一类广义过程非观测分量依可观测分量随机信号的最优滤波与估计

研究信号传递系统中一类含分式有理谱密度广义过程非观测分量依可观测分量随机信号的最优滤波与估计问题。为了有效提高此类信号传递系统的信息滤波效率，在首先建立此类含分式有理谱密度多维广义过程随机信息序列模型并对此类过程非观测分量依可观测分量随机信号进行最佳线性估计与均方误差分析的基础上，深入研究此类广义过程随机信号的最优递推滤波与估计。研究结果表明，本文给出的最优递推滤波算法及其得到的最优递推滤波和最佳线性估计方程，对于解决该类广义过程随机信号的最优滤波与估计效果甚佳，为进一步提高此类信号传递系统的效率提供了一种非常有效的数学处理方法。     

动中通系统中陀螺信号小波滤波算法

在动中通系统中,陀螺检测的载体扰动信号的精度直接关系到整个系统的精度和性能。针对陀螺噪声信号的特点,提出了一种将3σ模平方阈值和平移不变小波变换(translation invariant discrete wavelet transform, TIDWT)相结合的滤波算法,能够有效地抑制陀螺噪声信号和由小波变换产生的失真现象。仿真和实验结果表明,该滤波算法效果优于传统的小波滤波算法。     

非基线对称类信号的基线扣除新算法

在分析了现有基线扣除算法的基础上,根据非基线对称类基线信号的特征提出了一种新的基线扣除算法--基于小波滤波和梯度直方图最佳分割的非基线对称类信号基线扣除新算法.考虑到信号总是存在着噪声,含噪的基线信号梯度值也较大,并且分布无规律,采用了多分辨率小波变换滤波技术.通过合理选择最佳分割阈值门限,算法可精确提取出该类信号的基线.     

基于频域干扰剔除的OTHR射频干扰抑制算法

目前,天波超视距雷达(over-the-horizon radar,OTHR)大多是在空域或匹配滤波后的时频域抑制射频干扰,往往会同时抑制掉射频干扰附近的目标。考虑到在匹配滤波后,射频干扰与目标信号都是近似单频信号难以区分;而在匹配滤波前,目标信号是宽带的线性调频信号,而射频干扰是近似单频的窄带信号,射频干扰与目标信号显著不同,易于分离。基于该特点,提出了一种基于匹配滤波前的频域干扰置零的射频干扰抑制算法。该算法在频域中检测射频干扰的频点位置并将该频点的信号成分置零,最后变换到时域实现射频干扰抑制。与传统方法相比,本文所提算法在抑制射频干扰时基本不损害目标信号。实测数据的处理结果验证了所提方法的优越性。     

基于UKF的扩频信号参数联合估计算法

针对伪随机码的同步问题,提出利用UKF算法进行伪随机(PN)码跟踪与信号幅度估计的联合处理。该算法通过对状态向量进行U变换,得到多个西格马点,然后利用UKF算法对非线性的扩频信号进行滤波估计。通过仿真实验,证明UKF算法在处理该类扩频信号的伪随机码的同步问题上具有更好的性能。     

基于无迹变换的概率假设密度滤波算法

基于有限集统计理论的概率假设密度滤波算法运用于多目标跟踪时,不再考虑数据关联问题,突破了传统的跟踪方法.但该滤波公式在非线性条件下没有解析解,在非线性高斯条件下提出了基于无迹变换的概率假设密度滤波算法,实现了算法在强杂波环境下的多目标跟踪.仿真实验比较了该算法与基于粒子滤波的概率假设密度滤波算法的跟踪性能,验证了该算法的跟踪性能和精度.同时分析指出了此算法的不足,以及结合无迹变换与粒子滤波的概率假设密度滤波算法的改进研究方向.     

小波域模极大值的激光信号滤波方法研究

针对用传统滤波方法滤除激光陀螺随机噪声性能低的缺点,提出了一种基于波域的模极大值滤波方法。该算法利用小波变换模极大值滤波方法对激光陀螺零漂数据进行处理,获取模极大值点,通过交替投影算法重构信号,并采用Allan方差法对波效果进行定量分析。通过实验验证了该方法滤波效果优于基于时间序列模型的卡尔曼滤波方法,能有效减小随机误差,提高测量精度。     

L-DACS1系统干扰抑制与循环自适应波束形成方法

为了解决L频段数字航空通信系统1(L-band digital aeronautical communication system, L-DACS1)正交频分复用(orthogonal frequency division multiplex, OFDM)接收机遭受测距仪(distance measuring equipment, DME)信号干扰的问题,提出了正交投影干扰抑制与循环自适应波束形成的空域滤波方法。首先,利用正交投影算法抑制DME信号干扰;然后,利用OFDM信号的循环平稳特性,构建循环自相关矩阵,通过奇异值分解得到波束形成的最优权矢量;最后,利用最优权矢量进行空域滤波。仿真研究表明,该方法可以在OFDM期望信号上形成稳定的主波束,同时能够抑制DME信号干扰。且所提方法具有复杂度较低、低信噪比情况下波束形成算法鲁棒的优势。     

基于FRFT的单基地MIMO雷达稳健波束形成算法

以单基地多输入多输出(multiple input multiple output, MIMO)雷达系统为研究对象, 针对线性调频(linear frequency modulation, LFM)形式的正交频分复用(orthogonal frequency division multiplexing, OFDM)信号, 提出了一种新的稳健自适应波束形成算法。所提算法首先利用LFM信号的特性, 对匹配滤波后的雷达回波信号进行分数阶傅里叶变换(fractional Fourier transform, FRFT), 经化简得到峰值点作为阵列的观测值。而后, 利用观测值构建接收信号的协方差矩阵, 并使用Capon谱估计方法重构干扰加噪声数据协方差矩阵。最后, 通过求解优化问题估计实际导向矢量, 从而得到阵列的最优权值。通过计算机仿真实验, 验证了所提算法的有效性。     

非带限冲激信号的一种低通采样和重建方法

提出了非带限冲激信号的一种低通采样和重建方法,将冲激信号通过低通滤波器后,按照信号新息率进行采样,然后对采样得到的离散时间信号进行傅里叶变换,采用最小二乘零化滤波算法可以准确地重建原始冲激信号。在冲激信号个数较大及受到噪声影响时,最小二乘零化滤波算法性能恶化,通过适当提高采样率,使用奇异值分解重建算法,可以获得理想的重建结果。分析和仿真结果证明,所提出的非带限冲激信号低通采样和重建方法,能够以较低的速率进行采样和恢复原始冲激信号,并具有良好的抗噪声性能。     

基于混沌同步和滤波的雷达波形设计

可匹配滤波混沌雷达系统可由低成本的模拟器件实现匹配滤波,受到广泛关注。但是该系统发射信号的带限性能不理想,信号在变换和传播过程中容易发生频谱泄露和畸变。针对该问题,提出一种基于混沌同步和滤波的波形设计方法。该方法在雷达发射端,将混沌信号频谱整形为带限信号;在接收端,利用同步和滤波恢复出混沌信号。与传统在数字域上进行信号设计的方法相比,本文方法是在模拟域上实现的,具有低成本优势。此外,在信噪比低至-20 dB时本文方法仍然有效,与直接匹配滤波相比,本文方法变换后的混沌信号匹配滤波后,最大旁瓣抬升很小。     

基于自适应CKF的恒模盲波束形成算法

针对均匀线阵,利用信号的恒模特性,与容积卡尔曼滤波相结合,提出一种新的盲自适应波束形成算法。通过对恒模算法的优化代价函数进行变换,使其满足系统状态空间模型。利用容积卡尔曼滤波算法进行自适应滤波,以实现抑制干扰和消除噪声。所提算法对状态空间模型中的系统噪声和过程噪声进行了自适应处理,免除滤波噪声参数的设置,增强了算法的通用性,并引入了收敛因子,加速系统的收敛速度。仿真结果表明了该算法的正确性和有效性。     

多LFM信号自适应时频表示方法

提出了一种多线性调频信号自适应时频表示方法及其快速算法:首先采用分数阶傅里叶变换的快速算法计算出模糊函数,再通过Radon-Ambiguity变换设计出信号的最优核函数,以滤除噪声和多线性调频信号在模糊域中的互项,最后通过二维傅里叶变换得到信号的时频表示。在多分量线性调频信号情况下借助"clean"的思想来抑制强分量对弱分量的干扰。仿真表明该方法在低信噪比环境下也十分有效,且运算复杂度小。     

基于新最速下降法的目标跟踪算法

雷达目标跟踪滤波算法是雷达信号处理的重要组成部分, 在空防预警、战场监视、导弹制导等领域起着重要的作用。本文提出了基于一种新最速下降法的目标跟踪算法。首先建立一种基于改进多项式拟合模型的运动描述模型, 接着用一种新最速下降法来求解运动模型的最优参数, 通过实时的最优运动模型对运动目标航迹进行预测跟踪, 并采用正则化思想去除噪声影响。将本文算法与目前常用的交互多模型跟踪滤波算法进行对比, 仿真结果表明在目标机动和非机动的情况下, 本文算法的精度更高、计算量更小、实时性更好。     

一种改进粒子滤波器在雷达目标跟踪中的应用

在实际雷达目标跟踪系统中,雷达量测常受到闪烁噪声干扰,传统卡尔曼或扩展的卡尔曼滤波算法在闪烁噪声环境下,滤波性能将急剧下降甚至滤波发散。提出了将粒子滤波与无迹变换结合的改进粒子滤波算法UPF(uncented particle filter)应用在雷达目标跟踪中,解决了闪烁噪声情况下雷达目标跟踪问题。仿真结果表明,在高斯条件下扩展的卡尔曼算法和基于无迹变换的粒子滤波算法跟踪性能相近,但在闪烁噪声环境下,随着闪烁影响的增强,扩展的卡尔曼算法跟踪性能严重下降,而UPF算法能保持较好的跟踪精度。     

一种基于小波变换的机动目标跟踪算法研究

小波变换是去噪的有力工具 ,它可以将由各种不同频率成分组成的信号分解到不同的频率区间上 ,有效地用于滤波。研究了一种基于多尺度分解的机动目标跟踪算法 ,该算法利用小波中的经典算法———Mallat算法对单一分辨率的测量数据进行多尺度分解 ,将分解得到的多分辨率测量数据用于目标状态更新。该算法是一种准实时最佳滤波算法。仿真结果表明 ,该算法具有良好的跟踪性能 ,且运算量不大。     

基于小波域性态分析的组合滤波

对信号和噪声在小波域的性态分析对于噪声的滤除具有重要的意义.推导出信号的样条二进小波变换系数幅值沿尺度的变化趋势依赖于信号的奇数阶导数,高斯白噪声的样条二进小波变换系数方差沿尺度逐渐衰减且衰减率越来越小.提出了一种基于小波城性态分析的组合滤波方法,仿真实验表明了算法的有效性.     

多尺度数据融合算法概述

介绍了多尺度框架在数据融合中的应用,详细分析了几种多尺度数据融合算法。多尺度平滑算法是一种静态算法,具有高度并行、计算有效等特点。基于小波变换的动态多尺度数据融合算法引入了时间动态方程,是一种最优的分布式滤波算法。多尺度递归估计算法有效地解决了计算上的困难,非常适用于大型动态系统。     

飞行模拟器洗出算法多重滤波信号补偿优化研究

针对经典洗出算法在应用于飞行模拟器时存在的信号丢失以及适应性不强的缺陷，提出一种多重滤波信号补偿的洗出算法优化方案。分析经典洗出算法中信号丢失的环节，截取丢失信号并采取深度滤波策略进行深度滤波，依据人体感知误差与运动平台的动作余量，将多重滤波后的信号以自适应的比例分别补偿到洗出算法3个通道中，实现最大程度上减小信号损失，从而减少人体感知误差。对经典洗出算法和改进洗出算法进行对比仿真和试验，结果表明改进洗出算法有效降低了人体感知误差，减少了信号丢失，改善了相位延迟，同时充分利用了运动平台的工作空间，增加了动感逼真度。     

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。