一类复合调制信号的脉冲压缩及旁瓣抑制

线性调频信号和二相编码信号在脉冲压缩雷达系统中使用较为广泛。分别对其进行分析后推导出一类线性调频 二相编码复合调制信号的时域表达式,使其兼有这两种信号的特点。对其进行仿真的结果表明,该复合调制信号容易产生并处理,其匹配滤波结果对多普勒频移也不敏感,但由于该信号的特殊性,常规的窗函数无法对其进行旁瓣抑制。采用了网络综合法抑制其旁瓣,效果十分理想。     

变遗忘因子相关函数自适应滤波算法

相关函数递推最小二乘(CRLS)算法在回波消除中双方对讲情况下是有效的,但其计算复杂度较高。把相关函数最小二乘准则中的遗忘因子视为时变的遗忘因子,应用最速下降法使当前时刻的方向矢量正交于前一时刻的方向矢量,从而获得时变的遗忘因子的表达式,得到一种新的相关函数自适应滤波算法。该算法的计算复杂度比相关函数递推最小二乘算法的要低。计算机数值仿真结果表明,新算法的收敛性能和相关函数递推最小二乘算法的收敛性能相当。     

带旋转因子的多路回波消除自适应滤波算法简化

对带旋转因子的多路回波消除自适应滤波算法(NLMS RF)中的旋转因子的取值进行了分析,给出了NLMS RF算法及其扩展的带旋转因子的多路仿射投影算法(APA RF)的一种简化形式。这种简化是通过使算法中"预处理"后的输入向量相互正交而实现的。简化后的算法无需对旋转因子的取值进行选取,并降低了算法的计算复杂度。通过计算机数值模拟仿真实验表明了简化后的算法的有效性。     

基于高通滤波和顺序滤波的小目标检测

针对红外图像中弱小目标的检测问题,比较了几种高通模板的效果与性能,提出了一种基于高通和顺序滤波相结合的小目标检测方法。该方法是在采用高通滤波来抑制背景的基础上,利用噪声图像直方图呈高斯分布的特性,用门限判决对图像进行预检测。然后用顺序滤波去虚警点从而得到目标点。实验结果表明,在信噪比SNR>2时该方法能有效地检测出图像中的小目标。     

自适应卡尔曼滤波器渐消因子选取方法研究

分析了通过改变噪声和初始条件抑制Kalman滤波发散的方法,指出了造成Kalman滤波发散的原因和控制Kalman滤波发散的机理。推导了衰减记忆滤波方程并研究了衰减记忆滤波噪声阵和滤波初值的选取条件,分析了衰减记忆滤波条件下量测噪声阵遗忘因子权重变化的物理意义。给出了衰减记忆滤波不发散的自适应遗忘因子的新算法,仿真结果证明了所述方法的有效性。     

H∞自适应滤波的理论分析及其在导航系统中的应用研究

由于双星系统的误差模型未知，且稳定性较差，采用Kalman滤波实现惯导／双星组合导航时，其滤波特性较差。而H^∞自适应估计对模型的不定性和干扰信号的统计信息不需做任何假设，而使它在工程实践中有广泛的应用。本文研究了H^∞自适应滤波，并将其应用到惯导／双星组合导航系统中。该方法是通过从输入干扰信号到估计误差间的最大能量增益的最小化找到一种H^∞最优估计策略来保证滤波器的鲁棒性。利用双星和惯导的实测数据进行仿真实验，并和递推最小二乘法、最小均方法进行比较。仿真结果表明，H^∞自适应滤波的鲁棒性优于其它两种算法。     

具有随机偏差的最优多段卡尔曼估值器

提出了具有随机偏差的最优多段卡尔曼估值器。针对状态模型与观测模型同时具有偏差且偏差模型噪声与状态模型噪声相关的情况 ,给出了具有随机偏差的状态方程的增广状态 ,并通过U V变换对卡尔曼估值器的协方差矩阵解耦得到了最优多段卡尔曼估值器。结果表明 ,多段卡尔曼估值器不仅是最优的 ,而且降低了计算的复杂度     

瑞利噪声环境中水下目标辐射信号增强算法

提出了基于高阶累积量广义函数迭代的自适应滤波算法，证明了该算法的收敛性，给出了广义函数的几种具体表示式。用该算法对瑞利噪声环境中水下目标辐射信号谱增强进行了仿真研究。结果表明：该算法具有很强的抑制瑞利(白或色)噪声的能力。因此，该算法在提高水下探测系统对水下目标的检测能力方面有重要的应用价值。     

Delta算子描述的离散系统鲁棒滤波

研究基于Delta算子描述的线性不确定离散时间系统在稳态估计误差方差约束下的鲁棒滤波问题。目的是设计线性滤波器 ,使得闭环系统稳定 ,且闭环系统的稳态估计误差的方差满足预先给定的约束条件。基于Riccati方程或Riccati不等式方法 ,给出Delta算子描述的系统鲁棒滤波器的存在条件和显式表达式     

用于组合测姿的Kalman渐消因子自适应估计算法

提出了适用于姿态测量的Kalman滤波渐消因子自适应估计算法,滤波中采用序贯处理的方法计算出每个量测量对应的渐消因子,在位置速度组合导航系统中,只有位置、速度的误差状态是直接可观测的,用序贯滤波处理计算得到的渐消因子对协方差阵中对应于位置和速度误差状态的对角元素进行自适应控制,抑制滤波发散,提高位置、速度和姿态的测量精度。半实物仿真表明,与原来的算法相比,修改后的方法不仅能够提供高精度位置、速度信息,而且还可以提供高精度姿态信息,其中航向误差在0.08°以下,俯仰和横滚误差在0.02°左右。