一阶离散Markov信号的顽健滤波

对一阶Ｍａｒｋｏｖ信号的最佳滤波问题进行了讨论。基于Ｗｉｅｎｅｒ滤波理论，给出了一种新的顽健滤波公式。利用它，可以对信号中的脉冲噪声加以有效的清除。     

基于时频分析与形态学滤波的跳频参数估计

针对跳频信号侦察中的参数估计问题,在对跳频信号进行平滑伪Wigner-Ville分布（SPWVD）处理的基础上,提出了一种基于数学形态学滤波的跳频参数估计方法.该方法首先对跳频信号的SPWVD时频图进行阈值分割,转化为二值图;通过形态学滤波和细化提取时频脊线,从而估计跳频信号参数.仿真结果表明：与直接利用SPWVD变换后峰值提取脊线的方法相比,该方法具有更高的估计精度.     

一阶离散Markov信号的顽健滤波

对一阶 Ｍａｒｋｏｖ 信号的最佳滤波问题进行了讨论．基于 Ｗｉｅｎｅｒ 滤波理论,给出了一种新的顽健滤波公式．利用它,可以对信号中的脉冲噪声加以有效的清除．     

基于粒子滤波的跳频信号频率跟踪方法

针对跳频信号的参数估计问题,提出一种基于粒子滤波的跳频信号频率实时跟踪方法.首先建立以跳频瞬时频率为系统状态的状态空间模型,然后通过基本粒子滤波算法序贯重要性重采样（sequential importance resampling,SIR）实现了对跳频信号频率的后验概率密度估计,进而得到频率的实时估计;为进一步提高粒子滤波的跟踪性能,提出一种基于ESPRIT辅助的粒子滤波（auxiliary esprit particle filtering,AESPRIT-PF）算法.仿真实验分析了在不同信噪比和不同粒子数目下算法的跟踪性能,结果表明该算法具有稳健的跳频频率实时跟踪能力,是一种有效的跳频信号参数估计方法.     

微弱高频CW信号的自适应滤波

高频电报(CW)是强噪声背景下战术应急通信的主要工作方式,由于高频信道是典型的随参信道,不可能事先已知干扰噪声的统计特性。该文提出了一种基于ARMA新息模型的CW信号自适应Kalman滤波方法,以解决高斯背景下高频电报系统干扰噪声方差未知的问题。根据CW信号的时频域特征定义状态空间随机信号模型,构造ARMA新息模型,通过在线辨识新息模型参数来估计Kalman滤波增益,实现CW信号的自适应跟踪滤波。仿真结果表明,该方法能够有效估计微弱高频CW信号时域波形,算法可递推实现,实时性强。     

一种新的非线性非高斯信号分离方法

提出一种基于粒子滤波的非线性非高斯信号分离方法.该方法依据状态空间模型把信号分离问题转化为信号的状态和参数的联合估计问题,利用粒子滤波方法,结合核平滑收缩技术拟合系统未知参数后验分布,以实现非线性系统中多路信号的分离.仿真结果表明,与现有分离算法相比,该方法能有效解决非线性非高斯系统中多路信号的分离问题,并提高未知参数的估计精度.     

一种新的自适应信号处理方法——Gamma滤波

研究了一种新的自适应信号处理方法──Ｇａｍｍａ滤波．文中导出了Ｇａｍｍａ滤波的Ｗｉｅｎｅｒ－Ｈｏｐｆ方程；提出了一种对子Ｇａｍｍａ滤波的ＬＭＳ自适应算法，并对其进行了分析．最后给出了一组应用实例及仿真结果．     

不确知多变量系统的自适应滤波器

本文提出了有关信号统计特性未知时多变量系统动态方程的一种自适应滤波方法.通常,不确知多变量系统输出量的估计分为两步:一是辨识系统;二是估计输出量.这种方法无法用于实时控制.为了提高计算速度,本文提出无需进行参数辨识的自适应滤波算法.为估计输出量,采用向量多项式最小二乘法拟合系统的过程变量.     

基于粒子滤波的全息检测技术的研究

在日益复杂的电磁环境下,提高侦测系统的性能一直是研究的重点。针对侦测系统性能低这一背景,提出一种基于粒子滤波算法的全息检测器。该方法以接收信号的幅度、载波频率、相位、来波方向为待估计参数矢量,应用粒子滤波算法实现对数字信号的全息检测。     

线性离散奇异系统的最优估计新方法

讨论了线性离散奇异系统的状态估计问题.在系统正则的前提下,将奇异系统的滤波估计问题转化为系统状态噪声带有前向时滞的滤波估计问题,基于等价系统的新息分析及射影定理,通过求解两个耦合的Riccati方程求得等价系统的滤波估计器,最终得到与原始奇异系统状态同维的预报,滤波,及平滑估计器.     

基于MPSK信号频偏估计的非线性滤波算法

基于MPSK信号的非线性频偏估计算法，通过对叠加了高斯分布白噪声接收信号的非线性交换分析，将非线性滤波(中值滤波)算法应用于载波频率估计之中．运用Monte Carlo仿真手段对其进行了验证，结果表明，在非线性频率估计中运用中值滤波算法后，其估计的均方误差较之运用均值滤波算法有很大的改善．     

内模控制器及其参数整定

本文将ＩＭＣ应用于二阶加纯滞后对象，为改善内模控制自适应能力，采用自适应滤波ＬＭＳ算法对受控对象的模型参数进行在线估计以增强系统的鲁棒性，提高应付时变系统的能力。     

线性离散奇异系统的最优估计新方法

讨论了线性离散奇异系统的状态估计问题. 在系统正则的前提下, 将奇异系统的滤波估计问题转化为系统状态噪声带有前向时滞的滤波估计问题, 基于等价系统的新息分析及射影定理, 通过求解两个耦合的Riccati方程求得等价系统的滤波估计器, 最终得到与原始奇异系统状态同维的预报, 滤波, 及平滑估计器.     

基于滤波和递推的Hammerstein非线性系统估计与控制（英文）

本文提出一种基于滤波和递推的含测量噪声的Hammerstein系统参数估计与工业控制方法。Hammerstein非线性系统由神经模糊模型和线性状态空间模型组成,并利用由阶跃信号和随机信号组成的混合信号估计Hammerstein系统参数。首先,利用阶跃信号不激发静态非线性系统的特性,即Hammerstein系统的中间变量与输入具有不同幅值的阶跃信号,从而未知的中间变量可以利用输入替代,解决了中间变量信息不可测量问题。因此,基于设计的阶跃信号,利用递推增广最小二乘（RELS）算法估计状态空间模型参数。其次,为了有效处理测量噪声的干扰,引入数据滤波技术,并利用滤波RELS算法和聚类算法估计神经模糊模型参数。最后,利用Hammerstein系统的特殊结构,将非线性系统控制简化为线性系统控制,从而利用线性控制器进行控制。通过两个工业仿真案例验证了所提方法和控制策略的有效性和可行性。     

基于分段常值的贝叶斯状态估计滤波算法

针对上有高斯噪声的非线性随机系统状态估计问题,提出了一种基于分段常值的贝叶斯状态估计滤波算法。本文对此种滤波算法的误差进行了分析。并且对地形辅助导航定位系统的应用进行了仿真,仿真结果表明基于分段常值的贝叶斯状态估计滤波算法是一种鲁棒性很强的滤波算法。     

滤波多音系统盲载波频偏估计算法

针对现有算法估计范围较小的问题,提出了一种基于接收端两倍过采样的盲载波频偏估计算法,算法利用两倍过采样接收信号的自相关函数对频偏进行估计。理论分析和仿真表明,与现有算法相比,文章算法估计范围较大且不需要已知滤波器参数。并且,还具有对定时偏差不敏感,适用于严格采样滤波多音系统等优点。     

基于自适应卡尔曼滤波加速度与位移融合的结构位移实时估计

实时高精度位移测量在工程结构的安全和寿命评估方面有着重要作用。为提高基于全球导航卫星系统技术的位移测量的精度及稳定性,本文提出了一种融合加速度和位移数据的自适应多速率卡尔曼滤波方法,来实时获取精度提升的位移信息。由于不合理的噪声参数设置会使位移估计的精度严重下降,本文利用加速度和位移数据测量噪声各自的特点,以分开估计相应噪声方差的思路来实现自适应估计。考虑传感器噪声的性质,自适应滤波中对噪声参数的估计可简化为仅对位移噪声方差进行估计。利用Sage-Husa估计器实现位移噪声方差的自适应估计,使滤波能在噪声参数未准确获知的情况下进行稳定的位移实时估计。首先,讨论了自适应滤波中初始噪声参数的影响,确定了初始系统噪声参数的选取原则。然后,分别在时不变与时变位移噪声环境下,观察该滤波应用于不同频率的谐波位移信息下的估计性能。最后,以某1.5MW风电塔在风-地震耦合作用下塔顶结构响应的数值模拟,来说明本文的自适应滤波在一般工程结构应用中的有效性。结果表明,即使初始噪声参数设置有误或位移噪声具有时变性,本文方法依然具有较好的估计效果及鲁棒性。上述研究成果可为结构实时高精度位移监测提供一定理论支撑与参考。     

离散线性系统的岭型Kalman滤波及其算法

从空间几何的角度分析了Kalman滤波中的病态性问题,提出了离散线性系统的岭型Kalman滤波及其算法,讨论了岭型Kalman滤波的性质,给出了选取岭参数的两种方法;数值模拟证明所给出的新算法能够有效改善观测矩阵的病态性对Kalman滤波的不良影响,提高了状态估计的精度。     

非线性信道下一种自适应进化粒子滤波盲均衡方法

对于高功率放大器引起卫星信道非线性失真问题,提出了一种自适应进化粒子滤波盲均衡方法。该算法利用粒子滤波对信道参数及发送符号进行联合后验估计,通过对粒子自适应引导变异,克服了标准粒子滤波算法中样本退化的现象,使新方法具有更好的盲均衡性能。仿真结果表明,与标准粒子滤波相比,该方法能够更精确地估计信道参数,且误码率性能也有所改善。     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman撼波器池结构，设计了使用遗传算法的自适应Kalman滤波器，给出了离线和在线两种实现方案．离线方案以辨识滤波参数为主要目的，进而可以对状态进行较准确的事后估计；在线方案以实时地对状态进行估计为目的．对滤波参数寻优使用具有良好性能的浮点数编码遗传算法，该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强．仿真结果验证了所提出的自适应Kalman滤波器的有效性．