一般相关噪声下线性系统固定延迟平滑算法

针对机动目标跟踪中固定延迟平滑估计算法的精度问题,当具有一般相关过程噪声和量测噪声时,提出了离散线性系统最优固定延迟平滑估计算法.该算法通过将延迟区间内全部量测进行集中式扩维,并对误差传递进行分析,从而精确地给出了误差间的相关性.在线性无偏最小方差意义下对系统状态进行递推估计,新算法在噪声的高斯分布假设下是最优的.仿真实验结果表明了该算法的有效性.

     

一般相关噪声下多传感器平滑融合算法

针对单目标跟踪中多传感器平滑融合算法估计精度问题, 提出了具有一般相关过程噪声与量测噪声时的离散线性系统新的平滑融合估计算法. 该算法通过将给定区间内全部量测进行集中式扩维, 并对误差传递进行分析, 从而精确地给出误差间的相关性, 在线性无偏最小方差意义下对系统状态进行递推估计. 与不考虑相关性以及仅考虑部分相关性的卡尔曼平滑融合算法相比, 新的固定区间平滑融合算法在噪声的高斯分布假设下具有明显的优越性, 且其跟踪性能随噪声相关性增强而优越性明显, 而固定延迟平滑融合算法是次优的. 仿真实验进一步验证了本文算法在一般相关噪声环境下的优越性.     

加权融合法处理无序量测问题

针对集中式多传感器目标跟踪系统中存在的无序量测问题,基于协方差加权融合的思想,在融合估计误差协方差矩阵迹最小意义下,建立了基于最优融合的多步延迟无序量测更新算法。该算法先将无序量测配准到最新状态估计的时刻,将其与之进行协方差加权融合。为进行无序量测与各传感器量测噪声相关性的计算,引入了等效量测。通过理论分析和仿真实验说明该算法能有效处理无序量测多延迟问题,其性能接近最优且随延迟步数增加性能下降非常小,而且有与最优的数据缓存法相同的滤波精度,以及较小的额外存储量。     

无序量测的状态更新估计算法

实际中,过程噪声和测量噪声都来自同一个噪声源,即二者是相关的.文章采用直接状态更新法,讨论了无序量测的状态估计,给出了过程噪声和测量噪声相关情形下的一步延迟量测的最优状态更新估计算法,并通过计算机仿真验证了算法的有效性和可行性.     

粒子滤波的噪声相关下单步延迟无序量测更新算法

在目标跟踪系统中,因通信延迟等原因会出现传感器量测无序地到达融合中心的现象,将这些量测称为无序量测(OOSM).针对过程噪声、量测噪声相关的非线性系统中出现的无序量测问题,在现有算法基础上,提出了一种可处理单步延迟无序量测的新算法.在前向预测滤波框架下,对系统方程去相关化,并利用粒子滤波(PF)进行状态估计.仿真结果验证了算法的有效性.     

快速次优固定区间Wiener平滑器算法

为了克服带相关噪声控制系统的最优固定区间Kalman平滑算法要求较大计算负担的缺点,应用Kalman滤波方法,基于CARMA新息模型,由稳态最优Kalman平滑器导出了带相关噪声控制系统的最优固定区间Wiener递推状态平滑器,它带有系数阵指数衰减到零的高阶多项式矩阵.用截断系数矩阵近似为零的项的方法提出了相应的快速次优固定区间Wiener平滑算法.它显著地减少了计算负担,便于实时应用,还给出了截断误差公式和选择截断指标的公式.仿真例子说明了快速平滑算法的有效性.     

一种带有色量测噪声的非线性系统辨识方法

利用最大似然判据, 本文提出了一种带有色量测噪声的非线性系统辨识方法. 首先, 利用量测差分方法将有色量测噪声白色化, 获得新的量测方程, 从而将带有色量测噪声的非线性系统辨识问题转化成带白色量测噪声和一步延迟状态的非线性系统辨识问题. 其次, 利用期望最大化(Expectation maximization, EM)算法提出了一种新的基于最大似然估计的非线性系统辨识方法, 该算法由期望步骤(Expectation step, E-step)和最大化步骤(Maximization step, M-step)两部分组成. 在期望步骤中, 基于当前估计的参数并利用带有色量测噪声的高斯近似滤波器和平滑器, 近似计算完整的对数似然函数的期望. 在最大化步骤中, 近似计算的似然函数期望值被最大化, 并且通过解析更新获得噪声参数估计, 通过Newton更新方法获得模型参数的估计. 最后, 数值仿真验证了本文提出算法的有效性.     

量测噪声相关条件情况下的多传感器状态融合估计

对于量测噪声相关的多传感器系统,采用Cholesky分解和单位下三角阵的求逆方法,将其转化为量测噪声互不相关的等价模型,从而可以直接利用现有的融合算法进行状态融合,由此给出了量测噪声相关情况下多传感器的状态融合算法.该算法和已有的算法相比具有两大优点,该算法不仅考虑了量测噪声相关而且简单可行,而且该算法和已有的算法相比更具有一般性,对于有特征值相同的情形同样适用.数值仿真结果表明了该算法的有效性.     

顺序更新式无序量测处理算法

在集中式多传感器目标跟踪系统中,常出现源自同一目标的量测到达处理中心时的乱序现象,即无序量测问题。本文借鉴等价量测与重新滤波法的思想,提出一种基于等价量测的顺序更新式无序量测处理算法。该算法用等价量测来代替重新滤波法中需要缓存的量测序列,然后从无序量测处开始用无序量测和等价量测进行顺序更新。通过理论分析和仿真实验证明:该算法在处理一步延迟时是最优的,在处理多步延迟时,接近最优;且该算法有较高的滤波精度和较小的额外存储量。     

基于改进卡尔曼滤波的陀螺仪误差补偿算法

针对基于卡尔曼滤波的MEMS陀螺仪误差补偿算法中量测噪声方差选取不准确的问题,提出一种基于改进卡尔曼滤波的陀螺仪误差补偿算法.卡尔曼滤波通常采用统计特性估计得到固定的量测噪声方差,无法自适应地估计不同环境下陀螺仪噪声特性.该算法将卡尔曼滤波与神经网络相融合,使用卡尔曼滤波新息矩阵作为神经网络输入,通过神经网络得到新息协方差矩阵,以此自适应地估计卡尔曼滤波量测噪声方差.将该算法应用到陀螺仪信号误差补偿中,使用Allan方差分析法对原始信号以及误差补偿后的陀螺仪信号进行分析,实验结果表明该算法能够有效地抑制陀螺仪随机误差,提高MEMS陀螺仪的精度.     

Hierarchical Newton and least squares iterative estimation algorithm for dynamic systems by transfer functions based on the impulse responses

This paper develops a parameter estimation algorithm for linear continuous-time systems based on the hierarchical principle and the parameter decomposition strategy. Although the linear continuous-time system is a linear system, its output response is a highly nonlinear function with respect to the system parameters. In order to propose a direct estimation algorithm, a criterion function is constructed between the response output and the observation output by means of the discrete sampled data. Then a scheme by combining the Newton iteration and the least squares iteration is builded to minimise the criterion function and derive the parameter estimation algorithm. In light of the different features between the system parameters and the output function, two sub-algorithms are derived by using the parameter decomposition. In order to remove the associate terms between the two sub-algorithms, a Newton and least squares iterative algorithm is deduced to identify system parameters. Compared with the Newton iterative estimation algorithm without the parameter decomposition, the complexity of the hierarchical Newton and least squares iterative estimation algorithm is reduced because the dimension of the Hessian matrix is lessened after the parameter decomposition. The experimental results show that the proposed algorithm has good performance.     

基于线性回归的UWB系统频偏估计算法

提出了一种利用接收序列与本地PN序列的相关值辐角的线性回归来估计UWB系统载波频偏的方法,该算法将接收序列与本地PN作相关,利用辐角随时间的线性变化特性,将相关值辐角作线性回归估计频偏.仿真结果表明,与传统PN相关频偏估计算法相比,该算法性能稳定,在有效估计区间内估计精度不受频偏大小影响,抗多径能力强,在低信噪比仍有较高的估计精度.此外,此算法与系统同步使用相同的PN序列与相关计算结果,节约了系统资源,易于实现.     

基于系统误差和状态联合估计的目标跟踪算法

针对线性系统中系统误差对状态估计精度造成的不利影响,在卡尔曼滤波算法框架下提出一种基于系统误差和状态联合估计的目标跟踪算法。在算法实现过程中,首先定量分析了系统误差对目标状态估计及其估计误差协方差矩阵的影响,进而结合状态扩维技术构建系统误差配准的实现过程,最终依据标准卡尔曼滤波迭代流程设计了算法实现步骤。仿真实验结果表明: 在系统误差恒定和时变两种情况下,新算法在系统误差配准和状态估计上具有可行性和有效性。     

卫星移动通信信号处理同步技术研究

卫星移动通信信号处理同步技术很大程度上决定了通信的质量。针对卫星移动通信系统中突发信号符号长度短、独特码少的特点,对传统的基于最大似然准则线性相位内插相位估计算法和二次插值快速傅立叶变换频偏估计算法进行了研究,进行了线性相位内插算法和二次插值快速傅立叶变换频偏估计算法机理分析;根据噪声平均化原则,提出了一种低导频段数据情况下改进的线性相位内插算法;利用数据段信息和导频段信息整体做频偏估计的方法,提高了导频段个数较少情况下的频偏估计精度;仿真与试验结果表明：改进的线性相位内插算法比传统算法相位同步性能更高,利用整帧数据做频偏估计精度更高,并满足卫星移动通信终端信号处理的要求。     

地空信道下基于OFDM/OQAM系统的信道估计研究*

针对地空信道时变快,正交频分复用/偏移正交幅度调制(OFDM/OQAM)系统存在固有干扰的问题,提出一种信道估计算法。该信道估计算法包含一种新型的梳状导频结构和一种改进的线性插值算法。提出的新型梳状导频通过将导频周围数据置零来消除系统的固有干扰和减小子载波间干扰对信道估计的影响,且导频分布在整个时间轴上,因而可以较好的跟踪信道状态;改进的线性插值算法通过在时域插零,来减小信道噪声和系统干扰对信道估计的影响。仿真结果表明,提出的梳状导频相比于传统梳状导频具有较好的优势,可有效提高系统的抗误码性能;改进的线性插值算法相比于传统插值算法可有效提高系统的可靠性。     

Optimal filtering in stochastic discrete-time systems with unknowninputs

In this note we derive a recursive filtering algorithm for the linear discrete-time dynamic system with indeterminate-stochastic inputs. The algorithm is based on the minimax-optimal method of parameter estimation in the linear regression model with parameters of two different types: unknown and stochastic with partially known characteristics     

双线性状态空间系统的状态观测器设计

针对受过程噪声和量测噪声干扰的双线性状态空间系统,研究其状态估计算法.借助双线性系统的特殊结构,将其等价表示为线性时变模型,推导基于Kalman滤波的状态估计算法.针对线性时变模型中存在的未知变量,基于辅助模型辨识思想,通过构造一个辅助模型,将未知变量用该模型的输出代替,提出基于辅助模型的双线性系统状态估计算法.构造双线性状态观测器,引入delta算子极小化状态估计误差协方差矩阵,从而得到最优状态估计增益,并提出基于delta算子的双线性系统状态估计算法.所提出的算法能够避免线性化过程带来的估计精度差的问题,提高双线性系统的状态估计精度.通过仿真实验验证了所提出算法的有效性,并对比分析了不同噪声情况下所提出算法的估计效果.     

Pi-coefficient analysis of update algorithms for adaptive systems

This paper finds the appropriate pi-coefficients for a parameter estimation adaptive system and uses them to analyze the stability of two estimation algorithms. The estimation error dynamics of the system are modeled by a linear time-invariant subsystem and a nonlinear time-varying update law in a feedback loop. Then the so-called max-p problems are formulated and solved to obtain the pi-coefficients for the linear subsystem and nonlinear update low. For the investigated system, the quantitative results show that the least-squares update algorithm has larger stability range than that of the gradient algorithm, and the σ-modification scheme gives larger stability ranges for both algorithms.     

用偏差分离估计的鲁棒Kalman滤波算法

本文针对带模型误差系统,利用偏差分离估计提出了一种鲁棒Kalman滤波算法,并给出了该算法的渐近稳定条件。仿真结果表明本文算法是有效的。