得到一定程度的提高．仿真结果表明：新算法的误码率性能较高，在低信噪比时更加适用．     

一种改进的多用户检测算法

针对串行干扰消除算法和并行干扰消除算法的不足,提出一种将串行干扰消除检测算法和部分并行干扰消除检测算法的基本思想结合起来的新的干扰消除多用户检测算法.该算法相对于串行干扰消除算法和并行干扰消除算法性能在某些方面有所改进:克服了串行干扰消除算法时延大、不能实时实现的缺点,并对功率分布均匀时系统的误码率性能有所改善;改善了并行干扰消除算法在系统中没有严格功率控制时的误码率特性;同时具有合理的计算复杂度和简单的实现结构等特点.理论分析和仿真结果都验证该算法具有较好的性能.     

基于改进无迹卡尔曼滤波的多径估计算法

【目的】在导航定位系统中,基于卡尔曼滤波框架的多径误差抑制算法是提高定位精度的有效方法。但是,在算法的过程噪声和观测噪声协方差初值的选取不当时,会导致估计结果误差很大甚至发散。另外,由于此类算法是基于最小均方误差准则,算法在受到非高斯噪声干扰时尤其是重尾非高斯噪声,会出现估计精度显著下降的问题。【方法】为了在高斯噪声和非高斯噪声下都能够保持较好的多径估计结果提高定位精度,本文提出一种自适应最大相关熵无迹卡尔曼滤波(adaptive maximum correntropy unscented kalman filter, AMCUKF)多径估计算法,算法在观测更新过程中引入最大相关熵作为优化准则,以解决在非高斯噪声下的估计精度下降的问题,在噪声协方差更新过程中用观测量的残差序列对噪声协方差矩阵进行递归更新,取代过程噪声和观测噪声协方差初值的选取。【结果】在高斯噪声和非高斯噪声下分别进行了仿真实验,通过与两种基于卡尔曼滤波框架的估计算法进行对比表明,AMCUKF多径算法不仅能够在高斯噪声下保持较好的多径估计结果,而且在非高斯噪声下也能够保持更高的多径估计精度,有效抑制非高斯噪声的干扰。     

多环境下卡尔曼滤波多用户算法的性能仿真

盲自适应多用户检测的典型算法主要有：最小均方算法、递归最小二乘算法和卡尔曼滤波算法,而卡尔曼滤波算法的收敛速度快、跟踪性能强,数值稳定性好。本文在同步、异步加性白噪声、用户满载、阵发性强干扰等通信环境下对算法的时间平均信千比（SIR）、平均输出能量（MOE）和误码率（BER）作了仿真测试,对比分析了卡尔曼滤波算法的性能。     

一种用于多径衰落信道的盲多用户检测器

将基于递归最小二乘算法的盲多用户检测器与RAKE接收机相结合,提出了一种适用于频率选择性衰落信道下的接收机,叙述了其工作原理和算法,分析了其性能。仿真表明,该接收机无论在收敛性能还是在误码性能上均优于基于Rosen梯度投影的接收机。     

一种基于隐马尔可夫的盲自适应多用户检测算法

针对在概率统计为基础的信道估计收敛速度慢，状态估计存在非合理性的问题，提出了以隐马尔可夫模型为基础的盲自适应多用户检测算法。在后向方法中采用了固定延迟和锯齿延时相结合的办法，根据前后序列之间的相关性和最陡下降法对多用户上行复合信道进行盲估计，对于发射序列状态之间可能存在时序非继承性，搜索与前向序列对应的具有最大转移概率的后续序列，实现了最大后验多用户检测方法。此算法避免了由于相邻状态序列后向概率相差很大而造成的信道估计发散，同时将计算复杂度从o(N^3)降低到o(N^2)，计算机仿真实验表明，该算法将信道响应估计速度提高了10％，且具有全局收敛性和系统的稳定性。     

改进的渐消卡尔曼滤波在GPS动态定位中的应用

基于中长基线GPS动态定位模型和渐消卡尔曼滤波理论,提出构建新的渐消因子向量,通过对不同滑动窗口宽度设计一组平行滤波器,利用加权获得优化之后的协方差阵来改善中长基线中动态定位的精度.数据解算结果验证了该方法的正确性和可靠性.     

基于卡尔曼滤波器的机动目标跟踪仿真

将卡尔曼（Kalman）滤波器的变维滤波算法应用于雷达数据处理中,对机动目标进行跟踪,得出机动目标的滤波数据曲线,并对目标进行了拦截仿真。仿真结果表明该方法能估计出目标的运动特征并对运动目标拦截成功。     

基于修正扩展卡尔曼滤波和粒子滤波的混沌信号检测与跟踪

针对恶劣环境下混沌信号的检测与跟踪这一难题,以及基于一阶线性化的扩展卡尔曼滤波(EKF)技术存在的严重退化现象,提出了具有较强稳健性的修正EKF技术,获得了与Unscented Kalman filter相匹配的性能.针对上述两种滤波方法在低信噪比情况下存在跟踪误差大的问题,为此引入了新颖的粒子滤波技术并且分析了该技术的可行性,最后仿真实验验证了该技术在低信噪比环境下的优越性.     

一种基于机载无源北斗系统的改进卡尔曼滤波算法

针对广泛研究的无源北斗定位系统,由于定位接收机本身不精确、环境噪声以及人为干扰等因素的影响,而导致相应的量测序列出现某些粗大的错误数据。这些数据在数量级上与正常量测值的差值较大,其差值超过了允许的误差范围,它们会明显影响卡尔曼滤波过程和降低系统的定位精度,造成系统的不稳定甚至滤波发散。提出了一种利用卡尔曼滤波剔除动态野值改进的算法,该方法提高了卡尔曼滤波器在机载环境下的跟踪能力,由于降低了状态方程的维数,滤波的实时性得到提高,经试飞数据验证,由该算法滤波后无源北斗系统的定位精度可以达到92 m,能够满足一般空中用户的需要。     

基于Kalman滤波的飞行冲突探测

基于飞行途中的随机影响及观测仪器的随机误差的考虑,从随机框架的角度提出了Kalman滤波作为冲突探测的一种方法．该方法不仅从模型上保证了更接近飞机的实际飞行情况,而且理论和计算机模拟结果也都表明该方法不但能对明显存在冲突的态势给出准确的预报,对于那些由于随机因素而产生的潜在冲突也能给出一定概率的预报．     

基于Kalman滤波的自适应MIMO信道估计

给出了一种基于Kalman滤波的自适应MIMO信道估计方法，分析了算法的剩余误差能量随迭代次数增加的变化情况，对饱和MIMO系统和欠饱和MIMO系统，分别采用Kalman自适应MIMO信道估计方法和最大似然信道估计方法，进行了数值仿真和对比。从对比的结果来看，文中给出的Kalman自适应信道估计具有和最大似然信道估计相近的性能，而在饱和系统中，Kalman估计算法性能要略好一些。     

一种改进的递推最小二乘盲多用户检测算法

为提高基于递推最小二乘(RLS)算法的盲多址干扰抑制检测器的稳态输出性能，根据空间正交投影算法和自适应判决反馈控制算法，提出一种基于RLS算法的自适应判决反馈盲干扰抑制检测器，该检测器在启动阶段，等价为一种基于RLS准则的盲干扰抑制检测器，在稳态收敛阶段，等价为一种有训练数据的RLS干扰抑制检测器．既保持了最小输出能量(MOE)检测器的全局收敛性，又具有最小均方误差检测器高输出信干比的优点．计算机仿真结果表明，该检测器性能优于已有的基于MOE准则的检测器，且能应用于时变信道．     

基于无迹卡尔曼滤波的无人机跟踪算法

基于四基站对无人机位置的定位数据,利用无迹卡尔曼滤波算法对定位数据进行最优估计,并预测无人机的运行轨迹,从而实现对无人机的实时跟踪.对经典的线性卡尔曼滤波算法和无迹卡尔曼滤波算法进行仿真对比,结果表明,线性卡尔曼滤波算法虽然能跟踪预测轨迹,但有较大的误差,而使用无迹卡尔曼滤波算法能有效地减小误差,使跟踪预测的轨迹更加精确.     

基于改进YOLOv3网络的卡尔曼社交距离检测与追踪

为了预防新冠肺炎的传播,在佩戴口罩的同时,保持一定的社交安全距离是必要的。为解决现有的目标检测算法在社交距离检测中无法同时满足检测的实时性、准确性以及在复杂场景中存在遮挡、小尺度目标等问题,提出基于YOLOv3的改进算法DPPY(Dilated Pyramid-Pooling with YOLOv3)。首先使用空洞卷积参与到YOLOv3的核心图像处理结构中,然后引入密集型连接网络进一步融合不同层之间的连接,并且在这基础上还模仿了空间金字塔结构处理输入数据的尺寸问题,最后将这些处理结果一起与待追踪物体与彼此间的前后位置进行更好的关联并选用卡尔曼滤波器这个工具来更好地处理。若行人彼此间靠的过于紧密,则标红发出警报,以便更好地提醒相关人员注意。结果表明：与传统的YOLOv3算法相比,DPPY算法检测速度更快,检测精度更高。检测速度达到了34帧/s,平均准确率(Average Precision, AP)提高了9.1 %,并且在大、中、小目标检测中平均准确率均值(mean Average Precision, mAP)分别提高了7.8 %、8.2 %、8.9 %。     

基于卡尔曼滤波器的运动目标检测与跟踪

针对摄像机静止的情况,提出了一种可运用于实时监控中的运动目标检测与跟踪的方法．采用更新函数实现背景实时更新,通过差分算法检测运动目标．在跟踪模块中,提出建立帧间目标“关系矩阵”实现多个运动目标匹配,并采用卡尔曼滤波器预测目标参数,在运动目标相互遮挡的情况下,根据预测参数跟踪目标,获得目标轨迹．通过多个图像序列测试,算法具有良好的实时性和适应环境变化的能力．