一种引入距变率和角变率的卡尔曼滤波算法

对可以观测距变率和角变率的雷达观测系统提出了在三维空间中引入距变率（径向速度）和角变率（角速度）的伪线性卡尔曼滤波算法。针对匀速直线运动目标和匀加速直线运动目标，将新提出的算法和传统算法进行仿真，当引入距变率和角变率时，其收敛速度加快，收敛精度提高，改善了跟踪性能，具有工程实践指导意义。     

引入速率量测的滤波算法与初始估计研究

滤波器在滤波开始阶段的滤波效果在一定程度上取决于初始状态,选取的初始状态估计越精确,滤波的效果越好.首先对可以观测距变率和角变率的雷达观测系统提出了在三维空间中引入距变率(径向速度)和角变率(角速度)的伪线性卡尔曼滤波算法; 其次针对初始状态选取的问题,以CV和CA模型为例,利用前2个时刻的测量值确定系统的初始状态,并...     

一种水下航行器的SLAM算法应用研究

研究精确稀疏扩展信息滤波(ESEIF)的快速算法,提出一种三维水下航行器(AUV)的同时定位和地图创建(SLAM)算法。作者设计了一种大规模水下三维环境的SLAM解决方案,建立了三维环境的航行器运动、传感器观测及重定位系统模型,分析了方法实时性和定位精度。仿真实验证明:用ESIEF算法能高效地实现水下环境的SLAM,为项目研究提供了理论基础。     

一种引入目标运动速度的多站无源时差定位方法

在多站测角的被动目标跟踪中,目标的状态与角度量测值之间存在非线性关系,现有的方法主要是对其进行线性化,但线性化过程会带来滤波精度的下降,甚至会产生滤波发散而丢失目标。针对这一问题提出一种新方法,由于利用多普勒测速原理可以获得目标运动速度,因此将目标运动速度引入量测方程中,通过附加独立信息观测通道以期提高目标跟踪的收敛精度和收敛速度。仿真结果证实会使滤波算法收敛速度加快,收敛精度提高,改善跟踪性能。     

基于平方根UKF的机载单站无源定位跟踪算法

针对只测角机载无源定位跟踪具有收敛速度慢及定位误差大的缺点,在只测角定位跟踪模型中加入相位差变化率信息并在此基础上引入平方根不敏卡尔曼滤波（UKF）算法来实现定位与跟踪。仿真结果表明增加相位差信息能够改善定位性能,平方根UKF算法具有比EKF算更快的收敛速度和更高的收敛精度,实用性强。     

基于集员估计理论的神经网络学习算法

针对前馈神经网络BP算法在处理非线性对象时,收敛速度慢,易陷入局部极值,需调节参数多等缺陷,提出了将最优定界椭球(OBE)算法引入到神经网络的学习中,该算法比BP算法在收敛速度,精度方面都有显著提高,仿真结果证明了此算法的有效性。     

波浪变态模型试验变率影响的计算机仿真研究

基于MIKE21软件系统中的Boussinesq模块,应用波浪运动相似关系,建立了以波浪折射和绕射为主的多个不同变率的变态模型,并对不同变率模型的港内波高分布进行了模拟.入射波浪为随机波,变态率取为1～3.通过不同变态模型计算结果和正态模型计算结果以及原型数值计算结果的比较,就变率对试验结果的影响进行了探讨,并给出了不同情况下的变率允许值的适用范围.     

基于小波包变换的非线性自适应均衡器算法

提出了一种基于小波包变换的非线性均衡器,利用小波包对信号较强的去相关能力来提高均衡器的收敛速度,并通过能量归一化过程给出了一种自适应均衡算法。在仿真实验中,针对无线通信数字信号传输过程中由于多径效应和信道衰落而产生的码间干扰(ISI)问题,比较了最小均方(LMS)算法和基于小波包变换的均衡器算法的均衡效果,并对不同尺度下的均衡算法进行了比较。结果表明,基于小波包变换的均衡算法具有更快的收敛速度;当小波包基的分解尺度增大时,均衡器的收敛速度也随之加快。     

变遗忘因子稀疏正则化TLS算法MIMO信道线性均衡

针对稀疏MIMO信道系统模型线性均衡过程中输入信号,输出信号都含有噪声的情况提出了一种变遗忘因子的稀疏正则化总体最小二乘算法(VFF-SRTLS)。本算法中采用总体最小二乘(TLS)的代价函数即瑞利商加入正则化的l_1范数和l_0范数作为其代价函数,并利用次梯度下降法产生的迭代式用以更新均衡滤波器系数,使均衡过程中代价函数最小;同时为了使算法能够适应信道快变环境而采用变遗忘因子(VFF),并且根据最速下降法得到遗忘因子的迭代式。仿真结果表明,在信噪比为10 d B的2×2 MIMO线性均衡过程中VFF--RTLS算法的收敛MSE值比RLS算法低约2 d B,VFF-l_0-RTLS算法的收敛MSE值比RLS算法低约1.5 d B。     

引入迭代阈值判决导引判决反馈盲均衡算法

基于判决圆的常数模算法(CMA)和判决导引算法(DD)相结合的判决反馈盲均衡算法(CMA+DD),在均衡的起始阶段,由于眼图未睁开,DD算法无法收敛,导致收敛速度慢.为了加快收敛速度,在迭代过程中引入迭代阈值limit,以修改CMA+DD算法的判决条件,从而得到改进的CMA+DD算法(MCMA+DD).该算法在均衡的起始阶段先采用CMA迭代limit次,然后再根据判决圆进行切换.水声信道仿真结果表明,MCMA+DD算法收敛速度快;迭代阈值不同,影响收敛速度;仍具有冷启动和重新启动能力.     

AUV中SINS/DVL组合导航技术研究

针对水下自主潜器的特点，重点介绍一种采用捷联惯导系统与多普勒计程仪的组合导航技术。通过引入多普勒计程仪提供的绝对速度，提出了输出校正与反馈校正相结合的混合校正集中卡尔曼滤波方案，仿真结果证明该方案可有效提高系统导航精度。     

一种改进的卡尔曼滤波定位算法研究

研究了一种改进的卡尔曼滤波导航信号定位算法:通过测量每次接收机得到的伪距观测量及伪距变化量,估算出接收机的位置、速度,实现无线电导航系统的定位解算.该方法不直接使用卡尔曼滤波器来估计载体的状态,而是用滤波器来确定状态的误差,减小了运算误差,有效提高了定位精度.在进行参数估计时不需要贮存大量的测量数据,能够方便地进行动态测量数据的实时处理.该方法已经应用在导航定位解算中,仿真结果和实际应用验证了该方法具有快的收敛速度和高的定位精度.     

水声目标辐射噪声谐波特征提取算法

水下目标辐射噪声中的谐波分量包含了反映目标自身本质特性的信息,能否有效提取目标谐波特征关系到目标识别的效果.论文基于目标辐射噪声的一般数理模型,利用最大似然估计和卡尔曼滤波理论,提出一种水下目标辐射噪声谐波特征的提取与分析算法,估计得到了谐波的瞬时基频;然后利用卡尔曼滤波器跟踪瞬时基频的时变特性,实现对基频的精确跟踪和估计;并提取各阶谐波的振幅,得到目标的谐波特征;最后结合仿真信号与实测数据进行对比,验证了谐波特征提取算法估计基频和提取谐波信息的可行性.     

无迹卡尔曼滤波及其在三维水下目标跟踪系统中的应用

无迹卡尔曼滤波算法(UFK)以少量的采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和协方差的估计．文章将其应用于三维水下目标跟踪系统中．通过系统的Mome Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度．     

基于模型预测扩展卡尔曼滤波的动力定位状态估计

针对传统扩展卡尔曼滤波由于动力定位系统过程噪声不能自适应更新,导致滤波精度下降的问题,提出了一种模型预测扩展卡尔曼滤波算法。该算法通过比较一段时间内的量测值和预测值,估计系统噪声参数,从而实时修正系统过程噪声方差。仿真结果表明,当系统的过程噪声未知的情况下,模型预测扩展卡尔曼滤波的滤波性能明显优于传统扩展卡尔曼滤波。     

基于UPF的神经网络辅助机动目标跟踪

为提高机动目标跟踪性能，提出了一种神经网络辅助下的滤波方法。基于Unscented卡尔曼滤波方法，Unscented粒子滤波器（UPF）能够产生较准确的建议密度分布，因此相对于其它蒙特卡洛方法，UPF能够获得对非线性目标跟踪问题更好的近似。利用目标的机动特征建立和训练神经网络，将神经网络的输出作为加速度控制参数，用于修正目标的运动模型。仿真结果表明，与扩展卡尔曼滤波相比，神经网络辅助下的UPF具有更好的跟踪性能。     

基于瞬时线速度的捷联惯导系泊精对准方法

针对捷联惯导系统系泊精对准问题,提出了一种利用舰船瞬时线速度作为参考速度的精对准方法.通过大量试验研究,分析捷联惯导系统输出速度的信号特征,设计数字高通滤波器,从捷联惯导系统速度中提取舰船瞬时线速度信息.建立了适用于系泊条件的捷联惯导系统误差模型,并以计算出的舰船瞬时线速度作为参考速度完成卡尔曼滤波精对准.试验结果表明,所提取出的舰船瞬时线速度误差小于0.08m/s,且新方法的对准精度和重复性明显优于以零速为参考量的对准方法.     

GPS动态定位中自适应卡尔曼滤波模型的建立及其算法研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的ＧＰＳ动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了ＧＰＳ动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。     

模糊自适应Kalman滤波在INS／GPS组合导航系统中的应用

针对INS／GPS组合导航系统中因量测噪声的复杂多变造成的发散问题,引人了一种基于新息方差匹配技术的自适应模糊控制Kalman滤波算法,通过模糊控制器在线调整量测噪声方差,抑制滤波器发散,从而提高导航系统的精度。仿真结果表明该算法具有比常规Kalman滤波更高的精度。