一种新的干涉相位图局部自适应滤波方法

为了有效提高对InSAR干涉相位噪声的抑制性能并充分保持干涉相位图细节信息,该文提出一种基于局部地形相位补偿和各向异性高斯滤波函数(AGF)的自适应复相位滤波方法。该方法首先利用局部频率估计方法补偿地形相位,以便于消除局部地形相位对滤波窗口内干涉相位的不利影响。然后,构造了尺度和方向自适应的AGF,并对同分布样本进行局部加权的方向滤波。这里,AGF尺度随相干系数等级自适应变化：在低相干区域,采用的大尺度AGF能够充分地抑制相位噪声;在高相干区域,采用的小尺度AGF能更好地保持相位细节信息。AGF方向根据最大加权相干积累准则确定,以选取同分布的滤波样本估计中心像素相位值。实验结果表明,与多种滤波方法相比,该文方法在减少干涉相位图残点和保持条纹边缘等方面均具有更好的性能。     

粒子滤波和正则粒子滤波算法性能研究

主要介绍了解决系统状态估计问题的滤波算法。在提出非线性高斯系统模型的基础上着重阐述了扩展卡尔曼滤波(EKF)、粒子滤波(PF)和正则粒子滤波(RPF)算法。对这三种算法在不同的噪声条件下的估计性能进行了仿真分析。结果表明,在非线性高斯系统中,PF和RPF的估计性能远比EKF的估计性能要好,由于RPF是从离散分布中重构其近似连续分布,再从该连续分布中采样粒子,估计性能比PF要好,尤其在小噪声的环境下,估计性能更加稳定。     

有色噪声中谐波频率的频域非线性预滤波估计方法

基于谐波信号表现为频域中的 异常点 这一思路,利用滑动中值滤波器滤除数据异常点的能力,本文提出了未知有色噪声背景下谐波信号频率的一种高分辨估计方法.其突出特点是对噪声分布的强普适性,且算法实现简单.仿真结果验证了该方法的性能.     

一种新的图像去噪混合滤波方法

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和模糊加权均值滤波的混合滤波方法.该方法首先进行噪声检测把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来,然后对受高斯噪声污染的像素采用模糊加权均值滤波算法,而对受脉冲噪声污染的像素则采用改进的中值滤波算法进行去噪.仿真结果证明,该方法更具有实用性和有效性.     

基于流水线高斯粒子滤波的无人机姿态估计算法及FPGA实现

采用高斯粒子滤波算法进行姿态估计算法设计,将四元数离散方程作为状态方程。算法由采样调节粒子、采样粒子、权值计算、均值协方差计算和Cholesky 5个模块组成。通过采用非标准化权值计算四元数"平均"值和协方差阵,并且改写协方差阵计算公式,实现流水线高斯粒子滤波算法。同时提出了并行化设计方案,利用FPGA剩余资源进一步优化运行速率。给出的简化粒子滤波算法与高斯粒子滤波算法设计不仅可用于无人机姿态估计,对于其他非线性估计问题及应用亦适用。仿真结果表明了本设计的可行性和有效性。     

多传感器顺序粒子滤波算法

粒子滤波是一种基于Monte Carlo仿真的最优回归贝叶斯滤波算法.这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型,因此能够很好地解决非线性、非高斯环境下系统的状态估计问题.为了能够有效地解决非线性、非高斯环境中的集中式多传感器状态估计问题,本文研究了多传感器顺序粒子滤波算法.首先,从理论上推导了一般的集中式多传感器粒子滤波模型;然后根据集中式多传感器系统的特点,提出了顺序重抽样方法.最后,给出了算法的仿真分析.仿真结果说明顺序粒子滤波方法能够明显提高多传感器系统状态估计精度,并且随着传感器数增多,改善的效果越好.     

一种适用于高动态的高精度频率估计方法

针对现有无线通信系统面对高动态情况下产生的大多普勒频移,而接收端频率估计精度不高,从而降低后续解调性能的问题,提供一种结合发送端插入导频符号的变采样率高精度频率估计方法,并进行了仿真.仿真结果表明,该频率估计方法可在充分利用时间同步导引情况下,估计精度可达到符号率的2％,多普勒变化率跟踪范围可达到符号率的一半,满足后续...     

基于ESPRIT算法频率估计的研究

本文提出了一种新的研究频率估计的算法-ESPRIT,该算法利用的是信号子空间的旋转不变性。具体讲述了ESPRIT算法在频率估计上的应用,先描述这种算法在理论上的实现,接着用仿真来证实这种算法的可行性和优势。     

非高斯有色噪声中的正弦信号频率估计

本文研究非高斯ＡＲＭＡ有色噪声中的正弦信号频率估计问题。利用自相关函数和三阶累积量相结合，提出了一种先估计噪声模型ＡＲ参数，然后对观测值进行预滤波，最后估计信号模型参数的新方法，模拟实验结果表明，新方法具有良好的频率估计性能。     

粒子滤波算法研究

本文介绍了几种粒子滤波算法,然后详细的介绍了各算法存在的主要问题,以及各种改进算法的优势。最后给出了粒子滤波在研究领域中的一些应用。最后通过介绍几种算法对全文做出了总结。     

非均匀噪声下频率及二维到达角的联合估计

提出一种适用于L型阵列的频率及二维到达角联合估计新算法.算法通过不同子阵的互协方差矩阵构建平行因子模型,应用三线性交替最小二乘算法求解,无需参数配对及多维搜索,可有效抑制非均匀噪声.均方根误差的仿真结果验证了该算法的有效性.     

基于最优采样函数的粒子滤波算法与贝叶斯估计

传统粒子滤波器(PF)直接根据状态演化方程产生新的粒子,由于没有考虑新近观测对状态估计的影响,这种滤波器性能较差,即便在粒子数目很大的情况也是如此。为此,本文提出一种基于序贯重要采样(SIS)的改进粒子滤波算法,该算法采用集成了新近观测量的最优采样(或重要密度)函数指导粒子的生成,使粒子权值的方差最小化,能有效减轻粒子退化问题;同时。在粒子重采样之后增加了马尔科夫链蒙特卡洛(MCMC)过程,消除了重采样引起的粒子贫化的负面影响,从而使粒子的多样性得以保持。对非线性系统的状态估计和只测角跟踪的仿真实例均表明,本文所提出的算法比传统估计算法如EKF,UKF具有更高的精度和更强的鲁棒性;与标准PF相比,其性能也有较大的提高,并可以在相同的估计精度下大大减少所需的粒子数目,是一种有效的非线性滤波算法。     

基于粒子滤波的目标实时跟踪系统

设计一种基于TMS320VC5416与FPGA的实时图像跟踪系统,该系统首先采用SAA7111A采集图像,经FPGA(采用乒乓操作的方式)传输给DSP处理器.在跟踪算法上采用灰度作为目标特征,使用粒子滤波方法实现对动态目标的跟踪.采用浮点数定点化处理,提高了算法的运行速度.实验表明:该系统具有良好的实时性与稳定性.     

基于粒子优化的多模型粒子滤波算法

针对模型信息引入粒子采样过程中导致用于逼近当前时刻真实状态与模型的粒子数减少问题,本文给出了一种基于粒子优化的多模型粒子滤波算法．在算法实现中,对每个粒子运行一个扩展卡尔曼滤波器,结合扩展卡尔曼滤波中预测更新机制实现最新量测信息的有效利用,进而提升单个采样粒子对于真实系统状态和模型逼近的有效性．理论分析和仿真结果表明：新算法在系统状态估计的精度以及模型辨识的准确性方面均明显地优于交互式多模型粒子滤波算法和多模型粒子滤波算法．     

Rake接收机中信道最大多普勒频移估计的一种新方法及其在信道估计中的应用

Ｒａｋｅ接收机是ＣＤＭＡ系统中实现多径分集接收的核心部件,而信道估计对其接收性能有很大影响。传统连续导频符号的信道估计是采用对固定区间的信道参数估计值进行平均的方法以抑制接收噪声。     

一种新的多用户OFDM系统的频偏估计算法

由于载波频偏会给多用户正交频分复用（Orthogonal Frequency—Division Multiplexing，OFDM）系统带来子载波之间干扰，从而造成多用户之间的干扰，导致系统性能下降．本文研究了多用户OFDM上行链路的频偏估计问题，通过使用多用户检测中的干扰抵消方法提出一种迭代参数估计算法用于估计多用户OFDM上行链路的频偏，该算法解决了使用似然估计（Maximum Likelihood，ML）进行多维搜索的问题，降低了ML估计器的复杂度，同时解决了多个频偏估计的问题。     

改进粒子滤波算法在目标状态估计中的应用

针对粒子滤波算法(PF)建议性函数的选择问题和粒子匮乏现象,提出了改进粒子滤波算法.该算法利用无迹卡尔曼滤波(UKF)产生建议性分布,提高估计精度;采用马尔科夫蒙特卡罗法(MCMC)保持粒子多样性,抑制粒子匮乏现象.仿真结果表明该算法的目标状态估计精度明显优于PF、UPF、PF-MCMC和PF-EKF-MCMC算法.     

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.     

基于代价参考粒子滤波器组的检测前跟踪算法

基于粒子滤波的检测前跟踪方法是检测和估计非线性调频信号的有效方法之一。但此类方法运算量大,难以并行执行。此外,由于粒子滤波算法收敛较慢,基于粒子滤波的检测前跟踪方法的检测和状态估计能力有待提高。针对上述问题,该文首先提出一种代价参考粒子滤波器组。该滤波器组收敛快速,具有完全的并行结构,可快速准确地估计非线性调频信号的瞬时频率。其次,提出基于代价参考滤波器组的检测前跟踪算法,可在给定虚警率下,在各个时刻检测目标和估计目标状态。两类非线性调频信号检测和估计的仿真结果表明,基于代价参考粒子滤波器组的检测前跟踪算法的检测性能、估计性能和运行速率均优于类似的方法,如基于粒子滤波的检测前跟踪方法,基于Rutten粒子滤波的检测前跟踪方法等。     

一种新的基于粒子滤波的多模型跟踪算法

粒子滤波技术通过非参数化的蒙特卡罗模拟方法实现递推贝叶斯滤波,适用于非线性目标运动模型、非线性传感器测量模型和非高斯噪声的目标跟踪。但需已知目标和量测模型,而实际情况往往难以满足此条件。交互多模型算法(IMM)依据各模型对目标前一时刻状态估计的方差,确定各模型在当前时刻状态下存在的概率,利用各模型对目标状态估计的加权和,确定目标的状态。本文采用粒子滤波代替IMM算法中各模型的Kalman滤波,将粒子滤波与IMM的优点相结合。同时,采用UKF(UnscentedKalmanFilter)产生粒子,由于考虑了当前量测,使得粒子的分布更加接近后验概率分布,用较少的粒子就可以逼近目标的真实状态。仿真实验结果表明,本算法可用于标准IMM算法无法实现跟踪的复杂情形,而且使用的粒子数目仅是同类算法的二十分之一。