不确定动态系统的两种递推估计性能比较

对于噪声统计信息等不确定的动态系统的状态估计问题,人们提出了多种符合实际应用要求的递推算法,其中推广的遗忘因子递推最小二乘（EFRLS）和H∞滤波是两种有效估计的方法。对这两种估计的性能进行了比较,用计算机模拟实例说明了EFRLS方法在多种性能指标下较H∞滤波更优,为实际应用提供了有益的指导。     

红外序列图像目标跟踪的自适应Kalman滤波方法

提出了一种用于动态序列图像目标跟踪的自适应Kalman滤波方法。该方法用函数估计的思想估计目标的当前运动模型,同时实时修改滤波器的统计模型,并将最小二乘支持向量机应用于对当前目标运动模型的估计。实验表明,此种改进的Kalman滤波器的算法在跟踪机动目标时具有良好的性能。     

用于机动目标跟踪的Kalman滤波器的设计

机动目标跟踪广泛应用于军事和民用领域。本文针对机动目标跟踪问题,在“当前”统计模型的基础上,实现了Kalman滤波算法在工程上的应用;同时利用速度预测估计与实时速度估计间的偏差进行自适应方差调整,提出了改进的“当前”统计模型自适应滤波算法。工程实践表明,基于改进模型的Kalman滤波算法在跟踪机动目标时具有起好的跟踪性能,同时也极大改善了对一般非机动目标的跟踪能力。     

反直升机雷群的机动目标跟踪

反直升机雷测距精度较低,而利用角度信息估计目标的距离和速度实质上是一个非线性状态估计问题,这种单站被动式跟踪可能构成一个不可观测系统,将导致跟踪滤波器的不稳定和发散。本文对由反直升机雷构成的雷群的目标定位和跟踪进行了研究,利用最小二乘法和基于“当前”统计模型的自适应滤波组合算法进行数据处理,最小二乘法的估计结果作为自适应滤波的观测值,结果表明算法简单而且有效,在目标机动和非机动时都能得到良好的估计结果。     

一种基于无偏协方差估计RLS的自适应阵列天线抗干扰算法

RLS是自适应阵列天线抗干扰的主要算法之一。为提高RLS算法对遗忘因子选择健壮性,避免因遗忘因子选择不当所造成的算法不收敛问题,本文针对自适应阵列天线的多路接收信号,基于其无偏协方差矩阵模型,推导设计出了一种新的RLS算法,相比于常规RLS,在该算法中遗忘因子可以更加精确地控制RLS迭代过程项,降低因遗忘因子设置不当而造成的算法不收敛风险。通过仿真验证了算法的有效性。     

一种最小二乘与自适应Kalman联合滤波算法

"当前统计模型"滤波算法中采用上一帧的加速度来预测当前时刻的目标位置,当目标做变加速度运动时,预测值不能反应本帧的加速度变化,目标跟踪精度难以保证.针对这个问题,本文提出了一种最小二乘和Kalman的联合滤波算法,在自适应Kalman滤波前,采用最小二乘算法对当前数据进行拟合,用拟合的位置、速度和加速度作为目标的预测位置送入Kalman滤波器进行滤波处理,克服了"当前统计模型"滤波中存在的问题,提高了跟踪精度.     

基于自适应无迹粒子滤波的目标跟踪算法

为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。     

跟踪临近空间目标的衰减记忆最小二乘算法

随着临近空间战略价值的显现,临近空间高速目标的跟踪成为国土防空领域研究的一个热点。临近空间高超声速飞行器具有高机动突防能力,且运动轨迹没有规律,使用常规滤波方法难以实现稳定跟踪。提出一种衰减记忆最小二乘算法,该算法不依赖特定的运动方程,鲁棒性强。仿真实验表明,新算法可以稳定跟踪高超声速飞行器,机动飞行段跟踪连续光滑,具有较高的跟踪精度。     

基于递推最小二乘算法的小信号检测

受到强干扰影响的小信号通常难于有效检测。在分析递推最小二乘算法(RLS)原理及其几种改进形式的基础上,采用自适应方法将已检测出的大信号与原混叠信号对消,降低大信号对小信号的遮蔽作用,再进行小信号的检测。最后通过仿真证明,该方法能够在较小失真的情况下,有效检测出被大调幅信号干扰下的小调频信号;同时分别比较了各种算法的优劣,得出基于可变遗忘因子的RLS(VFF-RLS)算法不仅具有较快的收敛速度,而且收敛之后具有很好的平稳性能。     

抑制模板漂移的目标跟踪算法

 本文提出了一种解决目标跟踪中模板漂移现象的新算法.模板漂移现象指的是,由于不断进行模板更新,目标会逐渐移出模板,而背景物体则逐渐占据整个模板.本文为了解决这个问题,提出了一组能够精确描述模板漂移对于模板更新滤波器的影响的表达式,以使得考虑了模板漂移影响后的模板更新滤波器能够在空间及时间上自适应地实现及时更新目标外观与避免模板漂移之间的近似最优平衡.大量的包含不同目标外观变化类型的实景视频流的实验结果证实了本文算法的有效性.     

一种基于自适应滤波的雷达目标跟踪算法

针对在复杂环境下基于卡尔曼滤波的雷达目标跟踪中存在的鲁棒性和自适应性较差的问题,研究了一种新的雷达目标自适应鲁棒跟踪算法;通过引入自适应渐消因子,对估计误差协方差和滤波增益矩阵进行在线自适应调整,从而使得滤波算法具备良好的鲁棒性和自适应性,提高雷达目标跟踪的精度。最后,通过仿真对所研究的方法进行了验证。     

基于强跟踪滤波器的多传感器非线性动态系统状态与参数联合估计

本文将强跟踪滤波理论与多传感器数据融合技术相结合,提出基于强跟踪滤波器的多传感器状态与参数联合估计新算法;对拥有相同采样率的分布式多传感器单模型非线性动态系统,应用强跟踪滤波器,得到目标状态基于全局信息融合估计结果,并利用计算机仿真结果对算法的有效性进行了验证;这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题,从而丰富和发展了多源信息融合理论.     

非线性滤波算法分析及其性能比较

针对目标跟踪实际应用中量测方程非线性对滤波精度和稳定性的影响,重点分析了模型线性化的滤波算法、无迹卡尔曼滤波（UKF）和粒子滤波算法（PF）的基本原理和特点以及适应的条件。仿真试验比较了扩展卡尔曼、无迹卡尔曼和粒子滤波的跟踪效果,结果表明非线性条件下粒子滤波算法优于其它两种滤波算法。     

Recursive identification algorithms

Mechanisms for adapting models, filters, decisions, regulators, and so on to changing properties of a system or a signal are of fundamental importance in many modern signal processing and control algorithms. This contribution describes a basic foundation for developing and analyzing such algorithms. Special attention is paid to the rationale behind the different algorithms, thus distinguishing between optimal algorithms and ad hoc algorithms. We also outline the basic approaches to performance analysis of adaptive algorithms.     

一种基于卡尔曼滤波的运动目标跟踪方法

运动目标信息探测大量地体现在现实生活以及军事应用中,准确地跟踪并定位运动目标对于国防技术发展具有很大的现实意义和实际价值。以运动物体为目标,提出了采用自适应波门跟踪与卡尔曼滤波算法相结合的技术,有效地跟踪目标并将预测结果与其实际运动轨迹比较,取其误差均值、标准差值,用以证实卡尔曼滤波跟踪目标的有效性。     

自适应EKF在被动跟踪中的应用研究

针对被动跟踪中常见的滤波发散、收敛速度慢和跟踪精度低等问题,研究了一种非线性系统的自适应推广卡尔曼滤波算法。该算法能够在线估计噪声的统计特性,动态补偿模型线性化误差,消减系统的观测误差。对其滤波理论及算法进行了研究与仿真,结果证实该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

基于R阵动态估计的自适应滤波算法

针对组合导航系统中观测噪声特性复杂多变、难于准确估计的问题,基于不同测量系统的测量互补特性,提出了针对单次历元的观测噪声特性动态估计方法。在此基础上,以预设滤波精度为指标,提出了通过构造自适应因子对估计观测噪声进行适当调节的自适应卡尔曼滤波算法。该算法通过构造相对测量关系,避免了直接对测量噪声真值求解的难题,并且在滤波过程中采用序贯处理方法进行实时解算,有效降低了计算量。在GPS/DR实际系统中的应用结果表明,同改进的sage-husa算法及MAKF算法相比,基于R阵动态估计的自适应滤波算法能够自适应地跟踪GPS测量噪声特性的变化,定位结果光滑可靠,具有明显的优越性。     

自适应陷波滤波器频率估计新方法及性能分析

现有的自适应陷波滤波器（ANF）受误差函数所限,导致其自适应频率估计方法收敛速度较慢,对初始迭代频率值设定范围要求较高,特别针对频率接近于0或π的信号,还存在频率估计精度不高、算法稳定性差的问题,为此,提出一种ANF频率估计新方法.首先,分析现有ANF方法估计信号频率时存在精度低、速度慢、稳定性差的原因,提出一种新误差函数以提升ANF收敛速度;然后,根据ANF估计信号频率时偏差产生的机理,通过偏差补偿方式,降低噪声对ANF的影响,以获得近似无偏的频率估计结果,提高ANF频率估计精度,同时与离散卡尔曼滤波相结合,以改善算法的稳定性,并对该方法进行稳态条件下的性能分析;最后,给出了ANF频率估计结果,并讨论了ANF各参数对频率估计精度的影响,给出了具体计算结果.计算表明本文方法的有效性与正确性.