二次曲线拟合算法的统计性能分析与改进

传统的二次曲线拟合使用特征值分析睡。通过统计分析技术，可知该技术在似合数字二次曲线时，存在估计偏差大、均方误差大的缺点。在产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大，因此白化数据噪声和正则化变换是提高曲线拟合的有效措施。这从理论上有力地支持了Hartley提出的正则化算法。通过理论分析和计算机仿真实验，表明了降维EVD技术固有地同时具备噪声预白化功能和数据正则化功能，因此它能给出均方误差相当小的无偏估计。由于它无须进行预白化变换或正则化变换，并把最优化过程的维数从6降为2，所以它还具有计算快速、实现简单方便的优点。     

一类复杂带乘性噪声广义系统研究

研究状态空间模型描述的带乘性噪声广义系统,在加性噪声同时刻相关情形下的最优状态滤波算法以及观测噪声最优估计问题.在假设系统正则的情况下,针对乘性噪声为一般随机矩阵即各观测通道乘性噪声同时刻相关的情况,通过受限等价变换的方法,给出了线性最小方差意义下的系统状态滤波算法和观测噪声最优滤波算法.数字仿真结果表明了算法的有效性.     

基于改进支持向量回归的船用机械零部件寿命估计

船用机械零部件退化的敏感特征难以提取,导致其寿命估计均方误差增加。为此,设计一种基于改进支持向量回归的船用机械零部件寿命估计方法。采用小波变换法去除全寿命周期数据噪声,提取零部件退化的时域特征,利用集合经验模态分解获取频域特征。经主成分分析法完成特征降维处理后,确定机械零部件退化的敏感特征。采用考虑莱维飞行机制的改进蚁狮优化算法寻求支持向量回归模型最佳参数。将提取到的敏感特征输入至改进支持向量回归模型中,得到船用机械零部件寿命估计值。实验结果表明,当步长为6时,支持向量回归模型的均方误差指标最小、决定系数指标最大,可实现机械零部件寿命精准估计。     

基于UT变换改进多模型滤波的水下航行器导航方法

为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。     

基于DPCA和Kalman滤波的SAS运动误差估计

SAS系统的运动不稳定性是限制其发展的一个主要因素。等效相位中心(DPCA)自聚焦算法是基于原始回波数据的运动补偿方法。由于DPCA自聚焦算法在估计过程中是以前一个脉冲对应的阵列位置为基准,因此,随着脉冲次数的增加,估计残差将会逐渐积累,特别是当某次脉冲对应的估计残差较大时,DPCA自聚焦算法的估计精度就会受到严重的影响。本文将Kalman滤波算法和DPCA自聚焦算法融和,以最小均方误差为最佳准则,采用随机过程的矢量模型和递归算法,获得信号和噪声的最佳分离,提高了对SAS运动误差的估计精度。     

汽车车内噪声主动控制归一化LMS算法

通过对汽车车内噪声采集试验数据进行分析,运用最小均方(LMS)算法和归一化LMS算法,分别对自适应滤波器中的权向量按照最速下降算法进行更新,并利用建立的自适应滤波器进行汽车车内噪声主动控制。通过比较汽车车内噪声主动控制结果,表明:与LMS算法相比,归一化LMS算法具有更快的算法收敛速度和较小的稳态误差,其收敛速度提高58.3%,其稳态误差降低62.5%。     

水下航行器导航系统的模糊自适应多模型滤波方法

为了提高水下航行器组合导航系统的精度,针对系统模型和量测噪声随实际工作环境的不同而变化的特点,提出了一种基于模糊自适应改进多模型滤波的算法。首先依据多模滤波的思想,对系统进行离散化建模;然后基于协方差匹配技术,利用滤波信息的统计方差和计算方差的偏差作为模糊系统输入,设计模糊推理系统调节量测噪声方差,最后给出算法的实现过程。仿真结果表明,所提方法可增强估计算法的抗干扰能力,提高了估计精度。     

基于测量分量加权融合的GPS/SINS船舶组合导航算法

具有执行简便和高精度优点的测量值融合技术已经在船舶组合导航中得到了广泛应用.但由于船舶组合导航系统中各子系统通常提供的是不等同维的测量数据,加之传统测量值加权融合存在各传感器测量等同维数的约束,使得该类算法在船舶组合导航中的应用能力和使用范围受到了很大的限制.针对上述问题,以GPS和SINS组成的、具有不同维数测量的船舶组合导航系统为研究对象,提出了一种新的基于测量分量加权融合的船舶组合导航算法.该算法的基本思想是寻找一个变换矩阵将具有不等同维数的测量扩维成满状态维数的矩阵,然后考虑扩维后的噪声方差是奇异矩阵,从而采用测量分量对应加权进行融合.与传统的测量加权融合方法相比,该方法不仅具有更广的应用范围,而且保持了与传统的集中式扩维融合相同的高精度性能.算法的性能分析和计算机仿真证明了新算法的有效性和优越性.     

基于小波的SPIHT雷达图像压缩算法

雷达在现代航海导航中占据着很重要的地位,在综合船桥系统和船舶交通管理系统里,雷达图像需要通过网络传送给其他导航系统如ECDIS或远程图像监视系统。由于雷达图像数据量非常大,为了保证图像的实时性,通过网络传输雷达图像时,先要对雷达图像进行压缩。雷达天线的扫描速度大约为20 RPM,所以一幅雷达图像的数据压缩、数据传输和数据重建必须在3 s内完成,这对雷达图像的压缩和重建提出了很高的要求。论文采用基于小波变换的SPIHT算法对雷达图像进行压缩.在追求高压缩比率情况下,保证了较低的均方误差和较高的信噪比,最后用C 实现了算法并给出了实验对比数据。     

基于深度学习算法的舰船通信网络流量估计研究

传统舰船通信网络流量估计算法输出结果与实际流量数值之间的误差较大,导致后期数据流量分析结果可信度降低。为了提升通信网络流量估计准确度,提出基于深度学习算法的舰船通信网络流量估计研究。首先,对通信网络空间中的数据流进行数据流模型建立,获得通信流量基础特征数据;然后,对其流量波动值域范围进行特征计算,以此获得深度学习样本。最后,通过深度学习算法,对样本数据进行学习,通过学习完成对流量估计系数的更新,进而提升估计精准度。通过对仿真数据的对比测试,证明提出的估计算法能够有效减小估计值与实际值之间的误差,满足适应估计场景的应用要求。     

模糊自适应卡尔曼滤波在惯性/地磁导航中的应用

为了提高自主、无源组合导航系统的精度和可靠性,针对惯性/地磁组合导航系统中滤波发散、量测噪声统计特征随实际情况不同而变化的问题,本文在无迹卡尔曼滤波的基础上,通过监测滤波新息的方差和均值变化,采用模糊自适应滤波算法,"在线"调整模型中的噪声方差阵,来改变滤波器的估计均方误差和滤波增益.通过自适应调整Sigma采样中权值的比例因子α,来解决UT变换的非局部效应,达到提高组合导航的精度的作用.仿真结果表明,模糊自适应卡尔曼滤波器可以有效的提高惯性/地磁组合导航系统,克服了传统滤波算法的缺点和不足,提高了滤波精度.     

基于α稳定分布模型的水声信号白化滤波方法

在简要介绍共变谱和稳定白噪声的基础上,从α谱的角度出发,推导出基于自共变系数的广义YuleWalker方程,证明广义Yule-Walker方程算法的合理性。依据稳定分布的参数模型,通过广义Yule-Walker方程算法实现基于分数低阶统计量的水声信号预白化滤波。实验数据检验表明,基于分数低阶统计量的白化滤波方法可以很好地实现水声信号预设频带内的预白化。     

基于交叉熵的矢量量化分类算法

提出一种利用最小交叉熵优化方法的矢量量化分类算法,将矢量的分类问题转化为最小失真函数估计问题,通过关联随机迭代算法逼近最优值,以更好地减小量化误差。对二维数据点集的分类和对实际图像的量化编码实验表明,该分类方法可以有效提高分类精度,减小量化的失真,实现全局优化,对大分块的图像量化编码有较优的性能。     

基于改进无迹卡尔曼滤波的动力定位系统状态估计

动力定位（DP）船舶状态估计的准确性是影响其在海面上沿期望航迹运行或位置固定的关键因素。在DP状态估计研究中，当遇到观测噪声反常或噪声协方差与算法不符等情况时，无迹卡尔曼滤波（UKF）无法调整算法参数以适应海洋环境的变化，严重影响着状态估计的精度。鉴于此，提出一种基于误差序列协方差估计的自适应UKF，利用观测变量残差更新观测噪声协方差矩阵R。设计基于自适应UKF的状态估计器，对DP船舶纵荡、横荡和艏摇3个重要状态变量进行估计。数值仿真结果表明，提出的自适应UKF能明显降低纵荡、横荡和艏摇3个状态变量的估计误差，状态估计的准确性和滤波平滑性均优于传统UKF算法。     

基于波束形成的海上智能天线算法

远距离海上雷达探测由于海上环境的复杂性容易受到杂波干扰,常用的最小均方算法通过在干扰噪声中形成主波束并引导至目标信号,有效解决了杂波干扰问题。通过对自适应智能天线波束形成技术的海上应用进行研究,给出了常用的天线阵列结构模型和信号模型,研究了智能天线中的自适应波束成型算法,目前在这一领域的解决方案中最小均方算法最为常见,但其存在收敛速度差、通用性低等问题。本文将优化遗传算法引入,对传统遗传算法中初始种群规划和交叉操作进行了优化和改进。仿真实验表明,与最小均方算法、传统遗传算法相比,优化遗传算法对杂波的抑制效果提高了28%,收敛速度提升了3倍,具有良好发展前景。     

卡尔曼滤波在GPS/SINS船舶组合导航中的应用

本文在深入研究卡尔曼滤波原理及算法的基础上,结合海洋环境实际探索卡尔曼滤波在GPS/SINS船舶组合导航中的应用方法并进行组合导航系统的设计和仿真。为了降低旧数据在误差积累中的权重,本文对记忆数据进行了衰减处理,从而提高整个算法的自适应性能。仿真结果表明,集中式融合和顺序融合误差曲线均存在一定的波动,但绝对误差峰值较小,两者均方误差均为7.563 2。经扩展卡尔曼滤波后的GPS/SINS组合导航系统误差较小,均方误差峰值仅为6.532左右,而单独SINS导航误差约9.532,单独GPS导航误差约10.023。     

基于FPGA的LMS自适应滤波器设计

基于FPGA的自适应滤波器设计是自适应信号处理技术用于工程实践的重要基础。本文在分析最小均方误差（LMS）算法的基础上,详细讨论了LMS算法实现的数制和时序,给出了一种自适应滤波器的FPGA设计方案。仿真结果表明,该方案十分有效,现已成功应用于实际的数字信号处理系统。     

基于概率假设密度滤波的水下多目标被动跟踪

针对水下多目标跟踪过程中存在多种干扰因素,如噪声污染、杂波环境、量测数据处理等,本文将概率假设密度滤波应用到水下目标跟踪领域。首先,在单目标匀速运动场景下,提出一种二维搜索法,探究目标估计的均方根误差随2个被动声呐距离和目标初始链距取值变化的规律,为后续目标跟踪中参数选取提供参考。接着,对于多目标编队航行和航迹交叉的运动场景,分别探究目标间距和量测噪声对目标跟踪性能的影响。仿真结果表明,二维搜索法能够有效指导算法参数选取,并且所提算法具有目标数和目标状态估计精度良好的优点。     

互补对LMS自适应算法在噪声消除中的应用实现

在接收超低频信号时,由于受到天线辐射效率和海水衰减的限制,噪声的存在是对有用信号最大的干扰.传统的算法可靠性受限,可以采用自适应算法来实现噪声消除.一般LMS算法收敛速度快但稳态误差大,通过搭建自适应滤波模型,对其改进算法即互补对LMS算法进行仿真.结果表明,这种自适应算法滤波后稳态误差较小,对噪声的消除具有良好的效果.     

基于ASNLS算法的智能浮标浮潜模型参数辨识

[目的]针对智能浮标大深度浮潜模型难以精确量化的问题,提出一种抗数据饱和及测量噪声的最小二乘算法（ASNLS）,以实现浮潜多参数识别及深度预测。[方法]首先,在智能浮标浮潜运动灰箱模型中引入其执行机构的非线性动作特性以契合实际模型,并将连续型浮潜运动方程转化为离散模式以匹配实际离散的数据采样方式;然后,将离散型运动方程构造为基于相关函数的表达形式,以减弱噪声对参数辨识的影响;最后,通过调整协方差矩阵的取值,实现该浮潜参数辨识算法的抗数据饱和功能。[结果]基于2021年智能浮标在南海的大深度试验数据,开展了浮潜运动模型参数辨识及深度预测,验证结果表明：相较于传统的最小二乘算法及支持向量机算法,ASNLS算法的收敛速度更快（较最小二乘算法提高了31.8%）、深度预测误差更小（不同深度下的平均绝对百分比误差均小于9%）。[结论]ASNLS算法可为智能浮标的深度控制和预报提供有效的浮潜模型支撑。