基于状态参数调整的多速率自适应算法

通过对实际应用环境的分析,提出一种新的动态改变自适应滤波器权系数更新速率的算法。该算法在权系数的更新速率与误差信号之间建立一种非线性函数关系,具有在环境突变阶段,滤波器系数的更新速率自动变快,而在稳态阶段更新速率很慢的特点,可以极大的降低自适应滤波器的运算量。理论分析和计算机仿真结果表明该算法具有良好的收敛性能和跟踪性能,稳态误差的水平与传统算法保持一致。     

变宽度凸组合变阶数LMS自适应滤波算法

为了进一步改善凸组合变阶数最小均方(convex combination variable fractional tap-length least mean square,CFTLMS)自适应滤波算法的稳态性能,在证明其稳态性能的基础上,提出了一种变宽度凸组合变阶数(variable width-CFTLMS, VW-CFTLMS)自适应滤波算法,并给出参数的选择依据。仿真结果验证了低信噪比情况下,VW-CFTLMS算法稳态性能和参数选择依据的正确性;同时该算法的稳态性能要优于CFTLMS算法,其额外均方误差相比于CFTLMS算法降低约1.8 dB,具有实用价值。     

自适应变步长LMS滤波算法及分析

为了提高最小均方（LMS）自适应滤波算法的性能,通过建立步长因子与误差信号之间的非线性函数关系,提出一种自适应变步长LMS算法。该算法具有初始阶段和时变阶段步长自适应增大和稳态阶段步长很小的特点,消除了不相关噪声的影响,并且进一步克服了Sigmoid函数变步长LMS算法在自适应稳态阶段步长取值偏大的缺陷,计算机仿真结果与理论分析相一致,证实该算法优于传统算法。     

一种新的变步长LMS自适应滤波算法及性能分析

研究了自适应最小均方误差(least mean squares,LMS)滤波算法的步长选取问题。在详细分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态误差的影响。该算法不但具有较快的收敛速度和跟踪速度,而且能获得更小的稳态失调。理论分析和仿真结果表明,该算法具有更好的稳态性能。     

一种新颖的动态选择输入向量的仿射投影算法

仿射投影算法利用多个输入向量更新滤波器系数,不同输入向量对滤波器性能影响不同。以均方偏差下降最快为目标,推导了动态选择输入向量的理想条件,该条件适用于仿射投影算法类中的多种算法。在此基础上,提出了一种便于实现的动态选择输入向量的仿射投影算法。理论分析与仿真结果表明:与传统的仿射投影算法相比,该算法具有收敛速率快、稳态误差小和计算复杂度小等优点。     

一种新颖的变步长仿射投影算法

通过玫进传统仿射投影算法(APA)的约束条件,提出了一种新的变步长仿射投影算法(VSS-APA).该算法具有随估计误差的变化自动调整步长的特点,同时克服了传统APA不能充分反映更新后的自适应滤波器系数应该尽可能逼近未知系统参数的缺点.在算法实现中,提出了简单有效的遗忘因子选择规则,以实现对误差能量的准确估计.最后将该算法成功应用于系统辨识.理论分析与计算机仿真表明,该算法有更快的收敛速率和更小的稳态均方误差.     

采用梯度平滑措施的自适应符号算法

以自适应回波对消为对象 ,讨论了两种自适应符号算法的梯度估计平滑方法。从理论上对其中一种平滑方案导出的自适应算法的性能进行了详尽的分析。在输入为联合高斯的情况下 ,给出了权值一阶矩和二阶矩的收敛特性公式。结果表明 ,与符号算法相比 ,平滑算法的收敛速度与符号算法基本一致 ,但稳态误差更小 ,自适应步长的取值范围更大。     

水声信道快速收敛自适应均衡算法

从提高自适应均衡算法水声信号收敛性能的角度出发,提出了一种新的快速收敛水声信道自适应均衡算法。该算法将改进的归一化均方误差算法和判决反馈均衡器结构有机结合,在不增加计算量的前提下,很好地实现了不同水声信道的自适应均衡,易于算法的硬件实现。仿真结果表明,该算法计算量同归一化最小均方(normalized least mean square, NLMS)误差算法的计算量相当,但在稳态误差和收敛速度上有很大优势;收敛性能与自适应调整最小二乘回归〖CD*2〗判决反馈均衡器(variable tap-length decision feed-back equalizer based on recursive least square, RLS-DFE)算法接近,却克服了RLS-DFE算法计算量大,不利于硬件实现的实际问题。提出的算法为水声通信提供了一种性能优良的可实现方法,具有较高的应用价值。     

基于模糊神经网络的自适应滤波方法仿真研究

提出了一种模糊自适应卡尔曼滤波算法。该算法基于模糊规则，根据新息相关性，自适应调整测量噪声方差R，有效的解决了噪声的统计特性与实际不符时，滤波器发散的现象。同时，利用Elman网络作为误差估计器，补偿模糊自适应卡尔曼滤波器的估计误差。仿真结果表明，两种方法结合，可以有效地防止滤波器发散，缩小实际的滤波误差，提高滤波精度，实现滤波器参数的在线改进。     

基于波形特征的外辐射源雷达杂波抑制算法

在正交频分复用(orthogonal frequency division multiplexing,OFDM)波形外辐射源雷达系统中,相对于直达波和多径回波,目标回波的功率要微弱许多,因此多径杂波抑制是此雷达信号处理的一项关键技术。许多时域自适应滤波算法被用来抑制直达波和多径回波,但往往存在滤波器阶数过多,或计算负担过高的问题。基于OFDM波形的多载波调制特性,提出了分载波自适应滤波算法,相比于常规时域自适应滤波算法,能够有效降低滤波器阶数和计算复杂度,简单且高效。以基于OFDM调制原理的数字调幅广播外辐射源雷达为例,详细介绍了分载波递归最小二乘和分载波归一化最小均方算法的自适应滤波原理和过程,并基于仿真和实测数据分析比较了常规时域自适应滤波算法和分载波自适应滤波算法的性能差异。     

改进的辅助粒子滤波当前统计模型跟踪算法

提出了一种改进的辅助粒子滤波算法,采用基本的常规波束形成法对声信号函数进行处理,得到目标的方位谱估计,推导了以目标方位谱函数作为重要采样密度函数的辅助粒子滤波算法。并将此改进的辅助粒子滤波算法同当前统计模型相结合,提出一种基于目标方位谱的辅助粒子滤波当前统计模型自适应跟踪滤波(current statistical model improved auxiliary particle filter, CSM-IAPF)算法。最后通过仿真验证此方法能够减少跟踪误差,具有较好的实时性和稳定性。     

基于舰船噪声线谱特征的ETAM方法仿真研究

拖曳线列阵的方位分辨率是一项重要性能指标,而它被拖曳线列阵的阵列孔径所限制。针对这一问题,文中提出了基于舰船噪声线谱特征的ETAM方法,利用舰船噪声在低频段的稳定线谱成份,采用ETAM被动合成孔径算法扩展拖曳线列阵的孔径,从而达到显著提高方位分辨率的目的。只要ETAM的积分时间小于海洋声信道的时间相关长度,可将拖曳线列阵的等效孔径扩展到不大于海洋声信道的空间相关长度的任意尺寸。经仿真实验验证,该方法是有效的、可行的,且算法简单、易于实时实现,是一种具有良好应用前景的高分辨方位估计方法。     

基于盒差分滤波器的脉冲检测算法

为了估计脉冲的到达时间和脉冲宽度,将图像处理领域的边缘检测思想应用于电子对抗中的脉冲信号检测问题,提出了一种基于盒差分(difference of boxes, DOB)滤波器的脉冲边沿检测算法。推导并给出了算法的基本流程,仿真分析了不同滤波器阶数和不同信噪比条件下的脉冲检测结果。仿真结果表明,该算法的检测性能优于能量检测算法,但检测采用的DOB滤波器大小不能大于脉内信号的采样点数。     

基于统计特性均衡准则的线性符号判决反馈盲均衡算法

为了克服多途水声信道引起信号的相位旋转及基于高阶统计量的线性均衡器（LE）收敛后均方误差大的不足,提出了基于统计特性均衡准则的线性符号判决反馈盲均衡算法。该算法充分利用高阶统计量所包含的相位信息、均衡器输出信息的非线性变换及判决反馈算法来补偿相位旋转;利用符号算法可以减少计算量的特点来加快收敛速度;利用判决反馈滤波器的性能来减小均衡器输出的均方误差。因此,该算法在减小均方误差与补偿相位旋转方面的性能优于基于统计特性均衡准则的线性盲均衡算法;在收敛速度方面的性能优于基于统计特性均衡准则的线性判决反馈盲均衡算法。通过水声信道的仿真实验,验证了该算法的有效性和可靠性。     

基于串联动量滤波器的自适应谱线增强器

针对水下环境噪声的非高斯性特点,利用最小均方算法、动量最小均方算法、变步长算法和极性算法的性能,将基于短时相关的自适应谱线增强器修改为基于短时相关动量滤波算法的自适应谱线增强器(SCMBALE),提出了四阶累积量变步长极性动量滤波算法,将基于该算法的自适应谱线增强器(FVSMBALE)、基于动量最小均方算法的自适应谱线增强器(MLMSBALE)及基于短时相关动量滤波算法的自适应谱线增强器(SCMBALE)依次串联起来,构造出基于串联动量滤波器的自适应谱线增强器(SMFBALE)。通过理论分析与仿真实验对该增强器的性能进行了研究。结果表明:该增强器在抑制非高斯噪声、增强线谱信号、跟踪时变信号等方面的性能优于单个的FVSMBALE、MLMSBALE和SCMBALE。     

基于控制变量估计的高超声速再入滑翔目标轨迹预测算法

以高超声速再入滑翔目标为研究对象,在对目标机动控制变量进行建模分析的基础上提出了一种轨迹预测算法。首先,基于动力学建模构建了目标跟踪模型,利用气动参数对目标状态向量进行扩维并推导了对应的运动模型。其次,构造了适用于轨迹预测的目标机动控制变量,在不同机动模式下分析了控制变量的变化规律,基于控制变量设计了对应运动方程以及轨迹预测模型。最后,仿真生成了两条轨迹并对所提算法进行了仿真验证,分析了算法性能。仿真结果表明所提轨迹预测算法能够取得较好的预测效果。     

一种强跟踪自适应状态估计器及其仿真研究

分析了强跟踪滤波器中新息方差近似计算方法的不足,提出了一种基于衰减记忆思想来近似计算新息方差的改进强跟踪滤波器。然后,对于过程噪声水平未知的目标状态估计问题,在Sage-Husa过程噪声水平自适应估计算法的基础上,一旦通过基于新息的滤波器发散判据检测到可能出现的发散现象,提出用改进的强跟踪滤波器进行抑制,极大地提高了滤波算法的鲁棒性。对三种典型的目标机动形式进行的Monte-Carlo仿真结果进一步验证了新提出算法的有效性。     

基于有穷状态自动机浅海声场仿真研究

提出一种用有穷状态自动机研究浅海声场的方法。应用Snell定律对单步的声线传播进行研究,分析了浅海声场内在的状态及状态转移特性,推导出浅海声场的有穷状态自动机。步长根据实验精度要求设定,仿真实验表明步长越小,精度越高,计算量越大。为了减小运算量,本征声线通过两次追踪不同步长的方法获得。数值仿真结果证明了该方法的可行性,其精度可以达10-4。该方法可望应用到光学和地震学等领域的射线传播研究中。     

高斯粒子PHD滤波的多个弱小目标TBD算法

针对现有多个弱小目标检测前跟踪(track before detect, TBD)算法存在的跟踪精度低,算法复杂度高等问题,提出一种新的基于概率假设密度(probability hypothesis density, PHD)的TBD算法。所提算法通过高斯粒子滤波对PHD中的各高斯项进行递归运算、进行多帧能量累积,并提取高斯项的均值为目标的状态,达到检测与跟踪多个弱小目标的目的。算法在随机集滤波框架下完成未知数目的多个弱小目标跟踪,不仅充分利用粒子滤波的非线性估计能力,同时避免了传统算法利用模糊聚类进行目标状态提取所带来的跟踪精度低等问题。仿真结果表明,所提算法与传统方法相比,在降低算法复杂度的同时,对多个红外弱小目标具有更加良好的实时检测和跟踪性能。