基于格型递归最小二乘算法的船舶运动极短期预报

在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursive least square)算法对AR模型参数进行自适应估计.该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度.利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度.     

跟踪机动目标的最小子模型集切换算法研究

研究了机动目标跟踪的多模型(MM)方法,提出了一种新的多模型方法——最小子模型集切换(MSMSS)算法。这种算法从总模型集中自适应确定最小子模型集,用来进行多模型估计。仿真结果显示,和标准的交互式MM(IMM)相比,MSMSS算法在具备同等跟踪性能的前提下计算量很小,在计算量相同的情况下具有更好的跟踪性能。     

基于模糊自适应IMM算法的机动目标跟踪方法

提出了一种模糊自适应IMM算法(FAIMM)自适应地设计IMM算法中的模型集.该方法根据加速度估计值,通过模糊推理获得所使用模型的后验概率,自适应地摒弃概率较小的模型,从而减少了模型数目,降低了算法的计算量.仿真结果表明,应用FAIMM算法跟踪目标,跟踪的精度、平稳性以及算法的收敛速度等都得到了改善.     

基于时间序列分析算法的船舶磁场估计

传统遗传算法船舶磁场估计方法中会使估计值陷入局部最优,影响估计精度,因此设计一种基于时间序列分析算法的船舶磁场估计方法。首先建立舰船磁场模型,主要利用椭圆和偶极子来建立一个平面的混合模型,安排偶极子在其中的分布,得到任意测量点周围的磁场模型和实际测量磁场与椭圆模型周围磁场的关系,在计算过程中引入时间序列分析算法,得到加权指数滑动时间窗的描述,根据局部自协方差矩阵估算公式得到特征向量矩阵投影,结合目标函数,得到最优的估计解。通过仿真实验结果表明,设计的估计方法得到的拟合相似值高于传统方法,说明设计的方法估计结果更加精准。     

船舶动力定位系统多模型自适应融合滤波

为了减小波浪高频和环境噪声对船舶运动的影响,解决动力定位系统中的滤波问题,采用一种改进的多模型自适应融合(MMAF)估计算法。MMAF算法运用DGPS和平台罗经建立对地速度基准的研究方法,采用多模型描述系统结构,且每个模型对应不同滤波算法,利用不同滤波器所提供信息的融合,得到有效的船舶位置和首向估计信息。仿真实验表明,与其他方法相比,MMAF的应用使得滤波效果得到提升,性能得到改进。     

多址水声扩频通信系统关键技术研究

本文提出了一种应用于水下的直接序列扩频(DSS)扩频通信系统,通过采用优选序列以及自适应软信息迭代均衡技术提升了性能,并以Chirp信号调制的Gold序列作为同步信号。该同步信号既有Gold序列优良的自相关及互相关特性,也有一定的多普勒容限。通过平均互相关最小的准则优选出期望的扩频序列,尽可能保证扩频的抗码间干扰和抗多址干扰的性能达到最优,并通过仿真试验给出了优选序列与Gold序列的性能对比。改进后的Turbo均衡器采用了最小均方误差准则(LMS)算法降低复杂度,采用内置的锁相环(PLL)来估计多普勒引起的符号相位漂移,并通过仿真和实际试验验证了系统的性能。     

基于训练序列的盲分离算法性能分析

信息最大化(Infomax)盲分离算法是一种基于神经网络的自适应算法,其主要问题是收敛速度较慢.盲分离技术(BSS)在通信中使用时有助于提高接收信噪比,提出通过一种利用通信信号的训练序列来改善Infomax算法的收敛性能的方法,并分别以相关系数和性能指数作为比较标准进行仿真,结果显示该方法能改善接收信号的信噪比,加快Infomax盲分离算法的收敛速度.     

一种时间-传感器系统误差估计算法

由于时间的不一致和传感器系统误差直接影响目标探测信息的精度,假设卫星导航的精度足够高,不考虑导航误差的影响,在时间-传感器系统误差传递模型的基础上,利用对空中平台的实时观测和平台的导航信息,获取观测数据的新息相关函数序列,对未知的系统模型参数和噪声统计参数进行在线辨识,构建自适应滤波,实现对多平台时间-传感器系统误差的实时估计和配准。通过对比仿真实验表明,该算法收敛速度快,估计精度较高。     

基于二阶自适应Volterra级数的船舶运动极短期预报研究

针对随机海浪作用下船舶运动的非平稳、非线性特性,文章提出了基于卡尔曼(Kalman)滤波原理的非线性二阶Volterra级数自适应预报模型.通过把Volterra级数核向量作为状态向量,利用随机游动模型建立系统的状态方程,一步Volterra级数预报模型作为系统的观测方程,从而进一步提高了Volterra级数模型的核估计的收敛速度.同时验证了利用AIC准则对Volterra级数预报模型定阶的可行性,通过迭代法实现了自适应多步预报.仿真结果表明文中提出的基于Kalman滤波算法的自适应预报模型应用于船舶运动极短期预报是可行的,该方法在理论和工程应用方面具有重要的意义.     

一种基于参数估计的自适应舰船运动预报方法

运动预报是部分舰船系统的重要组成部分。为了有效地解决这一问题,文章提出了一种基于海浪峰值频率估计的自适应舰船运动预报方法。在舰船运动与海浪激励的建模基础上,建立了基于最小二乘估计的自复位海浪峰值频率估计器。采用自回归移动平均(ARIMA)模型拟合方法预报舰船运动,并通过海浪峰值频率估计值自适应调节ARIMA模型的采样周期,提高了复杂海况下对舰船运动的预报能力。该方法与常规ARIMA模型方法、反向传播神经网络方法的仿真对比结果表明了该方法在解决舰船动态预报问题上的良好精度和鲁棒性。