快速Metropolis-Hastings变异的遗传重采样粒子滤波器

为了解决传统粒子滤波器粒子退化与贫乏问题,提出了快速变异的遗传重采样粒子滤波算法.该算法将快速Metropolis-Hastings(MH)移动作为遗传算法的变异算子,使得快速变异算子与传统交叉算子、传统选择算子组合为一种新的粒子重采样算法.快速MH变异能对粒子进行移动,使得粒子的稳定分布为目标的后验概率密度分布.快速变异能有效解决一般变异算法易发散的问题,可以更快地提取到反映目标概率特征的典型粒子.实验证明,基于快速MH变异的遗传重采样方法可以快速提高粒子的多样性,避免粒子退化,减小跟踪误差.     

一种基于粒子滤波的被动多传感器多目标跟踪算法

针对被动观测系统中非线性运动多目标跟踪问题,提出了一种基于交叉定位的模糊-概率双加权粒子滤波跟踪算法.算法利用多个被动传感器的角度观测信息进行交叉定位,得到目标的位置观测信息,通过模糊-概率双加权完成目标与定位点的关联匹配,最后利用粒子滤波对非线性运动的目标进行跟踪;其中关联算法和滤波算法的有效结合是该算法的创新点.仿真结果表明,所提出的算法可以准确地排除虚假定位点,可有效跟踪多个非线性运动目标.     

基于相关熵的扩频周期估计方法

针对低信噪比下直接序列扩频信号扩频周期估计难题,利用相关熵可度量随机过程局部相似性的特点,提出了一种基于相关熵的估计新方法。首先分析了相关熵隐含的周期性,理论上推导了证明周期性存在的系列表达式,据此分析出可由接收信号的相关熵峰值间隔估计扩频周期。此外,研究了信息码的存在对扩频周期估计性能产生的影响,并针对此问题,在相关熵法的基础上提出了一种延时相乘相关熵分析法。仿真结果表明,与常用的基于功率谱的倒谱法和二次谱法,以及基于自相关函数的波动相关法相比,该文所提出的基于相关熵的新方法有更好的扩频周期估计性能。     

基于修正IEKF的IRST系统多站融合跟踪

针对红外搜索跟踪(infrared search and track, IRST)系统单站情况下的弱可观测强非线性问题,提出了一种基于修正迭代扩展卡尔曼滤波(modified iterated extended Kalman filter, MIEKF)的多站融合跟踪算法。按照高斯-牛顿迭代方法对IEKF中的测量更新进行修正,并推导了最大似然迭代终止条件,减小了非线性滤波的线性化误差。结合集中式融合跟踪算法,应用于IRST系统多站目标跟踪。以三站为例进行仿真研究,结果表明所提算法的跟踪性能要优于EKF和UKF。     

α稳定分布噪声中基于最优核时频分析的跳频信号参数估计

针对传统非线性时频分析方法在跳频(frequency hopping, FH)信号参数估计时,会出现严重的交叉项和参数估计精度降低等问题,引入径向高斯核(radially Gaussian kernel,RGK)时频分析方法,该方法根据FH信号的不同自适应选择最优核函数,从而有效抑制交叉项。RGK时频分析方法可在高斯噪声环境下估计FH信号的参数,但在脉冲性较强的α稳定分布噪声中,该方法性能退化甚至失效。对此,结合最大似然估计理论,提出了一种α稳定分布噪声环境下的加权最大似然广义柯西(weighted maximum likelihood generalized Cauchy,WMGC)滤波的新方法。采用基于WMGC滤波器的RGK时频分析方法(WMGC RGK方法,即WR方法),对该噪声中的跳频信号进行参数估计。仿真结果表明,与基于分数低阶及Myriad的时频分析方法相比,WR方法在α稳定分布噪声中具有良好的鲁棒性和优良的跳频信号参数估计性能。     

一种编队目标架次检测方法

针对常规低分辨雷达无法直接在距离和方位上分辨编队目标的缺陷,分析了编队目标间距引起目标间多普勒频率的差异和目标多普勒频率的变化规律,探讨了用时频分布分辨目标的可能性.提出了一种基于编队目标回波时频分布生成的图像,利用图像描述技术,实现编队目标架次检测的方法.实测目标回波数据实验结果表明,该方法能可靠检测目标架数,具有一定的抗噪声和抗干扰能力,同时计算量小,易于实时实现,优于常规Radon变换方法.     

一种强稳健性的抗几何攻击图像水印算法

数字图像水印的抗几何攻击能力一直是研究的热点和难点。提出了一种基于奇异值分解的抗几何攻击图像水印算法,算法利用了奇异值良好的稳定特性,通过对宿主载体和水印图像的奇异值进行混合运算嵌入水印,同时引入了FastICA算法,在满足算法强稳健性和透明性的同时,保证了快速的收敛性和盲提取要求,属于新观点创新。实验结果表明,算法能很好地抵抗高斯低通滤波、维纳滤波、中值滤波、椒盐加噪、高斯加噪、JPEG有损压缩等多种攻击,对旋转、剪切、缩放、平移、错切几何攻击具有优于传统小波算法无法比拟的强鲁棒性,提取水印与原水印相关系数NC(Normalized Cross-Correlation)平均优于小波算法43.35%,显示了算法的独特优势。     

基于方向性S变换的多分量FM信号瞬时频率估计

针对复杂多分量调频信号的瞬时频率估计问题,提出一种基于方向性S变换的瞬时频率估计方法。首先,在S变换中引入变趋势窗,有效改善了高频区的频率分辨率;其次,提出了方向性S变换,该变换在引入方向性参数的基础上,利用最大化准则实现了复杂调频信号的时频方向匹配;最后,由于传统时频脊线及相应的均方根误差准则无法适用于多分量信号瞬时频率估计的性能评估,提出一种基于支撑域的置信度准则。仿真实验通过线性与非线性的多分量混合调频信号证明了该方法的有效性。     

脉冲噪声下基于NAT函数的LFM信号参数估计

针对传统的线性调频(linear frequency modulation,LFM)信号参数估计方法在脉冲噪声环境中无法准确提取参数信息的问题,设计了两种非线性幅值变换函数(nonlinear amplitude transformation,NAT),即attenuation-NAT (A-NAT)函数与increa...     

脉冲噪声中基于数据可信度加权的跳频信号检测

时频分析是跳频(frequency-hopping, FH)信号检测的有力工具,但是脉冲噪声下性能严重退化,无法有效地提取跳频信号的周期、频率和跳变时刻等参数;基于分数低阶统计量和最大似然估计(maximum-likelihood,ML)的算法是改善脉冲噪声下FH信号时频分布的两类常用方法,但前者性能改善有限,后者通常对噪声的概率分布较为敏感,且计算复杂度高。对此,提出一种基于数据可信度加权(weighting based on the data credibility,WDC)的FH信号检测方法。该方法基于云模型(cloud model, CM)理论,建立了数据可信度的概念,以分析脉冲噪声下接收信号的不确定性,然后在此基础上实现信号加权,改善脉冲噪声下FH信号的时频分布特征。仿真实验证明,在稳定分布噪声中,该方法与基于分数低阶及Myriad滤波器的时频分析方法相比,能够较好地抑制脉冲噪声,获得FH信号的参数信息,具有良好的鲁棒特性。