径向速度测量推广Kalman滤波的改进

研究了一种把径向速度测量引入推广Kalman滤波 (EKF)的新方法。在对测量方程进行分解和对测量噪声的统计特性进行分析的基础上提出了一种序贯处理结构的推广Kalman滤波算法 ,这种算法相当于对非线性的径向速度函数围绕状态矢量的滤波值而不是预测值线性化 ,因而可以大大减小线性化处理带来的误差。两个不同的MonteCarlo仿真结果说明该算法的估计性能优于传统的推广Kalman滤波。     

一种利用星间仅测向数据的滤波定轨算法

基于星间方向观测数据实时确定目标星轨道,一般扩展Kalman滤波算法是建立角度直接观测量与状态量的线性关系作为观测方程。由于缺少距离测量值,仅包含角度信息的观测方程对状态变量的约束较弱,导致滤波算法收敛速度较慢。〖JP3〗将用于初轨计算的改进拉普拉斯方程作为观测方程,这样,观测方程不仅包含了两星的几何信息,还充分考虑了目标星的轨道约束。仿真结果表明,在同样测量精度下,该算法的收敛性能明显优于一般滤波算法。     

基于改进灰狼算法的粒子滤波算法研究

针对传统粒子滤波算法易出现粒子贫化与权值退化现象和为了实现对非线性系统较为准确的状态估计,通常需要大量粒子的参与的问题,提出了基于改进灰狼算法的新型粒子滤波方法,该算法用粒子表征灰狼个体,模拟狼群捕猎的过程,使粒子向后验概率的高似然区域移动,提高粒子分布的合理性.在灰狼寻优算法中引入了莱维飞行策略,提高灰狼算法的收敛速...     

噪声谱驱动后滤波算法

阵列语音增强中,传统的后滤波算法大多采用固定带宽的谱估计。推导了固定带宽谱估计后滤波算法的一般表达式及其估计器的概率密度函数,首次从理论上分析了在随机信号模型下采用固定带宽谱估计存在的问题,指出后滤波的频率分辨率应由噪声谱的结构特性决定,并提出了一个新的噪声谱结构特性驱动的自谱和互谱估计的后滤波算法,该算法在增加噪声抑制量的同时能避免更多的语音失真。测试实验证明,本文算法在段信噪比提高以及噪声抑制等方面都优于传统后滤波算法,尤其是噪声抑制量方面相比传统方法提高了6 dB。     

基于交互式多模型的粒子滤波算法

融合交互式多模型和粒子滤波，提出了一种新的多模型粒子滤波算法。该算法采用多模型结构以跟踪目标的任意机动。各模型采用粒子滤波算法，以处理非线性、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。与通用的交互式多模型算法进行了比较，试验仿真结果证实了本文新滤波算法的有效性。     

基于有限单元的贝叶斯滤波估计算法

现代工程系统具有较强的非线性特性,针对这类非线性系统的状态估计问题,提出基于有限单元的贝叶斯原理估计的非线性滤波方法。采用有限单元法逼近系统状态的先验概率解,即前向Kolmogorov方程的解,通过贝叶斯估计得到状态的后验信息。将其方法应用到惯性/地形组合导航系统中,仿真结果表明该方法的可行性。     

一种滤波反投影算法的加速方式

提出了滤波反投影（filtered back projection, FBP）算法的基于被动式射线驱动和预插值的反投影策略。首先对滤波后的投影采用线性插值预插值到更加精细的间隔上,然后对每个角度下的滤波投影用被动式射线驱动法反投影,得到重建图像。反投影时为了减少求取投影地址时三角函数的运算,将三角函数值事先求得并存到查找表中,需要时调用。反投影时采用简单的最邻近插值法插值,以节省插值时间。仿真实验表明,这种方法可以有效提高反投影速度。     

基于集合卡尔曼滤波的改进粒子滤波算法

提出一种基于集合卡尔曼滤波的粒子滤波改进方法。该方法利用集合卡尔曼滤波的最大后验概率估计产生粒子滤波每一时刻各粒子的建议分布函数,使建议分布函数融入最新观测信息的同时,更加符合状态的真实后验概率分布。该方法在对粒子滤波的建议分布进行估计时使用采样方法近似非线性分布,且采样点数灵活可变,使计算精度和算法效率得到提高。仿真结果表明,提出的集合卡尔曼粒子滤波的估计性能明显优于标准粒子滤波、扩展卡尔曼粒子滤波和无迹粒子滤波。     

基于PHD滤波的相控阵雷达多目标跟踪算法

对于相控阵雷达方向余弦量测,采用扩展卡尔曼概率假设密度(extended Kalman probability hypothesis density, EK PHD)滤波进行多目标跟踪时,存在目标数估计偏高和目标状态估计准确度低的问题。针对上述问题,提出了一种新的多目标跟踪算法——无偏转换量测概率假设密度(unbiased converted measurements PHD, UBCM PHD)滤波算法。该算法采用方向余弦量测下的量测转换方法,保留了更多的量测信息;同时对转换后的量测偏差进行补偿,使量测转换误差的均值、方差准确近似原始量测高斯分布的一、二阶矩。仿真实验表明,所提算法可提高目标数和目标状态估计准确性。     

调频步进频雷达的测速方法性能分析

在高速弱小目标环境下,目标机动性强,调频步进频雷达的测速算法需要具有较好的抗机动和抗噪性能。详细分析了耦合时移测速和帧内相关测速在目标机动情况下的测速性能,理论分析和仿真结果表明加速度对帧内相关测速影响较大。在此基础上进一步提出了基于二次相位影响的速度搜索算法,并分析了各种算法在低信噪比下的速测性能。仿真实验结果表明所提的测速方法具有较高的抗噪性能。所提方法具有较大的测速范围和较好的测速精度,且实时性强,易于工程应用。     

Simultaneous range and radial velocity estimation with a single narrowband LFM pulse

The mismatch effect induced by the radial motion of a target is analyzed for linear frequency modulated(LFM) signals.Then,a novel integrated processing scheme is proposed to resolve the delay-Doppler coupling effect in LFM pulse compression.Therefore the range and radial velocity of the target can be simultaneously estimated with a narrowband LFM pulse.Finally,numerical simulation results demonstrate the effectiveness and good performance of the proposed method.     

Novel method for radial velocity difference estimation of moving targets with wideband signals

For the frequency difference of arrival （FDOA） esti-mation in passive location, this paper transforms the frequency difference estimation into the radial velocity difference estimation, which is difficult to achieve a high accuracy due to the mismatch between the sampling period and the pulse repetition interval. The proposed algorithm firstly estimates the point-in-time that each pulse arrives at two receivers accurately. Secondly two time of arrival （TOA） sequences are subtracted. And final y the radial ve-locity difference of a target relative to two stations with the least square method is estimated. This algorithm only needs accurate estimation of the time delay between pulses and is not influenced by parameters such as frequency and modulation mode. It avoids transmitting a large amount of data between two stations in real time. Simulation results corroborate that the performance is bet-ter than the arithmetic average of the Cramer-Rao lower bound （CRLB） for monopulse under suitable conditions.     

Synchronization of chaos using radial basis functions neural networks

The Radial Basis Functions Neural Network （RBFNN） is used to establish the model of a response system through the input and output data of the system. The synchronization between a drive system and the response system can be implemented by employing the RBFNN model and state feedback control. In this case, the exact mathematical model, which is the precondition for the conventional method, is unnecessary for implementing synchronization. The effect of the model error is investigated and a corresponding theorem is developed. The effect of the parameter perturbations and the measurement noise is investigated through simulations. The simulation results under different conditions show the effectiveness of the method.     

基于子空间的阵元误差估计方法

基于知识辅助的样本挑选算法是一种模型化的算法,当存在阵元误差时,假定的杂波模型与实际接收数据不匹配,算法性能严重下降。为了解决这个问题,提出一种基于子空间的阵元误差估计方法。该方法首先利用雷达构型参数计算杂波的正交补空间,再对接收数据分解得到最大奇异值对应的左奇异向量,最后利用两者的正交性来估计阵元误差。仿真实验表明,该方法可以准确地估计阵元误差,提高知识辅助样本挑选算法的稳健性。     

基于宽带LFM雷达的弹道目标精确测速方法

由于弹道中段末期稀薄大气对轻诱饵具有明显的减速作用,精确的速度测量是该阶段真假目标识别的重要途径之一。提出了一种基于宽带线性调频(linear frequency modulation,LFM)雷达回波信号的精确测速方法,该方法对雷达中频回波信号相位差进行最小二乘参数估计,完成弹道目标速度的精确测量。针对低信噪比条件下的精确测速问题,采用恒虚警率(constant false alarm rate,CFAR)检测与形态学滤波相结合的技术对噪声进行抑制,有效地提高了算法的鲁棒性和测速精度。对典型弹道目标的动态雷达特征信号及测速算法进行了仿真和分析,验证了算法的有效性。     

基于RBF网络的中国信贷规模稳健预测

将M-估计稳健损失函数与基于统计贡献度的动态确定核函数方法相结合, 提出一种有效的非参数RBF预测模型, 该方法克服了稳健性缺失问题, 在估计参数的同时动态确定最佳网络结构, 并且在学习中自动消除噪声和异常点的影响, 加快了网络的学习和收敛速度. 利用中国月度信贷数据进行实证分析表明, 本文模型与基准模型相比具有最好的预测稳健性和准确性, 对于提高货币政策有效性和前瞻性具有很好的应用价值.     

Am i using a systems approach?

Collaboration and cooperation within the systems community require a facility to aid recognition and appreciation of how individual contributions fit into the totality of systems practice. A framework to help in this is suggested, linked to characteristic concepts and techniques of three identified generations of systems approaches-two derived from a management-linked systems practice in the 1970s and late 1980s, the third from new attempts to design a better future.     

径向基代理模型中形状参数对精度的影响

代理模型方法是复杂系统优化设计的一种有效方法,讨论了以多二次函数为核函数的径向基（radial basis function, RBF）代理模型中形状参数h对精度的影响,在此基础上探讨了一种获得最优h值的方法。在该方法中,将RBF代理模型的标准均方根误差表达为形状参数h的函数,通过极小化该标准均方根误差,得到最优h值。在样本点给定的情况下,采用该最优h值所构造代理模型与采用其他h值所构造的代理模型相比,其精度更高。一维和二维数值算例验证了采用本方法确定h值的有效性,并应用该方法求解了战术导弹的气动外型优化设计问题。     

一种基于主分量特征的快速SAR目标识别方法

实时性和识别率是评估SAR图像目标识别系统性能的两个主要指标.分析了影响这两个指标的关键因素,并以此为基础,提出了一种快速的SAR图像目标识别方法.该方法采用基于Hebb学习规则的自组织神经网络提取主分量特征,使用多层感知器神经网络(MLP NN)进行目标分类.实验对比分析表明,在识别率较高的同时,该方法具有内存需求少、运行速度快的特点,能用于实时处理.