UPF改进算法在单站无源定位中的应用

针对UPF算法在固定单站无源定位目标跟踪应用中存在运算量大、实时性差的问题,通过借鉴简化UKF的思想采用超球面单形采样策略、针对应用背景下状态模型的线性特性采用KF代替状态模型的Sigma点采样、在粒子滤波中对部分粒子间隔进行UKF采样三个方面的改进,提出一种改进的UPF算法。改进的UPF算法既有效降低了运算量,又增加了粒子的多样性,使粒子集更加逼近真实的后验概率密度函数。计算机仿真表明,改进的UPF算法在保持原有滤波精度的同时,有效减少了运算时间,可用相当于EKPF的运算效率得到UPF的滤波精度,适用于固定单站无源定位跟踪系统。     

改进粒子滤波算法及其在目标跟踪中的应用

雷达目标跟踪量测系统常受到闪烁噪声干扰,导致传统滤波算法的滤波性能急剧下降甚至发散。文中提出了改进粒子滤波算法,利用扩展卡尔曼滤波产生重要性概率密度函数。提出改进的重采样策略,提高采样粒子的有效性。将文中算法与PF及EKPF算法进行了仿真比较,结果表明该算法具有较优的跟踪性能。     

一种改进的MCMC移动步骤的U粒子滤波算法

粒子退化是标准粒子滤波算法的主要缺陷。针对这一缺陷,提出了一种改进算法,在提出的具有MCMC移动步骤的U粒子滤波算法上进行性能分析,从样本产生和对MCMC移动步骤的使用两个方面对算法进行改进,减小了算法的计算量,提高算法的运算速度。仿真结果表明,改进后的算法大大减少了运算量,从一定程度上提高了运行效率。     

基于改进粒子滤波算法的红外小目标检测跟踪

将粒子滤波算法引入到红外小目标的检测跟踪领域,为解决重要性函数选择和粒子退化问题,结合蚁群搜索算法与粒子群优化算法改进标准的粒子滤波.改进后的粒子滤波能有效减少粒子数,降低运算量,避免了粒子迁移线性化,且无需重采样.分析论证了该算法的基本原理,着重叙述了粒子迁移的过程.通过跟踪实拍红外图像以及仿真图像验证,表明该算法能...     

一种改进的粒子滤波和Mean Shift联合跟踪算法

为了提高视频运动目标跟踪的准确性和实时性,提出一种改进的粒子滤波和Mean Shift联合跟踪算法.针对传统粒子滤波跟踪算法中颜色直方图观测模型存在的局限性,提出了一种基于分块颜色直方图的观测模型描述方法,并根据该分块直方图的特点,重新设计了粒子权值的更新策略;针对粒子滤波算法实时性差的问题,提出了一种基于积分直方图的颜色特征快速计算方法,极大地降低了算法的运算量;为了降低相似背景干扰对跟踪效果的影响,提出了一种基于Gabor幅度谱的Mean Shift跟踪算法,并利用改进的Mean Shift算法对粒子滤波跟踪结果进行优化,提高了跟踪算法在复杂背景下的搜索能力.实验结果表明了算法的有效性.     

长期演进上行随机接入接收端算法研究

在LTE（长期演进）上行随机接入中,接收端对前导的检测是一个很重要的步骤。由于前导序列较长,传统的接收端算法运算量较大。为了减小接收端算法的运算量,引入降采样,对传统的接收端算法进行改进。改进后的接收端算法运算量大大减少。以格式0为例,在一个计算周期内,改进后的算法运算量是改进前运算量的1/120。MTLAB仿真结果表明,改进前后的接收端算法在检测性能上差别较小。在不同的信道环境下,经过改进后的算法仍然具有较好的检测性能。     

基于串行重采样改进的检测前跟踪算法研究

针对基于粒子滤波的弱小目标检测前跟踪算法(Particle Filter Track Before Detect, PF-TBD)存在采样粒子数目随空间维数呈指数增长、计算量急剧增加等问题,提出一种基于串行重采样改进的检测前跟踪算法(Serial Resampling Track Before Detect, SR-TBD)。所提算法通过对粒子状态的位置空间与速度空间进行串行采样,实现搜索帧间能量的有效积累,并降低状态维数造成计算量的增加,提升算法收敛速度。通过算法仿真与传统 PF-TBD 算法对比,表明本文提出的改进算法在算法收敛速度、运算量等方面均得到提升。     

改进的Loran-C同步干扰抑制高效自适应算法

针对目前Loran-C系统抑制同步干扰所采用的自适应算法存在运算量大、定位时间长 的缺点,提出了一种改进算法,即BMMax-NLMS算法,并对运算量进行了比较。通过建立Lora n-C信 号模型,运用改进算法对干扰信号进行自适应滤波。仿真结果表明,该算法能够在抑制同步 干扰的同时有效减少运算量。最后,利用实测数据进一步验证了这些结论。     

适用于空间定位的粒子滤波算法研究及实现

针对传统的移动节点定位方法主要应用在二维平面内的局限性,提出一种适用于三维空间定位的粒子滤波算法.考虑到移动节点定位的实时性,将算法用硬件实现.针对粒子滤波算法运算量大、并行度低的问题,对其进行改进,降低算法的计算复杂度,采用流水线架构,使整体运算速度变高,而且资源消耗较少.通过SystemC进行架构设计,进一步提高硬件设计的效率.最后在FPGA上完成算法的硬件实现,实验结果表明改进算法与硬件实现方案有良好的定位精度,硬件消耗为6 826个逻辑单元,平均执行时间降低了约1/3.     

基于波束空间的DBF协方差矩阵估计方法

该文对波束空间数字波束合成(Digital Beamforming,DBF)的前后向平滑协方差矩阵估计算法进行了改进,利用对称阵列特殊结构,把复数运算转化为实数运算,从而减少了运算量。文章介绍了算法的原理和实现过程,并分析了运算量。而仿真表明,改进算法在减少运算量的同时,保持了阵列抑制干扰性能。     

一种基于多普勒频率变化率单站无源定位的改进跟踪滤波算法

IMM-PF算法巨大的计算量影响跟踪的实时性,IMM-UKF由于线性化误差使得精度不高.针对这些问题,本文在基于多普勒频率变化率的单站无源定位问题的基础上提出了一种改进的交互式多模型滤波算法（IMMEK-UKFPF）,利用不同的模型匹配不同类型的滤波器,充分发挥了卡尔曼滤波和无迹卡尔曼滤波以及粒子滤波各自的优点.仿真结果表明该算法减少了跟踪定位所用时间,提高了计算效率,同时具有良好的跟踪性能和较强的鲁棒性.     

两种TBD算法在HPRF-PD雷达应用中的比较

在低信噪比环境中检测和跟踪运动目标是目标跟踪的重要内容,TBD是弱小目标检测与跟踪的有效方法,不同的TBD方法在检测跟踪性能及运算量上有不同的特点.针对HPRF-PD雷达的应用,建立了目标的动态模型和观测模型,给出了动态规划和粒子滤波TBD算法的原理及实现流程,并对各步骤的实现进行了详细说明,通过仿真实验比较了两种算法的检测、跟踪性能和运算量.仿真结果表明,动态规划TBD运算量较小,更易于实现,而粒子滤波TBD具有更好的跟踪性能,且在低信噪比下有较高的检测能力.     

利用CUDA快速实现IMM目标跟踪

根据二维空间内目标作匀速直线运动和匀速圆周运动的特点,在建立目标运动模型和观测模型的基础上采用基于交互多模算法（IMM）的卡尔曼滤波器对机动目标进行跟踪。但由于IMM算法存在大量的递归与矩阵运算,所以实时性降低,这也是工程上难以实现的原因。通过CUDA对算法进行加速实现,在不影响算法性能的基础上实时性大大提高。仿真结果表明,利用该架构实现的IMM算法不仅能够对匀速直线运动和匀速圆周运动的目标进行实时跟踪,而且在运动模型发生变化时,实时性也得到很大提升,滤波误差也比较小。     

基于RMMSE的自适应滤波算法分析

针对扩展目标的高分辨距离像估计问题,在考虑接收窗外强散射中心的影响条件下,研究了以最小均方误差(MMSE)为准则的自适应滤波方法,该算法通过迭代得到各个距离单元上的距离像估计值。文中通过仿真试验分析对比了RMMSE算法、匹配滤波算法和LS算法的性能。仿真结果证明,在接收窗外存在强散射中心的情况下,RMMSE算法能够有效提取目标多个散射中心。     

基于QPSO-WNN和模糊理论的电力系统短期负荷预测方法

电力系统的短期负荷预测是电力系统管理的一项重要方法,准确的负荷预测可以保证用户得到安全、经济的供电。针对负荷预测方法的多样性,在小波神经网络用于负荷预测的基础上,提出基于量子粒子群优化算法（QPSO）优化神经网络权值,并运用模糊理论进行修正。某电网负荷的拟合数据表明QPSO优化算法训练的神经网络不仅收敛速度明显加快,而且其预报精度也比较高。     

基于GPU的后向投影SAR成像算法

后向投影(BP)是一种精确的时域合成孔径雷达(SAR)成像算法,但是其巨大的运算量很难满足实时成像的要求,图形处理器(GPU)具有强大的浮点运算和高度的并行处理能力,为BP算法的实时成像提供了一个很好的平台。提出基于GPU的并行化BP算法,利用了四种优化方法对并行化BP算法进行加速,并且针对共享存储器的bank冲突问题提出了相应的解决方法,减少了共享存储器访问时间。最后给出仿真数据的成像结果,结果表明,与传统的基于CPU单线程的BP算法相比,成像速度可达到70倍以上的提升。     

一种耦合检测和JPDA滤波的多目标跟踪算法

传统雷达信号处理中对目标的检测和跟踪是割裂处理的,通常为先检测后跟踪(DBT);当目标的信噪比较低时,检测过程中将出现大量的虚警及漏检,使得后继的跟踪算法失效。针对这一问题,在联合处理检测和跟踪方法的基础上,提出了一种耦合贝叶斯检测和联合概率数据关联(JPDA)滤波的多目标跟踪算法(JPDAF-BD)。JPDA滤波器将目标的位置分布信息反馈到贝叶斯检测器,继而贝叶斯检测器将该反馈作为先验信息用于检测判决。仿真结果表明,所提出的JPDAF-BD算法较之传统DBT体制下的多目标跟踪算法(JPDAF-NP)有显著的性能提升,可以实现更低信噪比下的多目标检测和跟踪。     

CFE条件下基于循环维纳滤波的单通道分离算法

在航天测控数传（C＆T）信号中,频谱混叠的现象非常普遍,因此对频谱严重混叠的信号进行单通道盲分离成为信号处理领域中研究的热点和难点。基于线性-共轭-线性频移（LCL-FRESH）滤波的基本概念,考虑到在实际非合作通信应用中基于循环平稳的LCL-FRESH滤波依赖于较高的循环频率精度,然而循环频率误差（CFE）总是无可避免,提出了一种改进的CFE校正算法,简单分析了误差条件下滤波器性能下降的原因。仿真表明,所研究的算法可以有效分离存在CFE下时频重叠的数传通信信号。     

多传感器多目标联合概率数据关联研究

联合概率数据关联(JPDA)算法对单传感器多目标跟踪是一种良好的算法,但对于多传感器密集多目标跟踪,则计算量剧增,数据关联成功率下降。因此,改进联合概率数据关联(AJPDA)算法对多传感器多目标量测进行同源划分及单一传感器测量数据转换,然后采用JPDA算法求解空间目标轨迹交叉时的数据关联。仿真结果表明,AJPDA算法提高了成功关联概率,降低了求解数据关联概率的难度,可以解决密集目标的正确跟踪问题。     

无源双基地雷达动目标快速检测算法

在无源双基地雷达系统中,动目标的时延和多普勒频移估计是通过计算直达波信号和目标回波信号的互模糊函数来实现的。提出了首先利用级联积分梳状滤波器（CIC滤波器）对不同时延的互模糊函数进行抽取,然后进行FFT变换的动目标快速检测算法。CIC滤波器在数据抽取过程中能够有效抑制频率混叠干扰及通带信号衰减问题,同时由于信号采样频率的降低,FFT变换的频率分析范围将大大减小,从而明显提高信号处理速度。该算法可以从任意距离单元开始估计目标的多普勒频移,所以可以对数据进行并行处理,这将进一步提高信号检测和处理速度。最后,利用仿真数据验证了该算法的有效性。