变速率部分更新盲均衡算法

对于长抽头系数自适应算法,基于最大化自适应滤波器系数误差向量原则的变速率部分更新算法,能够在大幅度降低算法实现复杂度的同时,解决部分更新算法收敛速度慢的问题。但是,该变速率算法仅适用于LMS结构,对于具有非线性代价函数的部分更新自适应盲均衡算法并不适用。基于同样的最优化思想,通过替换步长计算表达式中的部分统计量,提出了能够适合于部分更新多模盲均衡算法(MMA)的确定性变步长控制算法,并通过递归的方式计算步长值,简化了实现过程。对固定信道和时变信道的数值仿真结果表明,新算法相比传统基于收敛误差的经验性变步长算法具有更快的收敛速度和更好的跟踪性能,有效解决了部分更新自适应盲均衡算法的确定性变速率控制问题,提升了算法的收敛速度和跟踪性能。     

一种基于自适应阵列天线的波束赋形算法

自适应阵列天线中的数字波束赋形(DBF)技术是智能天线数字信号处理部分的核心.提出了一种可用于自适应阵列波束赋形的SMI-LMS算法--由SMI(采样协方差矩阵求逆)算法决定LMS(最小均方)算法的初始权向量.该算法充分结合了SMI算法收敛速度快和LMS算法稳态误差小的优点,能在较强干扰环境下,确保权向量的快速收敛和跟踪速度.与传统的LMS算法相比,SMI-LMS算法具有良好的收敛性能、较快的跟踪速度和较小的输出误差,并可以有效改善自适应方向图的副瓣性能.仿真结果验证了该结论.     

利用改进PAST算法的直扩信号PN码盲估计

针对直接序列扩频信号的伪随机(PN)码盲估计问题,提出了一种利用改进的投影逼近子空间(PAST)算法的PN码盲估计方法。该方法利用遗忘因子与收敛速度和精度的相关性构造基于跟踪误差的自适应遗忘因子,实现了收敛精度和收敛速度的同时优化;根据预期最低误码率约束估计精度变化范围确定迭代收敛的门限值,实现了迭代收敛的精确自动判读,消除了算法依赖人工判断收敛的固有限制,提高了算法的实际应用能力。仿真结果进一步验证了算法理论推导的正确性以及实际应用的可行性。     

基于子带阵列盲处理的空时干扰抑制

在卫星智能天线终端,传统空时自适应滤波处理中自适应算法需要信号信息而缺乏实时性,阵列处理算法复杂而抗干扰能力不足,针对此问题,提出了一种子带盲自适应阵列处理算法,用于直扩系统空时干扰抑制技术。子带阵列处理相对纯空域处理提高了阵列自由度,相对传统空时的抽头延迟线阵列自适应结构又大大降低了算法复杂度。提出的子带指数型变步长线性约束恒模算法的自适应阵列处理算法能在低算法复杂度下提供较高的收敛速度和收敛精度,不需要发送训练序列,可实现盲自适应波束形成,易于实现实时跟踪信号变化。仿真结果表明新的空时干扰抑制方案具有更好的抗干扰性能。     

一种基于模糊辨识的OFDM系统预失真器设计

将有记忆的高功率放大器(HPA)描述成一个线性动态系统级联一个无记忆非线性系统的Wiener系统模型,由Sugeno模糊模型自适应跟踪HPA的无记忆非线性曲线,通过离线过程设计OFDM系统数字预失真器。为了消除HPA记忆效应,首先在频域得到信号的均衡补偿,然后通过傅里叶逆变换后得到时域记忆性补偿。该预失真器具有收敛速度快、系统稳定、补偿效果好的特点。     

PCMA自适应自干扰对消算法与仿真

讨论了成对载波多址（PCMA）自适应自干扰对消原理,分析了参数估计误差对自干扰 对消的影响。在频偏误差的影响下对消误差为非平稳过程,传统自适应对消滤波器无法收敛 。为了克服频偏误差的影响,提出了一种自适应可变遗忘因子（VFF） RLS算法,同时,给 出了具有高精度低运算量的模糊函数参数估计算法。仿真证明了VFF-RLS对消算法具有良好 的对消性能和稳健性,且需要的额外功率较低,能满足PCMA系统要求。     

新变步长自适应算法及其时延估计性能

针对已有的变步长自适应算法收敛速度和稳态误差矛盾的问题,提出了一种新的变步长最小均方自适应滤波算法。新的算法在类S函数的基础上,引入调节因子P对步长函数的形状进行实时调整,并以误差的自相关时间均值估计调节步长,使得算法在初始时具有较快的收敛速度,稳态时有更平滑的步长变化。在新算法中引用最大似然加权算法进一步抑制自适应滤波器权系数伪峰。将新算法和最大似然加权应用在自适应时延估计的实验中,结果表明：在已有参数固定的条件下,新提出的算法具有更快的收敛速度和更小的稳态误差。同时,时延估计实验中能有效地实现信噪比-3 dB以上的准确时延估计。     

一种采用自适应测角噪声的交互多模型跟踪方法

针对转换瑞利滤波器(SRF)由于测角误差先验信息不准确而导致跟踪性能退化的问题,提出了一种基于交互式多模型转换瑞利滤波器（IMM-SRF）的目标跟踪方法。该方法采用多个不同测角噪声水平的SRF模型进行滤波,并且通过对滤波结果的自适应加权融合解决测角误差未知的问题。与SRF方法相比,该方法无需测角误差的先验信息,鲁棒性和实用性更好。仿真结果表明,IMM-SRF方法可实现对匀速运动和曲线运动目标的准确跟踪,并且收敛速度也较快,验证了所提方法的有效性。     

机器人模糊自适应控制

本文主要研究机器人的模糊自适应控制技术;首先研究模糊控制器参数自整定方法。应用模糊集合理论和方法,把操作人员的PID参数整定经验总结成模糊规则模型,计算机根据控制系统的实际响应情况,运用模糊推理与决策实现对参数的整定,在整定出控制参数的基础上,将其应用于机器人对象的控制。其次对二自由度机器人进行建模,在建立数学模型过程中依靠坐标变换和矩阵运算,建立其几何学和动力学方程。最后,基于模糊自整定实现机器人PD控制,运用MATLAB软件进行仿真,仿真结果表明,本文提出的方法优于传统的控制方法。     

一种改进的数字同频直放站自适应反馈干扰抑制算法

基于数字地面电视广播(Digital Terrestrial Televisi on Broa dcasting,DTTB)同频直放站的回波干扰抑制,提出了一种变步长块LMS(Variable Step-siz e Block Normalized Least Mean Square,VSSBNLMS)自适应算法。此算法的目的是为了提 高传统回波干扰抑制的自适应算法的收敛速度和降低计算复杂度。其将输入信号分为长度相 等的块,在每一个数据块内,权值向量只更新一次,有效地降低了计算复杂度。〖JP2〗另 外,该算 法通过输出误差控制更新步长的变化,与传统的归一化LMS (NLMS)和块LMS (BLMS)算法相比 ,提高了收敛速度。仿真结果表明,该算法具有良好的收敛速度和回波干扰抑制性能。     

基于跳频图案补偿的DS/FH混合扩频测控信号载波跟踪技术

DS/FH混合扩频测控系统的中频信号携带有多普勒频 率捷变 成分,这使载波跟踪环路不断切换到频率阶跃的响应状态,从而导致跟踪精度下降甚至环路 失锁。为此,提出一种基于跳频图案辅助的DS/FH混合扩频测控信号载波跟踪方法,通过预 知的跳 频图案和当前的载体速度测量值估计出下一个跳频点引入的多普勒捷变量,并将其及时补偿 到跟踪环路的NCO调整量中。Simulink建模仿真证实了该方法的有效性,在一定的跳频图案 时间同步误差范围内,能达到的测量精度与非跳频系统相当。     

基于模型参考的无抖振离散变结构导引律研究

针对无人机加载数据链使得传统的模拟信号导引律无法直接应用的问题,提出了一种基于模型参考的无抖振离散变结构导引律.该算法利用变结构控制的鲁棒性来保证导引精度,在后方预警机对目标坐标的测量存在误差,或者目标机动等情况下也具有极强的抗干扰能力.并提出了一种无抖振离散变结构控制算法,克服了传统的离散变结构控制算法在进入滑模后出现的抖振现象.通过仿真实验证明提出的无抖振离散变结构控制导引规律能够满足无人机的战术指标要求.     

结合新型模糊支持向量机和证据理论的多传感器水质数据融合

在多传感器水质数据融合领域，证据理论是有效的数据融合方法之一，但基本概率分配一般不易确定，从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法，具有普适性和全局优化等特点，但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法，通过建立基于分类超平面距离的模糊隶属度，训练模糊支持向量机提高传统支持向量机的基本概率分配，并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验，经精度、平均绝对百分误差、均方根误差等指标验证，精度提高10.5%，表明所提方法是一种可靠的多传感器的水质融合方法，较其他方法具有更高的融合精度。     

具有传动间隙的数字随动系统研究

位置伺服系统-般是以足够的位置控制精度,位置跟踪精度和足够快的跟踪速度以及抗干扰能力强,作为它的主要控制目标.但齿轮、丝杠等传动系统不可避免地存在有间隙,间隙的存在使系统产生振荡、定位不准、控制性能难以保证.因此,有必要研究数字随动系统中的齿隙非线性环节对系统的影响及消除齿隙非线性因素的方法.     

平方根变步长lp范数LMS算法的稀疏系统辨识

针对稀疏未知系统的辨识问题,提出了一种基于p(0相似文献   

LDPC码的自适应补偿最小和译码算法

LDPC码置信传播算法由于复杂度过高而无法实际应用，最小和算法虽然能降低复杂度但却带来了较大的性能损失。补偿最小和算法通过在最小和算法中引入固定修正因子，在几乎不增加算法复杂度的条件下获得接近置信传播算法的性能。为了进一步提升补偿最小和算法的性能，给出了补偿最小和算法的自适应修正因子的计算方法并结合层译码调度策略，提出层自适应补偿最小和算法。仿真表明，所提算法具有更优的性能和更快的收敛速度。     

一种利用运动补偿的改进JPDA-UKF算法

在恒虚警条件下,针对传统的航海雷达模拟器目标跟踪采用的基于不敏卡尔曼滤波的联合概率数据互联算法(JPDA-UKF)发散、复杂度高和实时性差的问题,提出了一种利用运动补偿的笛卡尔坐标下改进的JPDA-UKF滤波方法。该算法引入相邻周期回波间运动补偿提取的目标量测可信度矩阵,限制进入跟踪门相交区域中的虚假量测数量,并将软跟踪门技术应用于滑窗逻辑法实现航迹管理。仿真结果表明,所提方法径向速度误差比传统的JPDA-UKF算法与自适应的α-β滤波算法分别降低10%和20%,目标获得稳定航迹后径向速度归一化均方根误差(RMSE)比上述两种方法分别具有约10 dB和15 dB的性能优势,算法的复杂度符合真实雷达的边扫描边跟踪的实时处理。     

改进的变步长维纳系统盲源分离方法

基于非线性盲源分离的维纳系统算法中,采用固定步长导致算法的收敛速度和稳态误差之间存在矛盾,直接影响分离算法的性能。为了解决该问题,提出了基于非线性函数的变步长维纳系统盲源分离方法。该方法将更新的步长以非线性函数的形式引入到分离算法中,使得稳态时参数更新的步长尽可能小,以避免发生振荡。变步长算法在分离过程中的每次更新都会使步长自动进行合理的调整,使得收敛速度提高了53%,误差减小了45%。实验仿真表明,相对原算法,提出的维纳系统盲源分离方法可以更好地分离出信源信号,而且具有较小的误差和较快的收敛速度。     

一种GNSS信号跟踪环路频相直调控制算法

全球卫星导航系统(Global Navigation Satellite System，GNSS)接收机信号跟踪环路正确地锁定导航信号的频率、相位是提取测量值以及导航星历的基础。传统的接收机跟踪环路采用调整频率的方式来调整相位，不能及时消除跟踪误差，并且在弱信号条件下容易受到噪声影响，难以对信号进行精确跟踪。针对这一问题，提出了一种基于非相干预滤波器的频相直调环路控制算法，采用非相干预滤波器提取跟踪误差，并且在本地信号生成阶段直接将载波相位差、载波频率差、码相位差进行消除。实验表明，与传统环路相比，频相直调算法对载波相位、码相位迁入速度分别提高了90%和95%，高动态、弱信号下多普勒估计精度分别提高了69.25%和61.37%，并且频相直调算法能够有效抑制环路参数调整、载体突然机动对载波相位锁定带来的扰动。     

带多普勒量测的序贯SCKF雷达目标跟踪算法

为提高非线性观测条件下雷达目标的跟踪性能,将序贯处理方法引入均方根容积卡尔曼滤波（SCKF）,提出一种带多普勒量测的序贯均方根容积卡尔曼滤波（SSCKF-D）雷达目标跟踪算法,该算法通过建立伪量测去除径向距离和径向速度量测误差方差之间的相关性。基于SCKF算法,按照量测精确度的高低顺序对方位角、俯仰角、径向距离和伪量测序贯处理。Monte Carlo仿真表明,与SCKF和带多普勒量测的均方根容积卡尔曼滤波（SCKF-D）算法相比,SSCKF-D算法跟踪精度更高,较后者提高20%以上,收敛速度更快,更适用于空间目标跟踪。