基于子空间跟踪的盲空时多用户检测

针对天线阵同步CDMA系统,运用子空间方法,提出多径条件下空时盲多用户检测方法.用FSYAST子空间跟踪方法来自适应估计信号子空间,同步多径天线阵列系统的信道参数采用Kalman算法自适应估计.仿真结果表明,提出的盲空时多用户检测器性能优于其它子空间多用户检测器.     

基于FSYAST子空间算法的盲自适应多用户检测

为解决传统算法因引入特征值估计误差而导致检测性能下降的问题,在分析基于信号子空间跟踪的最小均方误差(MMSE)多用户检测器(MUD)的基础上,提出了一种改进的信号子空间盲线性MMSE多用户检测器,并应用FSYAST子空间跟踪算法进行信号子空间跟踪.仿真结果表明,提出的盲自适应多用户检测器性能接近于奇异值分解(SVD)子空间多用户检测器性能.     

基于子空间跟踪的线性共轭半盲多用户检测

考虑实际的MC-CDMA上行链路系统,在深入研究基于子空间的MMSE半盲多用户检测算法的基础上,针对原算法引入子空间误差导致检测性能下降的问题,提出MC-CDMA系统下一种基于子空间跟踪的线性共轭MMSE半盲多用户检测算法.将子空间方法和线性共轭的思想相结合,应用新定义的信号子空间设计了基于子空间方法的线性共轭MMSE检测器,采用OPAST子空间算法实现了信号子空间的自适应跟踪.仿真结果表明,与以往的基于子空间的MMSE半盲多用户检测相比,此算法有效地提高了信干噪比,降低了系统的误比特率.     

基于奇异值和奇异向量的盲自适应多用户检测方法

提出了一种基于奇异值和奇异向量的盲自适应多用户检测方法。传统的基于子空间的多用户检测方法需要估计信号子空间的特征值和特征向量 ,收敛速度较慢。这种新方法通过信号子空间的奇异值和奇异向量得到 CDMA系统的线性最小均方误差 (MMSE)多用户检测器。论文采用FST算法跟踪信号子空间的奇异值和奇异向量 ,并通过信号能量和噪声能量比值来确定信号子空间的阶数 ,使得多用户检测器能够很快地收敛 ,多用户检测器的输出信噪比很高 ,达到很好的多用户检测效果。     

基于干扰子空间估计的跳频多址信号检测

通过对跳频多址信号的时频图案分析,建立了基于信号子空间的系统模型和跳频多址信号的解相关检测算法.该算法采用子空间跟踪的思想,将干扰子空间从检测信号空间上予以消除,克服了传统检测器需要知道系统中所有用户跳频图案的约束和串行干扰消除中的干扰扩散问题.与传统检测器相比,该算法具有更好的系统误码性能、较低的计算复杂度和很好的系统稳健性.MonteCarlo仿真结果表明,在同一个误码率条件下,基于子空间的盲多用户检测器比传统检测器的信噪比提高了2～4dB.     

基于盲子空间法的DS-CDMA系统码辅助NBI抑制自适应算法

针对现存盲直接法码辅助技术抑制直接序列码分多址系统窄带干扰性能不佳的问题,提出盲子空间法码辅助技术及其自适应算法,实现对三类窄带干扰的抑制.对于音频干扰和数字窄带干扰,提出盲自适应带收缩的投影近似子空间跟踪(PASTd,Projection approximation subspace tracking with deflation)算法;对于AR随机过程,由于上述盲自适应算法的低秩判定困难,提出改进的盲自适应递归最小二乘(RLS,Recursive least square)预测-PASTd码辅助算法.仿真分析试验结果表明:该算法具有优越性.     

多径MIMO CDMA系统中改进的盲空时多用户检测算法

针对多径衰落信道下发射分集采用Alamouti空时分组码的MIMO CDMA系统,提出了一种改进的基于子空间的盲MMSE空时多用户检测算法.结合目标用户特征波形先验知识和多径信道信息对信号子空间进行预处理,然后使用正交性能和稳态性能较好的NOOja算法跟踪信号子空间,并在跟踪初期对信号特征值矩阵进行处理,去除迭代带来的噪声.仿真结果表明这种算法能有效地抑制多径干扰和多址干扰,尤其在低信噪比、远近效应明显的恶劣环境下,有稳定良好的性能表现.     

非平稳背景噪声下微弱高频CW信号的自适应检测

在强噪声背景下,基于时频联合分析的高频CW信号检测算法性能严重下降,同时标准Kalman滤波器对非平稳背景噪声下微弱高频CW信号也失效.针对此问题,本文提出了一种基于ARMA新息模型的自适应Kalman滤波器检测方法.该方法避免了标准Kalman滤波检测CW信号时需要确定系统噪声统计特性的问题.论文根据CW信号的状态空间随机信号模型,构造了ARMA新息模型,通过在线辨识MA模型参数来估计Kalman滤波增益,从而实现了CW信号的自适应跟踪滤波.仿真结果表明,该方法能够在强噪声背景下动态跟踪CW信号时域波形,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制.     

基于SP子空间跟踪的修正的MMSE多用户检测方法

分析比较了多种子空间跟踪算法.复杂度高的特征值分解和奇异值分解不利于工程实现,而低复杂度的PASTd应用于多用户检测导致收敛速度慢并且检测性能差.介绍了SP子空间跟踪算法,利用SP算法跟踪信号子空间求得解调向量,设计了修正的MMSE检测器.与SVDMUD和PASTd MUD两种算法相比,仿真结果显示SP MUD算法收敛速度快,输出信噪比和误码率性能接近SVD MUD算法,并保持了较低的计算复杂度,是一种较好的实现方案.     

鲁棒最小输出能量多用户检测算法

为了提高传统最小输出能量(Minimum output energy,MOE)盲多用户检测算法的性能,通过对期望用户扩频码向量的偏差进行分析,提出了鲁棒MOE多用户检测算法。该算法通过将权向量投影到信号子空间,采用了正交投影近似子空间跟踪(Orthogonal projection approximation subspace tracking,OPAST)算法实现信号子空间的自适应跟踪,从而抑制了扩频码向量偏差的影响,并且降低了算法的复杂度。理论分析和仿真实验表明,所提算法对扩频码向量的偏差具有较强的鲁棒性,改善了系统的输出信干噪比。     

Blind Adaptive Multiuser Detection Based on FIAPI Algorithm

Multiuser detection technology is currently one of the effective ways to suppress multiple access interference and near-far effects. Firstly, through selecting a simple compensation matrix, fast improved approximation power iteration(FIAPI) subspace tracking optimization algorithm is proposed. Secondly, for the disadvantage of high computational complexity of Kalman filtering algorithm, Kalman for blind adaptive multiuser detector based on FIAPI subspace tracking algorithm is designed. The simulation experiments show that the convergence and anti-interference ability of the blind adaptive multiuser detector based on FIAPI algorithm is greatly improved, and the average signal-to-interference ratio of the FAPI algorithm is improved by about 0.7 dB, which is higher than the average signal-to-interference ratio of the orthogonal projection approximation subspace tracking(OPAST) algorithm 2 dB or so.     

GPS动态定位的强跟踪卡尔曼滤波研究

提出一种改进的强跟踪卡尔曼滤波算法，应用于ＧＰＳ动态定位滤中获得明显效果，首先采用描述机动载体运动的“当前”统计模型，建立了一咱新的ＧＰＳ动态定位扩展卡尔曼滤波模拟及其适应算法，然后，为了进一步提高滤波器的动态性能，改进了周东华等提出了的强跟踪滤波器，大大提高了ＧＰＳ动态定位位扩展卡尔曼滤器的跟踪能力。     

基于改进的PASTd子空间跟踪的半盲多用户检测

研究和分析了多种子空间跟踪算法.直接特征值分解和奇异值分解复杂度高,不利于工程实现,针对低复杂度的PASTd算法由于估计的特征向量不正交,从而导致收敛速度极慢的问题,提出一种改进的PASTd子空间跟踪算法,并将其应用于基于子空间的半盲多用户检测.该算法保证了特征向量的正交性,因此提高了算法的收敛速度.仿真结果表明,提出的算法收敛速度快,输出信干噪比和误码率性能优于PASTd半盲检测算法和OPAST半盲检测算法,逼近SVD半盲检测算法,并保持了较低的计算复杂度.     

自适应强跟踪容积卡尔曼滤波算法

提出了一种自适应强跟踪容积卡尔曼滤波算法(ASTSCKF),该算法在平方根容积卡尔曼滤波算法(SCKF)步骤中引入强跟踪滤波器(STF),通过渐消因子在线修正一步预测误差协方差矩阵,强迫输出残差序列正交,使得算法具有应对系统状态突变等不确定因素的能力,增强了算法的鲁棒性;结合改进渐消记忆时变噪声统计估计器,对噪声方差阵进行实时在线估计,有效解决了SCKF算法由于噪声统计不准确、未知或时变性带来的滤波发散问题,使其具有应对噪声变化的自适应能力。仿真实验结果表明：ASTSCKF算法在系统状态发生突变并且噪声变化的情况下,能够表现出良好的滤波性能,较SCKF算法有更强的鲁棒性以及噪声变化的自适应性。     

盲自适应分组多用户检测

直接序列码分多址分组多用户检测中,干扰用户包括小区分组外用户及相邻小区用户.首先利用子空间投影方法,在所有干扰用户中识别出相邻小区用户,然后对小区内用户进行多用户检测,并通过子空间跟踪方法实现自适应.既保证了性能,又降低了计算复杂度.仿真结果表明算法是实用的.     

用于状态估计的自适应粒子滤波

分析了粒子滤波的性能关键,提出了一种新的自适应粒子滤波算法．该算法采用一种新提议分布,即将UKF（Unscented Kalman Filter）与自适应强跟踪滤波器（STF）相结合．新提议分布通过UKF构造粒子群,而粒子群中的每个粒子中的每个sigma点用STF来更新,它可以在线调节因子而使得算法自适应．非线性状态估计仿真试验证实了改进的粒子滤波算法的有效性．     

基于Mask R-CNN的多目标跟踪算法

针对目前多目标跟踪算法在面对目标频繁遮挡时跟踪效果较差的问题, 提出采用Mask R-CNN作为检测器, 根据检测结果利用Kalman滤波器预测下帧图像中跟踪目标的位置, 用改进匈牙利算法进行数据关联, 并利用轨迹修正方案应对轨迹中断问题. 将该算法在MOT16数据集的各测试集上进行实验, 实验结果表明, 该算法目标跟踪准确率为55.1%, 且针对目标被遮挡问题效果较好.