集中式多传感器无极联合概率数据互联算法

针对杂波环境下非线性系统中的多传感器多目标跟踪问题,提出了一种集中式多传感器无极联合概率数据互联算法。该算法中,首先采用无极卡尔曼滤波器实现非线性系统中状态分布的传递,在此基础上应用联合概率数据的思想将单个传感器的量测点迹与航迹互联,最后推广至顺序结构。由于无极卡尔曼滤波器可以获得比扩展卡尔曼滤波算法更高精度的近似,因此能减少非线性模型线性化引起的近似误差对联合概率数据互联概率及状态估计的影响,与基于扩展卡尔曼滤波器思想的顺序多传感器联合概率数据互联算法相比,该算法具有更高的跟踪精度和稳定性,最后通过仿真结果验证了该算法的优越性。     

Design of complex FIR filters with arbitrary magnitude and group delay responses

To design approximately linear-phase complex coefficient finite impulse response (FIR) digital filters with arbitrary magnitude and group delay responses, a novel neural network approach is studied. The approach is based on a batch back-propagation neural network algorithm by directly minimizing the real magnitude error and phase error from the linear-phase to obtain the filter’s coefficients. The approach can deal with both the real and complex coefficient FIR digital filters design problems. The main advantage of the proposed design method is the significant reduction in the group delay error. The effectiveness of the proposed method is illustrated with two optimal design examples.     

一种变阶数自适应滤波算法

通过对回声抵消的实际应用环境进行分析,提出一种新的动态改变自适应滤波器阶数的算法。该算法在权系数的长度与失调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,保持较高的滤波器阶数,而在稳态阶段自动减少阶数的特点,可以极大地降低自适应滤波器算法的运算量。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。     

Performance analysis of Turbo-Codes in communication channels with impulsive noise

Performance of Turbo-Codes in communication channels with impulsive noise is analyzed. First, mathematical model of impulsive noise is presented because it has non-Gaussian nature and is found in many wireless channels due to impulsive phenomena of radio-frequency interference. Then, with linear Log-MAP decoding algorithm for its low complexity, Turbo-Codes are adopted and analyzed in such communication channels. To confirm the performance of the proposed method, simulations on both static and fully interleaved fiat Rayleigh fading channels with impulsive noise have been carried out. It is shown that Turbo-Codes have a better performance than the conventional methods (e.g. convolutionally coded system).     

短时交通流混沌预测方法的比较

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题,提出了将Volterra滤波器自适应预测模型用于短时交通流的实时预测。为提高预测精度,在Volterra滤波系数计算过程中采用归一化最小均方自适应算法进行多次训练。应用该预测模型对几个典型的非线性系统进行预测,验证了算法的准确性。然后再用此方法对微观实测交通流的时间序列进行实证分析。仿真结果表明,该预测模型对实测交通流时间序列具有很好的预测效果,可以满足实时交通流预测的需要。     

基于状态变量三维可视化的逆变器系统分析

为改进非对称T型低通滤波器的电压型逆变器的设计,提出并实现了一种三维状态变量的可视化的分析方法.首先由状态方程推算出其状态转移方程,然后将滤波器输入电压代入得到三个状态变量关于时间t的表达式,再将状态变量综合成为三维空间轨迹.所得图形不但能表明T型低通滤波器中各个变量之间的关系,还可用来判断系统的稳定性.实验波形和仿真结果验证了该方法的正确性和有效性.     

基于KLD采样的自适应UPF非线性状态估计方法

针对标准UPF算法存在的计算量大、实时性差的问题,设计了一种利用KLD采样在线实时改变粒子个数的自适应UPF算法.该算法的核心思想是利用KLD采样原理,根据预测粒子在状态空间中的分布情况来在线实时的确定下一次滤波迭代所需的粒子个数,减少对滤波算法没有帮助的粒子,仅保留保证滤波估计精度所需的最少粒子个数,从而有效减小算法的运算量,提高算法的实时处理能力.最后,将自适应UPF算法与粒子滤波、标准UPF算法进行了仿真比较,仿真结果表明在保持高精度估计能力的同时,自适应UPF算法比标准UPF算法具有更好的实时性,是解决非线性非高斯系统状态估计问题的一种有效方法.     

高斯过程回归中的logdet近似算法及数值实验

在高斯过程以及其他空间回归模型中,超参数的最大似然估计(MLE)通常需要求矩阵行列式对数的估计,简称logdet.提出了-种基于幂级数展开的结构,用于广义正定矩阵logdet的近似计算,并给出三种新的补偿方案,进一步提高近似值的精确度和计算效率,所提logdet的近似实现方案仅需50N2产次操作.大量的数值实验,包括对随机产生的正定矩阵、随机产生的协方差矩阵以及两个高斯过程回归实例产生的协方差矩阵序列的检验,都已证实所提方案的可行性.     

基于PLAR特征补偿的鲁棒性说话人识别仿真研究

针对MFCC特征补偿技术在低信噪比时性能不高的缺点,提出了基于PLAR鲁棒特征的模型补偿方法进行抗噪声说话人识别.PLAR特征从人类听觉感知机理出发,运用听觉心理学概念表征说话人个性特征,具有雏数低,运舅速度快,抗噪性能强等特点,是一种稳健的特征.模型补偿则通过分析被测语音帧的整体分布,对高斯混合模型似然概率进行某种程度的补偿,降低噪声的影响,改善系统的性能,进一步增强系统的鲁棒性.理论分析和实验结果表明,在平稳和非平稳背景噪声环境下,当信噪比大大降低时,此方法比MFCC-GMM方法的识别率平均提高了12.2和14.9个百分点.     

基于强跟踪滤波器的纯方位机动目标跟踪算法

针对无源纯方位跟踪中目标机动的问题,提出了一种基于强跟踪滤波器的机动目标跟踪算法.该算法在目标机动跟踪中通过实时调节增益阵,提高了滤波器对状态变化的跟踪能力,避免了修正增益协方差(MGEKF)算法中所寻找的观测量修正函数不准确而引起较大的误差.同时对量测模型非线性问题采用伪量测变换估计器(PLE)予以解决,它具有形式简单,计算量小的优点.最后将该算法与MGEKF算法相比较,Monte Carlo仿真结果验证了提出算法的优越性.