ARMA模型的平方根超定递推辅助变量定阶方法

提出了自回归滑动平均(ARMA)模型的平方根超定递推辅助变量定价方法.该方法避免了计算逆协方差阵失去正定性的问题,改进了超定递推辅助变量定阶方法的数值稳定性.模拟计算与实验数据处理表明,该方法数值稳定性好,收敛速度快,抗噪能力强.是一种高性能的定阶方法。     

基于UKF的无线传感器异步数据融合优化算法

提出了一种基于无迹卡尔曼滤波(UKF)的无线传感器异步数据融合算法,利用RNAT机制识别无线传感器网络中的冗余节点,构造数据冗余树来实现冗余数据的去除.根据重复数据消除的结果,在每个传感器检测范围半径相等的环境下,采用四圆定位法,任意选择2个检测目标信息的节点,计算2个圆形检测区域边界的交点,根据迭代法找到并近似目标.设定了不同传感器的原始传感器相互独立、同一传感器不同原始量测量值相互独立的前提条件,计算出各通道的测量值,利用未测量卡尔曼滤波器以滤波的形式更新测量值,引入卡尔曼滤波增益矩阵,并结合异步数据定位结果实现数据融合.实验结果表明,融合后的数据利用率高于现有结果,算法耗时短、能耗低,且具有较高的数据融合精度,整个融合的准确率在90％以上.     

一种复合型自适应Turbo均衡算法

针对短波信道以及短波瞬间通信以帧为单位进行传输的特点,提出了一种新的复合型自适应Turbo均衡算法(CATEA)。该算法结合最小均方(LMS)算法和递归最小平方(RLS)均衡算法的优点,分别在训练和直接判决阶段调整均衡器参数,因而克服了LMS算法收敛慢以及RLS算法计算量大的缺点。通过将该均衡算法与Viterbi译码算法进行迭代均衡和译码,极大地提高了均衡器性能,同时保持了较低的复杂性。仿真和实验测试证明了该算法的有效性。     

复数域上方阵的平方根

讨论了复方阵具有平方根的问题，指出了“一个方阵有平方根的充分条件”一文的错误，给出了纠正的结论，进而给出一般性的复数域上的方阵有平方根的充分必要条件。     

新型高频高线性CMOS跨导线性电流模乘/除法器设计

针对传统CMOS电流乘除法器存在线性度不高、工作频率低等缺点,提出一种以平方根电路、平方/除法器电路为核心的基于MOS管跨导线性原理的新型高频高线性CMOS电流模乘/除法器。在TSMC0.35μm CMOS集成工艺下进行HSPICE仿真测试表明:该电路在3V电源电压下,-3dB带宽可达到35.1MHz,电源静态功耗为202.68μW,输出电流为0～25.1μA,非线性误差为0.85%,总谐波失真为0.14%。本文提出的乘除法器电路与Tanno、Lopez等提出的基于跨导线性原理的乘除法器电路相比,优点在于-3dB带宽提高了,功耗降低了,电源电压降低了,线性度提高了,精度提高了,并且采用了相对更先进的0.35μmCMOS工艺,可缩小芯片面积,节约成本。     

计算平方根的最佳算法

本文应用不定方程的方法给出了计算平方根的最佳算法,并证明了最佳性,具体陈述了这种最佳性。     

IMM-SRUKF在GPS/INS组合导航中的应用

针对无迹卡尔曼滤波(UKF)鲁棒性不强的问题,结合全球定位系统/惯性导航系统(GPS/INS)紧组合模型特点,提出了基于交互式多模型(IMM)的混合平方根无迹卡尔曼滤波(SRUKF)算法.该算法采用交互式多模型结构,克服了模型不确定性因素的影响;采用平方根滤波技术,解决了协方差矩阵难以保持正定的问题.同时,考虑到内部滤波器与线性/非线性模型不匹配,引入混合滤波思想,对SRUKF进行了优化.将新算法应用于紧组合模型进行仿真,结果表明:新算法能够以适当的时间复杂度,获得较强的鲁棒性能,适用于复杂的导航环境.     

时变转移概率IMM-SRCKF机动目标跟踪算法

给出了一种交互多模型(interacting multiple model,IMM)算法中Markov转移概率矩阵在线修正的方法,并将平方根容积卡尔曼滤波器(square-root cubature Kalman filter,SRCKF)引入到IMM算法中,提出一种时变转移概率的机动目标跟踪IMM-SRCKF算法。该算法利用当前量测中包含的模式信息,对IMM算法中的转移概率矩阵进行实时递推估计,避免了常规IMM算法中转移概率先验确定的困难,提高了模型切换速度和跟踪精度;同时,SRCKF以目标状态协方差的平方根进行迭代更新,确保了滤波过程中协方差矩阵的对称性和半正定性,改善了数值精度和稳定性。仿真实验结果表明,该算法对机动目标的跟踪性能优于常规的IMM及IMM-CKF算法。     

基于平方根UKF的机载单站无源定位算法

介绍了基于多普勒频率变化率和波达角变化率的机载单站无源定位原理,并引入一种新的基于平方根（uKF）算法．通过仿真与扩展卡尔曼滤波（EKF）和不敏卡尔曼滤波（UKF）算法进行了比较．结果表明,新算法比EKF算法精度高,与UKF算法相比,新算法的方根形式增加了数字稳定性和状态协方差的半正定性,同时具有更快的收敛速度．     

Pulsar/CNS integrated navigation based on federated UKF

In order to improve the autonomous navigation capability of satellite, a pulsar/CNS (celestial navigation system) integrated navigation method based on federated unscented Kalman filter (UKF) is proposed. The celestial navigation is a mature and stable navigation method. However, its position determination performance is not satisfied due to the low accuracy of horizon sensor. Single pulsar navigation is a new navigation method, which can provide highly accurate range measurements. The major drawback of single pulsar navigation is that the system is completely unobservable. As two methods are complementary to each other, the federated UKF is used here for fusing the navigation data from single pulsar navigation and CNS. Compared to the traditional celestial navigation method and single pulsar navigation, the integrated navigation method can provide better navigation performance. The simulation results demonstrate the feasibility and effectiveness of the navigation method.