区域GPS网共模误差的提取与分析

区域GPS网坐标时间序列中存在共模误差,掩盖了测站自身的形变特征.通过主成分分析和小波谱分析对山东CORS内15个站点组成的区域GPS网进行了空间滤波,提取其共模误差并得到共模误差的频率特征.滤波后各测站相对ANQI站的相关系数在N、E、U三个坐标分量上分别平均下降了74%、85%和75%.结果发现,共模误差序列中存在年周期、半年周期、季节性周期和月周期信号,各周期信号的强度和信号出现的时间也不尽相同;电离层、对流层、潮汐等原因引起的误差是共模误差产生主要原因.     

有色噪声观测量的逐次静态滤波方法

根据广义最小二乘原理推导出有色噪声情况下的逐次静态滤波的关系式，即通过改化各观测方程，将有噪声观测值改化为白噪声的虚拟观测值，然后按白噪声逐次滤波公式进行滤波,贞时，推导出有色噪声观测量逐次滤波后精度评定的理论公式。有色噪声的逐次静态滤波理论有效地解决了GPS载波相位观测值经过测站间，卫星间，历元间的三次差分计算后，观测方程的相关性造成的协方差矩阵容量过大问题，利用这一理论，消除了各历元间隔观测方程的相关性，节省了数据处理时间和计算机内存。     

GPS网共模误差的灰色关联系数加权叠加滤波识别法

区域GPS网坐标时间序列存在共模误差,该误差影响GPS网站点坐标精度,因此去除共模误差具有重要意义.文中提出了一种基于灰色关联系数的叠加滤波方法,该方法以GPS网台站坐标时间序列的灰色关联系数作为叠加滤波的权重.通过实测GPS网数据分析表明,灰色关联系数叠加滤波方法是一种识别单站共模误差的有效方法;同时,该方法能够识别异常GPS台站坐标时间序列,避免异常台站对共模误差计算的影响.该方法在不同尺度GPS网坐标时间中提取共模误差的效果都优于叠加滤波方法.     

GPS／INS组合系统自适应滤波算法

研究了GPS/INS组合系统在高动态运动目标定位中的应用。根据组合系统建立状态方程，GPS观测量构成观测方程。自适应滤波过程中，通过观测数据对观测噪声进行估计，再用Sage-Husa算法在对动态噪声进行估计的同时实现状态滤波估计。计算机仿真验证了这种滤波算法的有效性。     

考虑观测噪声扰动的修正H_∞滤波方法

为有效改善观测噪声方差对滤波估计精度的影响,提出了一种考虑噪声扰动的修正H_∞滤波方法.首先,在扩展H_∞滤波架构内利用无迹变换代替运算复杂的雅克比矩阵计算,并采用高斯密度近似滤波的方法来减小了观测方程线性近似误差;然后,对状态协方差矩阵的均方根进行柯西分解,采用对角元素求解的方法,降低了观测噪声的扰动误差对滤波估计精度的影响.仿真结果表明,该方法对观测噪声的扰动效应具有较强的鲁棒性.     

基于Kalman滤波的带相关噪声系统最优白噪声估值器

基于 Kalman 滤波,提出了带相关噪声定常系统的统一的白噪声估值器。它们由输入白噪声估值器和观测白噪声估值器组成,且可统一处理白噪声滤波、平滑和预报问题,可用于石油地震勘探信号处理和状态估计。一个 Bernoulli-Gaussian 白噪声平滑器的仿真例子说明它们的有效性。     

基于kalman滤波的智能小车GPS轨迹跟踪

在满足线性高斯模型下,kalman滤波能够对目标状态进行最优化估计并能得到理想的跟踪效果。GPS导航卫星中信号被人为加入了高频振荡随机干扰信号后,可看成是GPS定位的观测噪声,会对卫星信号产生较高频率的抖动,从而影响智能小车轨迹跟踪的精度。通过建立系统状态方程,在matlab环境下建立仿真模型,对GPS轨迹跟踪中小车速度及位置的观测信号进行了kalman滤波,结果显示Kalman滤波比较明显地降低了干扰噪声的影响,提升了智能小车GPS跟踪的稳定性。     

基于最小平方线性估计的GPS精度改进算法

针对全球定位系统(GPS)的精度,提出了一种基于简化误差模型的线性最小平方估计方法,通过对漂移数据进行共模抑制结合LMS滤波实现,得到了较高的精度。这种方法要求的计算量不大,便于低成本终端的实现。     

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.      

非高斯噪声下的车载GPS信号定位算法

针对车载GPS定位算法中卡尔曼滤波对异常的观测噪声非常敏感,严重影响车载GPS定位的精度问题,应用Bayes定理,给出观测噪声服从污染正态分布的Bayes滤波算法。研究结果表明:该滤波算法能够有效地抑制异常噪声对车载GPS定位算法的影响;实例解算结果验证了该算法的有效性和可靠性。     

VMD-Wavelet 联合去噪算法研究与应用

为解决天然气管道运行过程中采集到的泄漏声波信号含有大量噪声的问题, 通过研究小波、 经验模态分解、 变模态分解等常见去噪算法, 分析了泄漏声波信号的特点, 将改进小波阈值去噪和变模态分解去噪相结合, 提出了变模态分解-小波变换(VMD-Wavelet: Variable Mode Decomposition-Wavelet) 联合去噪算法。 利用该算法对典型信号进行去噪运算仿真, 结果表明, 该联合去噪算法性能优于常见算法。 最后, 将 VMD-Wavelet 联合去噪算法应用于实际采集的油气管道泄漏声波信号去噪处理, 研究发现, 该去噪算法对强背景噪声下的泄漏声波信号能取得很高的信噪比改善和很小的均方误差。     

基于自相关检测法和能量重心法的正弦信号频率估计算法

为了提高淹没在高斯白噪声中的实正弦信号的频率估计精度,提出了一种综合的结合自相关检测法和能量重心法的正弦信号频率估计算法。该算法首先通过多次自相关运算对输入信号进行预处理,可检测出淹没在噪声中的微弱正弦信号,来提高信噪比;然后对信号进行FFT(fast fourier transform)运算可得信号的功率谱,通过搜索最大值谱线的位置可粗估计出信号频率;最后运用离散频谱能量重心法,可精确估计出正弦信号的频率。仿真结果表明本算法在整个频段上频率估计性能比较稳定、频率估计的均方根误差更小,性能优于Rife算法、Quinn算法和能量重心法,并易于硬件实现,具有工程实用价值。     

基于改进Hilbert-Huang变换的超声回波信号去噪研究

超声回波信号中包含大量有关缺陷性质的信息,由于信号在检测和传输过程中不可避免地受到随机噪声干扰,给后续信号处理带来误差。针对该问题,提出改进的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)应用于超声回波信号去噪,提取回波信号中反映缺陷本质特征的信号。改进算法引入小波包变换对超声回波信号作预处理,对处理后的信号进行经验模态分解,提出对数似然检验法,识别并去除噪声引起的虚假分量,重构出有用回波信号。通过对添加高斯白噪声的超声回波信号去噪,验证改进算法应用于超声回波信号去噪的可行性和有效性。     

基于模糊逻辑的综合地图匹配算法

车辆导航系统大都采用航位推算和GPS来估计车辆的位置,由于受GPS噪声的影响,实际测量的位置往往带有偏差。应用数字化道路图的地图匹配算法可以解决这一问题。提出基于模糊逻辑理论的综合地图匹配算法,充分考虑了道路几何特性以及GPS测量数据的偏差特性,实验证明该算法是有效和可用的。     

多径干扰下GPS弱信号跟踪算法研究

在带有多径干扰的、并且低载噪比的GPS信号下,分析了多径带来的码环误差以及因此引起的伪距误差的原理.在此基础上,考虑在码环跟踪的Strobe鉴相算法中,引入一个修正因子σ,使得码环跟踪时,对一定范围内的短多径起到抑制的作用.由于改进后的跟踪算法没有用到Q路输出,并且原信号为弱信号,因此需要跟踪环路提供好的载波跟踪性能.为此,考虑使用扩展卡尔曼滤波(EKF)算法来替代原有的载波跟踪环路,提高跟踪环路的噪声抑制性能.在此基础上,将EKF载波环跟踪与修正后的码环跟踪结合起来使用,共同进行多径干扰下GPS弱信号的跟踪.     

多带激励声码器的改进双路径基音跟踪算法

为了增强多带激励（MBE）声码器基音估计性能的鲁棒性,提出了一种可适用于低信噪比语音信号的改进双路径基音跟踪算法．采用全新构造的差值不等式作为约束方程,其差值门限的取值在基音跟踪过程中能够根据基音周期长短的统计特征自动更新．实验结果显示：在SNR为-5dB的高斯白噪声干扰的情况下,基音估计的严重错误概率的性能改善平均达到70％．与传统算法相比,该算法对不同讲话者和不同程度高斯白噪声干扰均具有较强的适应能力,尤其在噪声严重的情况下该算法对基音估计的准确性得到明显改善,从而使合成语音具有较好的可懂度和自然度．     

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.     

基于最大似然法的平坦信道估计

由确定性干扰和高斯白噪声干扰信号是常见的各种工程应用。在此论文中,我们提出了一个联合测量的干扰和噪声功率水平的非数据辅助算法。该算法采用迭代的方法,以最大似然准则为基础。仿真结果表明,该方法具有收敛速度快,准确性高。     

基于VMD改进算法的气体管道泄漏检测

为提取气体管道声波信号中的泄漏成分并进行重构,提出一种结合VMD( VMD: Variational Mode Decomposition) 和误差能量算法的特征提取方法。该方法首先利用油气管道泄漏检测系统模拟气体管道的微小泄漏,并采集泄漏声波信号; 然后利用VMD 算法将采集到的泄漏声波信号分解为一系列带宽受限的固有模态;随后,使用误差能量算法选择有效模态; 最后,利用有效模态进行信号重构。通过仿真分析发现,该改进算法可以提取有效模态,利用该方法处理气体管道微小泄漏声波信号,能有效滤除噪声并重构原始信号。     

非Gaussian信道DS-CDMA系统中的多用户检测算法

对于实际非Gaussian加性噪声信道条件下的DS-CDMA系统,基于理想Gaussian白噪声假设的多用户接收机的性能会严重下降。为了同时抑制多址干扰和非Gaussian脉冲噪声的影响,提出了一种自适应多用户接收机,其模型参数的估计和传输数据的检测采用EM/SAGE递归结构联合进行。该接收机具有实现简单、鲁棒性高、适用性强的优点。分析和仿真结果表明,无论是在多址干扰还是在非Gaussian脉冲噪声占主导的情况下,EM/SAGE-MUD算法在降低误码率,克服远近效应方面比起传统的多用户检测方法有显著改善。