微弱高频CW信号的自适应滤波

高频电报(CW)是强噪声背景下战术应急通信的主要工作方式,由于高频信道是典型的随参信道,不可能事先已知干扰噪声的统计特性。该文提出了一种基于ARMA新息模型的CW信号自适应Kalman滤波方法,以解决高斯背景下高频电报系统干扰噪声方差未知的问题。根据CW信号的时频域特征定义状态空间随机信号模型,构造ARMA新息模型,通过在线辨识新息模型参数来估计Kalman滤波增益,实现CW信号的自适应跟踪滤波。仿真结果表明,该方法能够有效估计微弱高频CW信号时域波形,算法可递推实现,实时性强。     

航位推算系统非线性过程处理新方法研究

针对航位推算系统中利用扩展Kalman滤波方法解决非线性问题在算法复杂性上的缺陷和精度上的不稳定性,该文从数据预先处理的角度出发,合理规避线性化过程,提出一种充分利用现成Kalman滤波公式的方法,即数据进入滤波器之前就预先进行处理,获得每一组量测值,按照极坐标-笛卡儿坐标的转换方式转为相应的位置信息,再按照标准的Kalman滤波公式构建滤波器,进行状态的最优估计。计算机仿真结果证明该算法的有效性。     

高等学校岗位绩效工资实施策略研究

在非线性条件下，扩展Kalman滤波(EKF)的应用最为广泛。但是，由于它采用了Taylor展开的线性变换来近似非线性模型，因而存在计算量大、实时性差、估计精度低等缺点。粒子滤波(PF)用一些带有权值的随机样本(粒子)来表示所需要的后验概率密度，并通过这些粒子的加权来估计目标运动的状态，从而得到基于物理模型的近似最优数值解，具有精度高、收敛速度快等特点。通过仿真实验将PF与EKF的性能进行了对比，并且研究了噪声协方差与粒子数对PF的影响。PF与EKF的对比实验结果表明，在强非线性条件下，PF比EKF跟踪精     

基于粒子滤波的目标主动轮廓跟踪算法

传统的粒子滤波方法采用若干维参数定义的简单几何图形给出跟踪结果,不能精确表示现实中具有复杂形状的目标物体。针对这一问题,该文提出基于粒子滤波的主动轮廓算法,用于计算复杂形状目标的轮廓跟踪任务。在目标状态后验分布的模拟样本基础上引入主动轮廓模型,并使用带权粒子定义其能量函数,使得模型的轮廓线向具有重要权重粒子的所在区域演化,并最终收敛到具有最大目标似然的图像区域,从而实现对目标物体的全局运动及局部形态演化的同时估计。精确的目标区域提高了目标模型的更新精度,避免了跟踪中漂移现象的发生。最后,结合真实机场监控验证了该方法在实际复杂场景下的有效性及鲁棒性。     

绿色农产品定价方法的ARIMA状态空间研究

根据当前绿色农产品定价研究的现状,从网络环境提供的充分竞争性、信息公开性以及海量数据出发,提出了引入ARIMA过程的状态空间模型的原因。通过ARIMA过程的状态空间表示和用于预报的Kalman滤波关系式,讨论了在状态空间模型时的似然函数和新息方法求解,探讨了ARIMA过程的状态空间模型的精确预报方法。其结果对大力发展绿色农产品,改善农民的收入结构和国家的农产品更好地打破出口的“绿色壁垒”有积极的理论和现实意义。     

径向速度量测在机动目标跟踪中的应用

针对机动目标跟踪问题,提出了一种引入径向速度量测的IMM滤波跟踪新方法.首先给出了观测数据的无偏坐标变换,由此得出位置坐标观测噪声的协方差矩阵.然后对引入径向速度量测的交互多模滤波跟踪算法进行了理论分析,最后进行了仿真实验.仿真结果表明,由于速度观测值提供了有关目标运动的更进一步的信息,从而使跟踪性能得到了较大的改善.     

PN码自适应门限捕获新方法

针对扩频通信中PN码固定门限捕获性能上的不足,结合图像处理中的中值滤波和数学形态学原理,提出了一种新的自适应门限捕获方法。在分析判决量统计特性的基础上,使用由序列转换电路和形态滤波器构成的估计器对背景噪声进行实时估计,得到自适应门限用于捕获判决。蒙特卡罗仿真结果表明,该文提出的自适应门限捕获方法能够适应多径环境,抗干扰性能优越,具有较强的实用性。     

基于LCL滤波的单相虚拟矢量并网逆变器

在新能源并网发电应用中,传统的单相并网逆变器的控制策略有滞环比较控制和双环控制等,但这些控制存在着有谐波干扰、滤波效果差、无法对有功功率和无功功率进行调节等问题。为此,提出了基于LCL滤波的单相虚拟矢量并网逆变器控制策略,在控制方式上利用T/4传输延时构建虚拟矢量,通过坐标变换、解耦、双环控制等,以实现对有功和无功的调节,以及对电流的无静差跟踪,并在逆变器输出侧设计了LCL型滤波器。最后,通过仿真验证了方案的可行性。     

GPS动态导航定位的当前统计模型与自适应滤波

GPS动态定位的数据处理中广泛应用卡尔曼滤波,而卡尔曼滤波的应用要求动态模型(函数模型)和随机模型可靠和切合实际,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差。针对GPS动态定位的这一问题,本文探讨了在实际应用中存在模型误差时的卡尔曼滤波,介绍了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当Q已知时可以准确地估计出R。它的独特之处在于原理上易于理解,在实际中也很容易实现,它是通过判定发散的判据,求出噪声统计的估计值,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此消除了滤波发散现象。     

低信噪比下长码直扩信号的符号宽度估计

针对长码直扩信号,提出了一种新的符号宽度估计算法。在基于高阶自相关统计量和最大化相应的自相关系数中得到粗略估计值,然后基于伪码差分解扩的概念和二阶循环自相关函数得到精确估计值。粗略估计步骤在低信噪比和短数据长度下具有鲁棒性,给精确估计步骤提供一个可信的估计范围,从而改善了精确估计步骤的性能;在精确估计时,采用伪码差分解扩消除伪码序列对循环自相关函数的扰动。仿真表明,和现有方法相比,算法不受伪码限制,同时估计的性能有明显改善,适合于低信噪比下使用。     

广义合作目标跟踪的误差空间估计方法

提出了广义合作目标的概念及误差空间估计方法,提高了光电跟踪系统的跟踪精度与平稳性。该方法采用引导数据与引导误差描述目标的运动,通过将目标的机动分散到引导数据和引导误差,在目标状态空间中根据目标的运动模型进行滤波,在误差空间中根据引导误差模型进行滤波与预测,再进行合成得到目标位置预测数据。实验结果表明在相同的机动水平下,该方法的跟踪性能优于Kalman滤波与强跟踪滤波。     

抗不良杠杆量测的稳定收敛状态估计方法

不良杠杆量测使得传统的含有不良数据辨识的状态估计方法失效,严重降低了状态估计的精度,为了能够自动排除不良杠杆量测的干扰,同时保证状态估计计算的数值稳定性和收敛性,提出了抗不良杠杆量测的稳定收敛状态估计方法。在利用等价权原理并统一量测残差尺度的基础上,提出了采用标准化残差的指数型权函数,并基于此得到抗差状态估计模型。该模型能够根据量测残差自动修正量测权重,具有较强地抵抗不良杠杆量测的能力,能有效保证算法的数值稳定性和收敛速度。分别采用3节点和IEEE118节点算例对该方法的特点进行了验证。     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法。在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪。算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计,提高了目标跟踪的精度。同时通过动态簇头之间的目标状态信息的交换,实现了运动目标的动态连续跟踪。仿真结果表明,算法实现了运动目标协作跟踪,与集中式结构目标跟踪相比,跟踪精度提高了30%。     

一种基于Kalman滤波的实时校准算法

雷达组网融合多雷达的观测数据,可监视大范围的空中态势。但是首先要解决各雷达的系统偏差校准问题,雷达组网才能发挥效能。传统的雷达组网校准技术多基于固定雷达站给出,没有考虑姿态角及其偏差对校准的影响,因此不适合机动雷达偏差校准。该文针对这一问题进行了研究,通过泰勒级数展开推导了系统偏差和量测之间近似的线性关系,在此基础上提出了一种基于Kalman滤波的实时机动雷达系统偏差校准算法。仿真表明,本文提出的算法能有效地对机载雷达的系统偏差和姿态角偏差进行实时估计。     

投资组合管理中连接函数应用

运用Copula函数代替相关系数表示风险因子之间的依存关系,从风险因子依存性角度探讨投资组合风险值(VaR)计算。采用最大似然估计方法对Copula函数参数进行估计,通过MonteCarlo似然估计投资组合收益风险值,结果表明基于Copula方法估计的投资组合风险值比方差协方差方法估计的投资组合风险值更接近实际数据。     

基于模糊神经系统的多传感器数据融合算法

将自适应模糊神经推理系统(ANFIS)和卡尔曼滤波器应用于目标跟踪系统中,构成多传感器数据融合算法。该算法假设在目标运动过程中,过程噪声和测量噪声是相互独立的高斯白噪声序列。使用ANFIS分别对目标的加速度和测量噪声的方差进行估计,通过卡尔曼滤波器获得目标后验状态,最终由神经网络对多传感数据进行融合得到系统输出。仿真结果表明,该算法可以通过自适应调整跟踪参数有效地防止目标丢失。     

对基于量化水印的两频带滤波攻击的估计

提出了一种基于量化水印的两频带幅值比例攻击的估计算法。基于量化的水印算法在有加性噪声攻击的情况下可以达到信道容量,然而对线性时不变滤波攻击没有鲁棒性。该文集中考虑一种使用滤波器组调整信号频谱的多频带幅值比例攻击,给出受攻击信号的概率密度函数(PDF)模型;使用这个PDF模型的简化近似;给出两频带滤波攻击幅值比例因子的最大似然估计方法。以合成的音频信号进行实验,结果显示出所提出的估计技术的有效性。     

基于IPMSM的全速范围无位置传感器复合控制

为克服无位置传感器控制方法中单一方法不适用于全速范围的缺点,基于内置式永磁同步电机(IPMSM)提出一种全速范围内无位置传感器的复合控制策略。通过权数据转速平滑变化的加权函数将脉振高频注入法与模型参考自适应法结合,同时通过制定复合控制系统的参数整定流程,解决了因多估计观测器而带来的复杂性问题,实现了复合控制系统的快速整定。动静态仿真结果表明:所提出复合控制策略在全速范围内位置与转速估计中具有较强的鲁棒性和较高的跟踪精度,大幅降低了脉振高频注入法引入滤波器带来的相位延迟而导致的估计误差,同时克服了模型参考自适应法在低速反电动势低时导致的估计误差大的缺点。     

暖通空调系统的新型模糊自调节PID控制

针对暖通空调系统中由于存在高度非线性,外部扰动,多变量等因素而难以控制的现状,提出一种利用模糊控制器的解析表达式实时调节PID控制器各参数的新型模糊PID控制算法。闭环系统中的模糊模型在发挥控制作用的同时,作为调节器实现了对PID控制器各参数的在线自适应调节,并且给出了具体控制算法设计。仿真结果表明与传统PID控制器相比,这一新型模糊PID控制器具有超调量小,调节时间短,鲁棒性强等优良的控制性能。     

基于虚拟网格技术的自适应车辆跟踪算法的研究

为了解决车辆跟踪速度、精度、非线性等问题,引入简化跟踪目标图像信息的虚拟网格技术,结合改进的Kalman预测理论,构建自适应车辆跟踪算法,利用该算法完成对移动目标车辆进行实时检测跟踪。测试结果验证了算法提高视频图像中移动目标跟踪速度,且以较高的精确性对单个、多个移动目标进行检测跟踪。