DS扩频系统抗多窄带干扰方法研究

针对AR过程的窄带干扰,本文构建了DS扩频系统多窄带干扰下的信号模型,给出了统一的观测模型,并用线性、非线性滤波方法对其进行干扰抑制。仿真结果表明,所建模型是有效的,而且滤波方法对多个窄带干扰仍有很好的抑制性能,且非线性滤波的性能要优于线性滤波。     

静止图像的一种混合滤波及其改进算法

本文结合线性滤波器和非线性滤波器的优点，提出了一种基于线性、非线性的混合滤波算法。该算法比均值滤波器和中值滤波器具有更好的抑制噪声的，能较好地保持图像的边缘，反映图像的几何结构和细节特性。在此基础上又提出了改进算法及其快速实现，进一步改善了滤波性能。该滤波器计算量适中，具有较好的实时性。     

鲁棒频域样条优先自适应滤波算法及性能分析

样条自适应滤波结构由线性滤波器和样条插值机制级联组成，是解决Wiener-Hammerstein模型系统辨识的一类有效方案。在非线性系统辨识问题中，随着滤波器阶数增加，将增大时域样条自适应滤波算法的计算复杂度，造成计算效率的降低，且系统附加的非Gaussian噪声会对最小均方算法的样条自适应滤波器性能造成不良影响，导致算法的性能恶化甚至失效。为处理非Gaussian噪声干扰和提高长脉冲响应系统辨识的计算效率，本文结合最大熵准则和频域策略应用于样条自适应滤波器中，并在样条自适应滤波结构中分别采用不同的误差信号对线性部分和非线性部分进行优化，提出了一种鲁棒频域样条优先自适应滤波算法。该算法在滤波前利用非线性系统辨识的不变性原理对未知系统进行优先的有限脉冲响应辨识，可提高非线性系统辨识的精度；通过最大熵准则使算法在非Gaussian噪声环境下具有稳健性，以降低更新过程对大异常值的敏感性；并将线性卷积和线性相关运算通过重叠存储的快速Fourier变换方式进行计算，显著提升了算法的计算效率。此外，本文对所提出的自适应算法进行了收敛性和稳态性能分析，并推导出该算法的理论稳态额外均方误差。最后，通过...     

一种散斑模式的噪声统计模型与自适应滤波方法

本文介绍了一种实际散斑模式的数学模型和噪声统计模型，并提出了一种针对这种模型的自适应次优滤波方法。文中在分析了散斑模式及其噪声性质的基础上，利用其局部方向性特征，结合最优线性滤波器和非线性滤波器的特点，对线性最小均方误差滤波器进行了自适应逼近，实验结果表明，对散斑模式而言，本文的滤波方法与其它常用的图象滤波方法相比，具有更好的去噪和边缘保护性能，并且具有较好的滤波韧性。     

基于形态滤波的基音检测新方法

提出了一种数字形态滤波与数字低通滤波器相结合作为基音检测预处理的基音检测新方法，本方法是线性滤波与非线性滤波相结合的一种新的尝试。实验结果表明，该方法可以得到比传统自相关法和倒谱法更好的结果，尤其是清浊音特征不明显的音段，基音检测的性能更好。     

粒子滤波及其改进算法的比较

针对非线性、非高斯问题,建立了动态状态空间模型,详细分析了贝叶斯滤波的原理。对于满足线性和高斯的状态空间模型,卡尔曼滤波性能是最优的。但是,真实世界的非线性、非高斯问题存在,使得人们不得不寻找一种更好的滤波方法。解决非线性滤波问题最普遍的方法就是扩展卡尔曼滤波。但扩展卡尔曼滤波只适合弱非线性系统,对于强非线性系统,容易导致滤波发散。因而介绍了适用于强非线性、无高斯约束的基于序列蒙特卡罗算法的粒子滤波波器及其改进算法规则化粒子滤波器。最后对上述几种滤波器进行了性能仿真及分析。     

改进的交互式多模型粒子滤波跟踪算法

通常的交互多模型卡尔曼滤波(IMMKF)或交互多模型扩展卡尔曼滤波(IMMEKF)对于非高斯问题无能为力;对于非线性问题,其性能不及交互多模型粒子滤波算法(IMMPF)。粒子滤波能够处理非线性/非高斯问题,其与交互式多模型结合用来获得更好的跟踪性能。然而,粒子滤波的主要问题是巨大的计算量,由于粒子滤波通常采用大量的粒子数目,将带来很大的计算负荷。该文提出了一种改进的交互多模型粒子滤波算法,其利用多模型综合使用了卡尔曼滤波和粒子滤波,与常规交互式多模型粒子滤波(IMMPF)相比,大大改善了计算效率。对于非线性/非高斯问题,其性能与IMMPF相当;对于线性问题,其性能与IMMEKF相当,并优于IMMPF的性能。     

基于T-S模糊模型的非线性系统状态估计

现实世界中的动力系统大多是非线性的,而非线性系统的状态估计方法目前主要有扩展卡尔曼滤波,无味滤波,粒子滤波等,但它们对于非线性程度很高的系统滤波结果不是很理想。若用模糊规则模型去逼近非线性系统,基于规则理论去寻求状态的估计,则估计性能能够得到较大的改善。将模糊推理理论与Kalman滤波结合,用线性的方法逼近非线性模型,提出一种对非线性系统目标状态估计的新方法,给出了具体的处理过程,仿真实验支持理论结果     

稀疏自适应Volterra滤波的QRD-RLS算法

求解非线性问题时,非线性Volterra滤波的性能明显优于线性滤波;稀疏结构Voherra滤波器有效降低了Volterra滤波的工程应用复杂度;本文针对稀疏Volterra滤波,改进了基于QR分解的RLS算法,在更换滤波器抽头的时候保留了先前的数据信息,从而加速当前抽头的收敛,加快了滤波器核矢量的更新和替换.仿真结果表明改进的QRD-RKS算法具有快速自适应能力;一同验证了稀疏Volterra滤波的有效性.     

混合粒子流滤波的非线性系统参数估计算法北大核心CSCD

为了提高强环境噪声下非线性系统估计性能,基于粒子流滤波对非线性系统估计能力强的特点,文中首先利用粒子流滤波粗估计状态向量;然后,利用卡尔曼滤波平滑由强环境噪声所导致的状态向量估计误差;最后,得到混合粒子流滤波算法。对转移方程为线性而测量方程为非线性的系统估计仿真实验表明:文中算法的参数估计精度高于普通粒子流滤波算法和粒子滤波算法,计算复杂度和普通粒子流滤波算法相当且低于粒子滤波算法。     

基于非线性滤波器的FBG解调系统的研究

传统的光纤Bragg光栅(FBG)滤波解调系统解调精度 较低,且线性滤波器的滤波曲线不是严格 的线性。从理论推导了基于线性滤波器的解调系统中滤波光和直接探测光光功率的比 值和滤波器的 透过率函数成正比。而传统的线性滤波解调方法过于理想化,为了修正这一问题,根据理论 推导对波长和 比值的关系按非线性滤波解调处理。实验结果表明,非线性解调 系统的温度解调精度高于线性解调系统,一定程度上提高了解调系统的精度。而且线性滤波 器的FBG解调 系统中几乎全部采用实际波长进行解调,本文在非线性滤波解调系统中引入虚拟波长的概念 ,对基于线性 滤波系统或非线性滤波系统的FBG系统进行解调,从而可以不用对实际波长的变化进行标定 而直接解调出FBG所处环境温度的变化。     

非线性滤波及其在组合导航系统中的应用

非线性滤波理论的研究在近年来取得了很大的进展，相继出现了一些次优和最优的非线性滤波算法。本文首先对滤波理论的研究现状作了一个系统的总结，同时对现有各种非线性滤波方法的效率和精度进行了认真的分析和比较，在此基础上，指出了未来非线性滤波的发展趋势，最后针对组合导航系统自身的特点，介绍了近年来涌现同来的与之相关的各种滤波算法，通过对各种算法性能的比较，揭示了组合导航系统中非线性滤波技术的未来发展方向。     

无迹卡尔曼滤波算法在目标跟踪中的研究

无迹卡尔曼滤波(UKF)是重要的非线性滤波方法。无迹卡尔曼滤波方法是通过一组代表着均值和方差分布的采样点来对非线性系统进行非线性计算,在不对非线性方程线性近似的条件下,达到线性卡尔曼滤波器的滤波性能。文中在机动目标选定运动模型和滤波算法的基础上,对机动目标的运动作了仿真实验。从仿真分析中可以看出,无迹卡尔曼滤波在跟踪方面有很高的精度,与传统的扩展卡尔曼滤波算法相比较,无迹卡尔曼滤波算法有较小的跟踪误差。     

扩频通信中干扰抑制的自适应非线性滤波技术

本文研究了自适应非线性滤波在直扩通信中抑制窄带干扰的应用，修正了Ｖｉｊａｙａｎ和Ｐｏｏｒ所采用的抽头更新算法，使非线性滤波的性能明显改善，同时把自适应非线性横向滤波结构，推广到Ｌａｔｔｉｃｅ结构，提高了收敛速度。     

大失准角下SINS的KF/EKF2混合滤波对准

针对捷联惯导系统(SINS)大失准角下滤波对准过程中非线性滤波器状态维数过大的问题,提出了一种基于模型分解的卡尔曼滤波/二阶扩展卡尔曼滤波(KF/EKF2)混合滤波方法,将基于欧拉平台误差角的非线性滤波模型分解为线性部分和非线性部分,分别采用线性KF滤波和非线性EKF2滤波处理,并且设计了混合滤波的滤波步骤。实验结果表明,KF/EKF2混合滤波算法在计算量、实时性及精度等方面优于最常用的无迹卡尔曼滤波(UKF)和EKF2滤波。     

一种变步长LMS自适应滤波算法

本文基于对最速下降法梯度的优化估值，提出了线性－指数自适应滤波算法。文中指出：对最速下降法的梯度优化估值和对误差信号非线性处理，是改善ＬＭＳ算法性能的等同措施。文中的理论分析与计算机模拟结果都证实了Ｌ。Ｅ算法的性能优于１所提出的线性－符号算法。理论分析与计算结果吻合较好。     

奇异值分解抑制窄带干扰的非线性方法

提出了一种联合奇异值分解(SVD)和非线性滤波抑制直接序列扩频通信(DS/SS)中单音干扰的方法,建立了相应的系统模型。并对传统的线性双边滤波器的信噪比增进因子和误码率进行了比较。仿真结果表明,奇异值分解的非线性滤波方法对干扰有很强的抑制能力,较好地改善了系统的性能。     

扩展容积卡尔曼滤波-卡尔曼滤波组合算法

传统单一线性或非线性滤波方法往往难以获得最优线性/非线性混合动态系统状态估计,针对这一问题,结合卡尔曼滤波（KF）方法可获得线性状态估计最优解、计算量小等优势,提出了一种基于KF和扩展容积卡尔曼滤波（A-CKF）的组合滤波方法。该方法将系统状态分解为线性状态与非线性状态两部分,分别采用KF和简化两次扩展容积卡尔曼滤波（STA-CKF）方法进行系统状态估计。机动目标跟踪和捷联惯性导航系统非线性对准仿真结果表明,相比于Rao-Blackwellized粒子滤波方法,新方法在保证滤波精度的前提下,使得计算成本有效降低;相比于STA-CKF方法,新方法在滤波精度和滤波实时性方面均得到明显提高。     

一种直扩通信窄带干扰抑制的自适应滤波技术

文中研究了自适应非线性滤波在直扩通信中抑制窄带干扰的应用,采用修正LMS(MLMS)自适应滤波算法对窄带干扰进行抑制,并运用ACM滤波非线性函数进行非线性处理,使滤波性能明显改善.最后用MATLAB仿真自适应滤波过程,验证了算法的滤波性能.     

一种散斑模式的噪声统计模型与自适应滤波方法

本文介绍了一种实际散斑模式的数学模型和噪声统计模型,并提出了一种针对这种模型的自适应次优滤波方法。文中在分析了散斑模式及其噪声性质的基础上,利用其局部方向性特征,结合最优线性滤波器和非线性滤波器的特点,对线性最小均方误差滤波器进行了自适应逼近。实验结果表明,对散斑模式而言,本文的滤波方法与其它常用的图象滤波方法相比,具有更好的去噪和边缘保护性能,并且具有较好的滤波韧性。