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）。     

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。     

金融市场的风险值测量及动态分析

介绍了基于高斯核估计历史模拟法的金融市场风险值(VAR)测量的算法理论过程,再建立时变系数的单因素资本资产定价模型(CAPM),并用带时变参数系统的Kalman滤波法对该模型下时变系数进行估计.最后对上海证券市场商业版块类做实证分析。     

基于粗集方法改进的图像平滑

研究了一个基于粗集理论改进的图像平滑方法 ,首先建立粗集等价关系和相应划分集合 ,然后得到基于粗集方法的图像平滑框架 ,提出基于粗集理论改进的图像平滑的具体实现。该平滑方法的平滑效果与传统平滑方法相比较 ,具有更清晰的边缘和细节 ,并且算法简单易于实现。     

一种新的最小均方误差线性合并算法

针对未编码的多输入多输出系统,将基于训练序列的最小均方误差(MMSE)信道估计算法与最优线性无偏估计结构(BLUE)相结合对已估计的信道参数进行估计.仿真结果表明,使用线性合并的MMSE算法比传统的MMSE算法具有较小的参数估计误差,比使用线性合并的LS算法性能更好.     

一种新的多址信道有效阶数估计算法

针对多用户正交频分复用/空分多址（OFDM/SDMA）系统上行链路多址信道,基于噪声信道提出了一种新的信道有效阶数和信道冲激响应联合估计算法。该算法以最大似然为目标函数,构建了基于差分进化并行搜索信道有效阶数并进行信道冲激响应估计的联合框架。算法引入赤池信息量准则作为搜索阶数最优的评判函数,以提高信道有效阶数和信道冲激响应的估计精度。仿真验证了所提算法的有效性和可靠性,结果表明引入赤池信息量准则（AIC）在降低有效信道阶数估计误差的同时提高了时域最大似然信道估计器的性能。特别地,在误码率为10－5时,所提算法能够获得约1.5 dB的性能增益     

短波SC-FDE系统中改进的LS信道估计算法

针对短波单载波频域均衡(SC-FDE)系统中最小二乘(LS)信道估计算法受噪声影响大而导致的估计精度低的问题,提出了一种改进的基于小波去噪的LS信道估计算法。改进算法采用基于分块导频的帧结构,首先用LS算法对信道进行初步估计,然后根据小波多分辨率分析(Mallat)理论将LS估计的结果分解,并设置一个合理阈值对分解得到的小波系数处理,从而消除LS估计的残留噪声,提高估计精度。仿真结果表明,在短波信道下,改进算法不仅减小了系统开销,而且提高了LS估计的性能。     

无穷范数松弛的低复杂度超奈奎斯特检测

超奈奎斯特(Faster-than-Nyquist,FTN)速率传输可以有效提高频谱效率，但这种非正交传输方式引入的严重码间串扰相应提高了接收端的处理难度。针对该问题，设计了一种基于循环成块传输的低复杂度检测算法。最优检测被建模为无约束的二元二次规划(Boolean Quadratic Program,BQP)问题，为了求解该NP-hard问题，采用无穷范数约束松弛原问题的非凸可行解集，并基于次梯度下降法提出松弛问题的有效优化算法。数值仿真结果表明，所提算法在误比特率(Bit Error Rate,BER)性能上优于频域均衡，且在可接受的性能损失范围内算法执行效率远高于理论最优的最大似然序列估计(Maximum Likelihood Sequence Estimation,MLSE)。     

超低空拦截导弹武器系统的UKF-IMM目标跟踪算法

针对超低空拦截导弹武器系统的特点,提出了运用基于交互多模型的无迹卡尔曼滤波算法(UKF-IMM)对来袭目标进行状态估计的滤波方法.根据来袭目标的运动特点建立了特定的模型集,模型集由CV模型、比例导引模型和"当前"统计模型组成.每个模型分别采用UKF滤渡器进行滤波,UKF-IMM滤波器的输出为各滤波器状态输出的概率加权融合.仿真结果表明,该模型集能够概括超低空拦截导弹拦截目标的运动样式,模型之间切换迅速,滤波算法收敛速度快.运用UKF-IMM滤波算法能够实现超低空拦截导弹火控系统对来袭目标及时准确地跟踪.     

基于合作目标与非合作目标的一体化空间配准新算法

针对移动平台雷达同时探测到合作目标与非合作目标怎样进行空间配准的问题,提出了一种一体化的空间配准算法,将基于合作目标的雷达系统偏差估计结果作为附加条件输入到基于非合作目标建立的线性方程组中,一起采用递推最小二乘法（RLS）重新估计两平台的系统偏差大小。仿真结果表明该新方法切实可行,合理地利用了合作目标信息与共同量测的非合作目标信息,提高了雷达量测系统偏差估计的准确性和最终目标航迹的配准精度,相信在多机协同探测领域具有一定的应用价值。     

一种基于预测值量测转换的卡尔曼滤波跟踪算法

在雷达目标跟踪中，系统量测信息通常在球坐标系下获得。为了采用经典卡尔曼滤波算法实现有效目标跟踪，通常采用量测转换方法将非线性量测信息转换到直角坐标系中。针对传统量测转换方法基于量测值计算转换误差统计特性而导致的估计结果有偏问题，提出了一种基于预测值的量测转换方法，并将其与卡尔曼滤波算法相结合，获得了一种基于预测值量测转换的卡尔曼滤波跟踪算法。仿真结果表明，与现有的基于量测转换的卡尔曼滤波算法相比，该算法能在不提高运算量的情况下有效改善目标跟踪效果，跟踪精度提升约20%。     

块处理Kalman算法及其在系统辨识中的应用

Kalman滤波器能以自适应的方式精确地辨识一个系统,但在通信等应用领域,Kalman系统辨识的意义往往在于求其逆系统并用作均衡等后级处理。由于求逆算子的敏感性,估计结果中小的误差也可能造成均衡器性能的显著损失。本文在研究Kalman估计的各种噪声抑制结构后提出一种块处理Kalman算法,该算法在静态或缓变系统中显示出比传统逐符号处理Kalman算法更好的估计误差的性能(误差功率与块处理长度成反比),而且其结构简单,易于实现。     

结合匈牙利指派和改进粒子滤波的多目标跟踪算法

使用汽车雷达进行多目标跟踪时，为了提高航迹关联效率并改善非线性场景跟踪效果，提出了结合匈牙利指派和卡尔曼重要性采样的粒子滤波(Particle Filter with Kalman Importance Sampling，PF-KIS)算法。首先，将航迹关联分解为聚类和指派，通过密度聚类筛选并整合有效目标，经过匈牙利指派得到目标和航迹的最佳匹配关系，避免产生多余联合事件，提高关联效率；其次，以卡尔曼滤波的结果作为粒子滤波的先验，使采样粒子分布更合理，提高估计精度，进而改善非线性跟踪能力。实验表明，算法平均航迹关联正确率约为95%；非线性场景误差约为卡尔曼滤波的1/2，有效地改善了非线性场景跟踪能力。     

无刷直流电机调速系统的最优状态反馈控制研究

本文研究具有量测噪声和负载干扰的无刷直流电动机实时最优速度控制方法。首先建立系统的硬件结构，并推导出系统的数学模型；接着采用卡尔曼滤波器的状态估计；提出了一种基于动态规划的最优反馈控制策略；最后给出了补偿量测噪声和负载干扰的自适应算法。仿照结果表明，提出的方法，在广宽的调速范围内，系统具有较好的静动态性能。验证了提出方法的有效性与可行性。     

基于平方根无迹卡尔曼滤波的数字预失真算法

射频功率放大器工作在近饱和点时产生的非线性效应是制约其性能提升的主要因素。 提出了一种基于非线性无迹卡尔曼滤波的数字预失真算法,可有效克服此非线性效应的影响 。针对预失真算法的状态方程为线性的特点,优化了无迹卡尔曼滤波算法以提高运算效率。 仿真结果表明,所提算法性能优于传统的基于最小均方的数字预失真算法。     

一种改进的机载多普勒雷达目标跟踪算法

针对传统的基于多普勒雷达量测转换的目标跟踪算法只适用于静止雷达的问题,将该算法推广至机载多普勒雷达。在每个递推周期里,首先将机载导航数据转换到东北天坐标系中;然后,将距离量测转换成东北天系下的位置伪量测,由此完成对目标的位置滤波;最后,联合目标位置滤波值及多普勒量测对目标进行运动状态滤波,由此得到目标的位置最终估计值。仿真实验结果表明,改进后算法的跟踪精度优于传统的多普勒雷达目标跟踪算法。     

一种基于区域搜索的全局运动估计与补偿算法

开展全局运动估计与补偿研究是进行动态目标检测中的基础和前提。在总结现有运动估计与补偿方法的基础上,提出一种基于图像分割区域的运动性和大小的全局运动估计与补偿算法。首先,通过建立区域搜索的全局运动模型,同时进行区域定性分割和区域大小排序;然后,根据误差最小化准则在指定的分割区域中进行线性递归搜索,利用门限准则寻找出最佳的运动估计参数;最后,根据双线性内插法获得运动位移量。实验结果比较可知,所提算法较三步搜索算法(TSS)和全局搜索算法(FSA)等传统算法具有更高的准确性(图像平移帧差)和实时性(算法运行时间),能够很好地实现运动背景的全局校正。     

一种量测转换的移动外辐射源多站协同跟踪算法

针对移动外辐射源跟踪问题,提出一种融合到达角(Angle of Arrival,AOA)与到达时间差(Time Difference of Arrival,TDOA)观测量的量测转换Kalman滤波(Converted Measurement Kalman Filter,CMKF)算法。首先,采用了一种考虑了传感器位置偏差影响的无源定位算法作为转换非线性的AOA与TDOA观测量至笛卡尔坐标系下观测量的方法,并证明了当AOA与TDOA的测量噪声以及传感器位置偏差都服从高斯分布且噪声强度不大时,该量测转换方法的位置转换误差能达到克拉美罗(Cramér-Rao Lower Bound,CRLB)界;其次,在量测转换的基础上构建了关于移动外辐射源的线性状态空间模型,将非线性的目标跟踪问题转化为线性滤波问题,并最终使用标准Kalman滤波器实时跟踪移动外辐射源位置。仿真结果不仅验证了量测转换精度与理论分析结论吻合,还表明了所提CMKF算法的跟踪精度同时优于扩展Kalman滤波器、无迹滤波器以及粒子滤波器。