一种简化的拟蒙特卡洛-高斯粒子滤波算法

提出了一种简化的拟蒙特卡洛-高斯粒子滤波（QMC-GPF）算法（SQMC-GPF）,以解决将QMC方法应用于GPF时计算复杂度高、运算量大的问题。该算法中，在连续的迭代滤波过程开始之前，首先利用QMC采样产生单位拟高斯分布粒子集，然后用其线性变换产生GPF算法中需要的高斯分布粒子集，省去了重新进行QMC采样步骤。该算法简化了新粒子集的产生过程，减少了运算量和滤波时间，增强了算法的实时性。将粒子滤波算法（PF）、GPF 算法、QMC-GPF算法和SQMC-GPF算法用于单变量非静态增长模型（UNGM）和二维纯角度跟踪模型（BOT）的仿真结果表明，SQMC-GPF算法的滤波性能与QMC-GPF算法的滤波性能相近，但有更为明显的速度优势，具有重要的实际应用价值。     

一种改进的交互多模型算法

针对交互多模型(IMM)算法对目标加速度估计误差较大的不足,提出了一种改进的交互多模型算法,通过对交互多模型输出的加速度信息进行均值滤波提高对加速度估计的精度.计算机仿真表明,与交互多模型相比,该方法对匀速目标特别是机动目标具有更好的加速度估计能力,且便于工程实现.     

基于人工鱼群粒子滤波的信号源定位

针对传统粒子滤波算法精度不高、难以满足移动监测车对无线电信号源定位需求的问题,提出了一种基于人工鱼群粒子滤波的信号源定位方法。将人工鱼群算法的优化思想引入到粒子滤波中,通过觅食行为和聚群行为驱动粒子向最优位置移动,改善粒子的分布。结合移动监测车对信号源定位的需要,建立了信号源波达角定位（AOA）的数学模型,在Matlab环境下对人工鱼群粒子滤波算法的信号源定位进行了仿真。实验结果表明,在保证实时性的前提下,该方法定位结果的最大误差为0.101%,定位精度远大于粒子滤波定位方法的估计精度,是一种有效、可行的定位方法。     

改进高阶容积粒子滤波的系统状态估计算法

传统粒子滤波（PF）直接采用状态转移先验分布作为重要性密度函数来近似后验概率密度函数,使得后验概率密度函数未包含量测信息。针对此问题,提出了一种改进高阶容积粒子滤波(CPF)的系统状态估计算法。算法采用七阶正交容积卡尔曼滤波（7th-CQKF）对PF的粒子进行传递,使得先验分布更新阶段融入最新量测信息;通过7th-CQKF设计重要性密度函数,提高对状态后验概率密度的逼近程度;通过反比例函数计算粒子权重,突出大噪声粒子与小噪声粒子权重差别,提高粒子有效性。仿真结果表明,改进高阶容积粒子滤波的估计精度高于容积粒子滤波（CPF）。     

采样滤波算法在单站无源定位中的应用

讨论了用采样的方法近似非线性分布来解决无源定位中的非线性问题，提出了一种简单的正则粒子滤波，克服了标准粒子滤波用于单站无源定位中出现的粒子贫乏现象，将粒子滤波成功应用到无源定位中，计算机仿真表明该算法的定位精度较Unscented卡尔曼滤波（UKF）有一定的提高。     

UPF算法在OFDM时变信道估计中的应用

为了提高正交频分复用（OFDM）系统中时变信道估计的精度和系统性能,提出一种利 用无迹粒子滤波（UPF）算法的OFDM时变信道估计方法。该方法首先将OFDM系统时变信道建 模为具有动态特性的状态方程,然后利用UPF算法,结合接收信号动态地估计信道状态。仿 真结果表明：在高斯和非高斯环境下,所提的方法均可以获得比采用传统粒子滤波（PF）算 法的信道估计方法更高的估计精度和更好的系统性能,因此适用于实际系统。     

一种可行的高超声速飞行器跟踪算法

通过分析临近空间高超声速飞行器的运动特性, 建立了高超声速飞行器运动模型, 并运用交互式多模型（IMM）算法对其进行跟踪,通过100次蒙特卡罗实验,获得了误差较小 的理想跟踪效果,说明了IMM算法用于高超声速目标跟踪中的可行性。     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上，针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题，提出了一种新型的粒子群优化(PSO)算法与后向传播（BP）神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值，易形成局部极值，同时学习次数较多，需先通过粒子群算法进行优化。为了提高定位精度，首先采用速度常量法滤波处理，然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化，并分析算法的性能。试验中隐层节点个数采用试错法，从12到19变化，以确定合适数目。实验结果表明，与一般加权算法和传统BP算法相比，改进的混合优化算法可大幅改善测距误差对定位误差的影响，同时可使25 m内最小定位误差小于0.27m     

车辆调度问题的全局—局部最优信息比粒子群算法研究

文章提出了一种新的改进标准粒子群算法即全局—局部最优信息比粒子群算法。该算法与标准粒子群算法和全局—局部最优最小值粒子群优化算法作了比较,仿真实验结果表明,该算法在收敛速度、解的质量和鲁棒性上都表现出了较优的性能,是求解车辆调度问题的一种较好方法。     

基于IMM-EKF的高动态“北斗”导航信号频率估计算法

高动态环境下的“北斗”导航信号含有较大的多普勒频率及其变化率,传统锁相环（PLL）在跟踪时难以保证较高的跟踪精度。在分析高动态环境下“北斗”信号模型的基础上,提出了一种基于交互式多模型-扩展卡尔曼滤波（IMM-EKF）的自适应滤波算法,对载波相位及其高阶分量进行估计。IMM-EKF采用多个跟踪模型来解决滤波过程中单个模型不准确的问题,并结合改进的Sage-Husa自适应算法,在线估计和修正过程噪声及测量噪声的统计特性,增强了滤波的稳定性。仿真结果表明,IMM-EKF相比于PLL和EKF,估计精度更高,算法稳定性更强。     

基于改进粒子滤波的GPS接收机自主完好性监测算法

针对基本粒子滤波重采样过程中粒子权值退化和多样性丧失的问题,将遗传算法引入基于神经网络的权值调整粒子滤波算法中,结合了遗传算法全局寻优的收敛性与神经网络局部寻优的快速性优点。将提出的算法与对数似然比方法结合用于GPS接收机自主完好性监测,通过建立一致性检验统计量实现对故障卫星的检测与隔离。通过采集实测数据进行验证,结果表明：该算法可以成功检测和隔离故障卫星,其性能优于基于基本粒子滤波的接收机自主完好性监测,验证了该算法应用于GPS接收机自主完好性监测的可行性和有效性。     

基于地理信息的地面运动目标跟踪方法

为了提高地面运动目标跟踪精度,提出了基于地理信息约束的变结构交互多模(VS-I MM)的目标跟踪算法。通过建立地理信息系统约束地面目标运动状态,并利用目标转弯曲线 模型确定滤波器中机动目标的时变运动模型集,采用地理信息约束的变结构交互多模算法可 更符合实际进行地面目标机动跟踪。针对机场地面机动目标的仿真结果表明,给出的地理条 件约束的目标跟踪算法比现有交互多模算法具有更好的性能。     

基于AD6620的中频滤波器的设计

结合软件无线电的窄带中频采样数字化的基本模型，提出了一种基于数字下变频器AD6620的中频信号滤波器的设计方案，并详细讨论了一种提高系统信噪比的具体方法，给出了AD6620的CIC5和RCF滤波器频域响应的仿真结果。     

基于OQAM-OFDM的NOMA通信系统设计

针对传统基于正交频分复用（OFDM）调制波形的非正交多址接入（NOMA）通信系统存在的旁瓣衰减较慢问题,提出了一种基于交错正交幅度调制的正交频分复用（OQAM-OFDM）波形的NOMA系统设计方案。所提设计方法通过在典型NOMA系统设计中加入OQAM预调制和滤波器组滤波等处理,有效加快旁瓣衰减,实现了较好的频域聚焦性能。仿真结果表明,提出的设计方法不仅有效提高了系统的频谱利用率,而且在抵抗多径干扰时误码率有所降低。虽然重点研究了通信下行链路,但是所得结论同样适用于上行链路。     

多层介质频率选择表面的等效电路分析方法

基于数值仿真计算和微波网络理论,提出了一种多层介质中频率选择表面（FSS）等效电路的分析方法。该方法物理过程直观,计算量小,适用于二维任意形状FSS等效电路的精确求解。以方形贴片型FSS为例验证了等效电路模型的准确性,并分析了多层介质对其等效电路参数的影响规律。最后,基于滤波器理论与FSS等效电路模型设计了双层带通型FSS,计算结果表明全波仿真结果与理论计算结果基本一致,为多层FSS的综合设计提供了一种精确设计方法。     

基于改进K-means聚类和量子粒子群算法的多航迹规划

针对在复杂环境下需要通过多航迹规划以实现武器协同的问题,利用排挤机制产生K-means聚类的初始聚类中心,并将改进K-means聚类与量子粒子群算法（QPSO）相结合应用于无人机的三维多航迹规划。改进算法解决了K-means聚类易陷入局部最优、聚类准确率低的问题。根据产生的初始聚类中心,将粒子划分成多个子种群,利用QPSO算法对每个子种群进行优化,使得每个子种群可以产生一条可行航迹。仿真分析证明了改进算法可以有效保证子种群之间的多样性,生成较为分散的多条可行航迹。     

基于粒子群优化的数字波束形成算法

波束形成的加权系数求解是一个优化过程,现有算法大多经过多次迭代,计算量大,实现复杂。为降低波束形成算法复杂度,将粒子群优化原理应用于数字波束形成中,提出了基于粒子群优化的自适应数字波束形成算法。该算法将每一组权值作为一个粒子,将阵列加权和的输出信号与干扰噪声比(SINR)作为适应度函数,通过比较各个粒子的适应度值,进行迭代搜索得到最优解。该算法可使天线阵在主波束对准有用信号,同时能有效抑制两个以上的干扰,且对阵列通道误差有较好的稳健性。计算机仿真验证了算法的有效性。