模糊自适应滤波在车载组合导航系统中的应用

文章针对车载GPS/DR组合导航系统工作环境复杂,其观测噪声相应复杂多变的特点,引入了一种基于模糊自适应控制的卡尔曼滤波算法。这一方法基于方差匹配的思想,通过模糊控制器在线调整观测噪声方差,以改变滤波器的自适应性,从而提高导航精度。文章最后对GPS/DR系统进行了仿真,结果表明采用此方法后的滤波精度优于常规Kal-man滤波的结果。     

GPS和Galileo软件接收机理论仿真与比较

日前，GPS全球定位系统在全世界得到了广泛的应用，其用户端设备-GPS接收机的技术水平随之迅猛发展。软件无线电技术使GPS接收机更加灵活：通过Matlab平台，仿真GPS软件接收机前端下变频，滤波与抽样；产生数字中频信号，实现捕获跟踪算法；并与Galileo信号进行了对比分析。验证了算法的可行性。     

一种基于钟形函数的变步长LMS算法

在干扰消除背景下,提出了一种基于钟形函数的变步长LMS自适应滤波算法。通过理论分析和计算机仿真验证了该算法在提高收敛速度和减小稳态误差上的优越性,并分析了参数选取对算法性能的影响。     

基于预存查表的GPS软件接收机的载波产生方法

在GPS软件接收机的跟踪环路,本地码产生、载波产生、相关积分这三个耗时最多的部分中,本地微调生成载波最为耗时,所用时间占整个信号跟踪处理时间的近一半[1]。为了能提高卫星跟踪速度,快速、准确地提取导航数据,达到软件接收机实时性的要求,在对传统GPS软件接收机跟踪算法分析、研究的基础上,提出一种基于载波的二进制存储,通过查表调用解决GPS软件接收机跟踪信号时间中耗时的载波的产生问题的方法。采用预存微调的本地载波二进制数据的方法,可以直接载入载波数据然后查表调用这些数据,免去了每次跟踪循环中产生微调的载波所耗费的时间,成功消除跟踪环路中载波产生的时间,使跟踪的速度提高了一倍。通过用GPS实测数据进行实验,对这种方法进行了验证并对实际的运行结果和性能做了分析,实验结果表明,在保证跟踪性能不降低的前提下,采用预存查表的方法能够有效消除载波产生耗时较多的问题,可以快速准确的实现了对GPS信号的跟踪。提出的这种预存查表的算法作为一种新的产生载波优化方法,在GPS软件接收机实时性方面有着较好的参考价值。     

一种基于INS/GPS/CNS的联邦滤波算法

为解决传统INS/GPS两组合算法输出姿态精度低、长时间精度发散的问题,本文采用INS/GPS/CNS三组合的方式,结合联邦滤波器设计思路,提出一种基于INS/GPS/CNS的联邦滤波算法,以位置误差、速度误差和平台失准角作为观测量,通过设计INS/GPS/CNS三组合系统,对算法有效性进行试验验证。静态试验结果表明:本文所提算法相较于传统INS/GPS两组合算法,平台失准角精度可以提高一个数量级,且算法收敛、稳定、容错性强,工程应用意义重大。     

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。     

大数据分析下双向通航港口船舶自适应调度算法

为了提高双向通航港口船舶的通行能力,进行双向通航港口船舶自适应调度,提出基于大数据信息融合的船舶调度算法。采用网格区域分割模型进行双向通航港口航道分割,构建船舶调度的大数据信息传递模型,对船舶的调度数据进行信息融合滤波处理,抑制冗余数据的干扰,采用模糊波束集成方法进行双向通航港口船舶运行大数据的聚类分析,根据数据的分布属性特征进行船舶航行调度,提高船舶调度的自适应性。仿真结果表明,采用该方法进行双向通航港口船舶自适应调度能提高港口的吞吐能力和船舶航行的畅通能力,且对双向通航港口船舶大数据的集成信息处理能力较强。     

神经网络结合自适应噪声抵消技术在磁场信号处理方面的应用

本文基于神经网络和自适应滤波原理，讨论在复杂噪声情况下的磁场信号处理和提取问题。针对水下目标磁场特性，以实际测量的背景噪声和目标信号数据为样本，设计了低通滤波器，并应用MATLAB软件进行BP神经网络算法的模拟仿真，实现自适应噪声抵消。结果证明此方法可以显著提高对目标信号的处理和提取能力。     

不同变换域下LMS算法收敛性能分析

现代舰船由于电子系统集中,空间狭窄,存在严重的电磁干扰问题.解决此问题的有效途径是自适应干扰抵消,其核心则是自适应滤波算法.在提出自适应干扰抵消模型的基础上,就目前改进LMS自适应滤波算法的域变换算法进行了研究.叙述了LMS算法,对比分析研究了其在时域和一般变换域下的收敛性能.结合Walsh域与小波域的变换实例进行了计算机模拟仿真,结果表明,通过域变换后的自适应滤波算法的收敛性能明显得到改善.最后提出了未来自适应滤波算法发展方向.     

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.