基于TLS的相控阵雷达目标角度截获方法

本文提出了一种在相控阵雷达中利用总体最小二乘(TLS)估计进行目标角度截获,提取目标角度信息的方法.该方法不仅考虑了线性模型中观测向量的噪声扰动,而且考虑了数据矩阵中的噪声扰动,采用TLS估计的角度截获方法可以使包括观测向量误差和数据矩阵误差在内的误差矩阵达到Frobenius范数的最小值.     

机载有源无源传感器稳健融合方法

在机载有源无源情报融合处理中,很多条件很难满足中心式滤波的要求,比如一般情况下过程噪声是不正确的,或者不知道的.给出了几种稳健的Kalman滤波,这些方法主要针对运动方程或者观测方程中噪声信息未知或者噪声信息不准确的情况下,对数据进行融合.如果只是过程的信息未知,提出的自适应滤波,即是用观测信息对运动方程的噪声进行实时估计;如果运动方程和观测方程的噪声不准确,则可以采用H∞滤波进行噪声误差方差估计.     

模糊自适应滤波在捷联惯导初始对准中的应用

传统卡尔曼滤波应用于捷联惯导初始对准中由于模型参数、噪声的统计特性不确定,影响估计效果.而模糊自适应卡尔曼滤波能按照模糊推理原理逐步校正系统的观测噪声协方差阵,具体实现是通过观察残差的理论值是否接近于其实际值,系统调整观测噪声协方差的加权以达到修正观测噪声协方差阵的目的,进而提高系统的对准效率.在噪声统计特性未知时,比较了常规卡尔曼滤波与模糊自适应卡尔曼滤波在初始对准中的应用效果.仿真结果表明,这种算法能有效提高系统的滤波效果,是一种较理想的初始对准滤波方法.     

基于广义逆矩阵求解的空间飞行器的定位

对于双星观测平台的空间飞行器的位置估计,可通过给定的飞行器观测参数求出各平台对于空间飞行器的连线方程,利用两直线公共点的原理确定空间飞行器的位置坐标。然而,实际观测数据由于系统误差和常量误差,两条射线往往无法交汇在一起,对于该问题本文将建立数学模型,运用广义逆矩阵来求解矛盾方程组,估计空间飞行器的大致观测坐标。     

健康管理对老年冠心病危险因素治疗及控制率影响

捷联惯导系统(SINS)静基座初始对准中,过高的陀螺噪声不但导致系统状态方程非线性,也会使对失准角的估计不能收敛到真值.因此,提出了一种磁强计辅助对准方法,对系统观测方程的分析证明了该方法不仅可提高滤波精度,同时还可对磁场强度和磁倾角进行估计.非线性滤波采用平方根无迹卡尔曼滤波(SRUKF),SRUKF与无迹卡尔曼滤波(UKF)滤波精度相当,优于扩展卡尔曼滤波(EKF).相比UKF,SRUKF具有更高的计算效率和稳定性.仿真结果表明,该算法在陀螺噪声较高的情况下仍能满足SINS初始对准要求.     

PCA与K-SVD联合滤波方法的研究

针对早期的滤波方法,如线性的有高斯滤波、均值滤波、方框滤波等和非线性的如中值滤波、开闭运算等传统滤波方法是在像素级进行行列式的循环运算,运算繁琐,数据亢余和不能有效压缩图像进行数字化传播的缺点,提出一种基于PCA主成分图像融合后的K-SVD滤波方法的研究,有效弥补了单一K-SVD对椒盐噪声起不到良好滤波的缺点。首先对源图像进行多次的观测得到N幅含噪图像(既含有高斯噪声也含有椒盐噪声,都是加性噪声)。再对N幅含噪图像进行PCA主成分提取融合后进行K-SVD滤波(如果先进行K-SVD滤波的话会造成多幅图像的K-SVD的滤波,导致效率低且运算度冗余N倍)。这样有效消除了高斯噪声的干扰,还解决了K-SVD对椒盐噪声不敏感的缺陷,完成了在图像特征级数据去噪的研究。     

严重椒盐噪声污染图像的非线性滤波算法

针对灰度图像的椒盐噪声滤波问题，提出一种保细节的非线性滤波算法。利用局部统计信息，首先将图像像素点粗分为信号点、可能的正噪声点和可能的负噪声点3类，建立噪声标矩阵；然后再根据噪声标记矩阵的局部统计信息，将可能的噪声点细分为信号点、噪声点和不确定点3种类别，并分别采用不同的方法进行滤波，以保留更多的图像细节。结果表明，本文算法在去噪能力、自适应性以及保留细节等方面都明显比其它4种算法强，尤其是对于噪声高度污染图像的情况。     

基于随机加权估计的Sage自适应滤波及其在导航中的应用

为了克服Kalman滤波和Sage自适应滤波的缺点,在分析基于新息向量、残差向量和状态改正数向量的自适应协方差估计存在问题的基础上,提出根据新息向量、残差向量和状态改正数对滤波精度影响的不同程度,采用随机加权法对新息向量、残差向量和状态改正数进行估计,以得到观测噪声协方差矩阵和系统动态噪声协方差矩阵.进一步,利用随机加权法对观测噪声协方差阵和系统噪声协方差阵进行估计,以提高动态导航定位的滤波解算精度.研究结果表明,基于随机加权估计的Sage自适应滤波效果明显优于基于算术平均值估计的滤波方法.     

非线性Volterra系统的总体全解耦自适应滤波

研究输入、输出观测数据均受噪声干扰时的非线性Volterra系统的全解耦自适应滤波问题.基于总体最小二乘技术和Volterra滤波器的伪线性组合结构,运用约束优化问题的分析方法研究Volterra滤波过程,从而建立了一种总体全解耦自适应滤波算法.并建立了分析该算法收敛性能的参数反馈调整模型,分析表明,该算法可使各阶Volterra核稳定地收敛到真值.仿真实验的结果表明,当输入、输出观测数据均受噪声干扰时,总体全解耦自适应滤波算法的鲁棒抗噪性能和滤波精度均优于全解耦LMS自适应滤波算法.     

红外复杂背景中一种融合两类跟踪框架优点的小目标跟踪算法

提出了一种融合"滤波、数据关联"跟踪框架和"目标建模、定位"跟踪框架优点的红外复杂背景中小目标跟踪算法.在算法的具体设计中,提出了一种基于非线性量化核函数直方图的小目标建模方法和一种基于目标局部区域背景复杂程度Kalman滤波的当前帧目标模板更新策略.实践证明,此算法不仅降低了传统Mean-shift迭代算法对于小目标跟踪的不稳健性,而且具有比一般Kalman滤波器更强的抗跟踪系统观测噪声扰动的能力.     

光测设备引导数据的误差分析

在光测设备实时数据处理过程中,往往容易碰到由于数学模型建立不准确或滤波参数取值不合适,导致数据滤波预测效果不理想的情况。为了能建立较为准确的数学模型,较好地配置滤波参数,从而提高设备的测量精度,提出了一种基于现代误差理论的数据分析方法。通过对引导数据应用最小二乘拟合残差法、隐周期辨识法和基于AR(p)模型的相关噪声估计法等,将实际引导数据分离成理想轨迹、隐周期噪声,相关噪声和白噪声;然后,综合理想轨迹和随机噪声选用合适的滤波器,通过理想轨迹建立实时数据处理的数学模型、通过各随机噪声确定各滤波参数估计值。显然,这种基于数据分析方法的滤波器选择和滤波参数确定是更有针对性的,与传统的滤波器选取和参数现场试凑方法相比,也更为有效。     

大连地震台测震干扰频谱特征及去噪分析

利用大连地震台日常观测数据,对比人文噪声干扰强弱时段的噪声功率谱密度和地脉动噪声均方根(Root Mean Square,RMS)值等数据,分析干扰噪声的频谱特征.针对干扰频段进行滤波,以提高测震波形质量,清晰识别地震事件.     

基于t分布的概率矩阵三因式分解方法分析

阐述概率矩阵分解（PMF）广泛被应用于预测缺失值和数据聚类，它把观测数据看成是一个基矩阵和权重矩阵的乘积，这可能会降低模型的灵活性。目前常见的是高斯分布为先验的概率模型，但是高斯分布对于异常值比较敏感，而采用t分布先验的模型能减轻异常值的影响，具有更好地稳健性。为了提高模型的灵活性和稳健性，提出了t分布先验的概率矩阵三因式分解（TBMTF），将观测数据看成三个相互约束的潜在特征矩阵的乘积，假设噪声服从t分布，变分贝叶斯推断进行参数估计。相较于传统的PMF方法，TBMTF方法能更好地识别异常值并做出预测。基于人为数据和真实数据的实验表明，在人为数据的预测效果与真实数据中添加噪声后的预测效果，都表现优秀。     

模糊自适应滤波方法在相对导航系统中的应用

编队飞行中需要确定主机和从机之间的相对位置关系,就是要解决导航定位问题。针对无人机在编队飞行过程中由于机动性较大,惯性元器件测量容易出现偏差,进而影响系统的运动状态方程的情况,或者是在系统噪声与观测噪声的统计特性不能够准确得到的情况,提出了一种新的模糊自适应滤波方法。根据实时得到的量测新息的实际方差与理论方差的差值和量测新息的均值,按照判定条件选择适合的滤波方法,然后由设计的模糊推理系统在线实时调整系统噪声和量测噪声矩阵,或是调整状态误差协方差阵即强跟踪滤波,使无人机编队飞行即使在恶劣的环境下依然保持确定的队形不变。仿真结果表明,该算法具有较好的自适应效果。     

自适应卡尔曼定位算法在分布式MIMO系统应用

在实际的MIMO无线信道中存在各种杂波以及观测噪声的影响,若要实时精确的定位出移动目标的位置信息,观测噪声的随机性必然会造成定位偏差.为了克服这种偏差,通过Welch谱估计对测量噪声预处理的基础上,根据任意时刻三次卡尔曼滤波结果与距离阈值的比较自适应调整观测噪声协方差修正滤波增益矩阵,再利用EKF逐次迭代不断地更新MS的移动轨迹.最后与恒定观测噪声协方差EKF算法比较,结果显示该算法有效的降低观测噪声协方差对后续时刻估计值的影响,从而提高了定位精度.     

多传感器自适应滤波融合算法

该文提出了一种在线调整权值的多传感器自适应滤波数据融合跟踪算法,用于解决复杂背景下机动目标跟踪问题。首先自适应寻找各个传感器所对应的最优加权因子,确定融合后某一时刻目标最优观测值;其次,以输入信号作为相关自适应滤波器的观测信号,通过新息相关自适应滤波算法根据状态方程及观测方程中误差的变化,实时动态地调整增益矩阵,同时依据自适应滤波状态偏差输出信号及当前观测数据,应用模糊推理在线调整各传感器权值,最终系统输出即为测量轨迹在两级自适应调整融合下最优轨迹。仿真结果证明了算法有效性。     

雷达目标的交互多模跟踪

本文讨论了当雷达测量数据受到闪烁噪声干扰时所采用的交互多模方法。交互多模方法是当系统或观测模型出现不确定性时的一种有效的针对方法。并证明了它比所谓的“得分函数”非线性滤波算法性能优越。还证明了在对闪烁噪声先验信息了解得不充分时它工作稳健,而其他一些方法却要求对闪烁噪声更加精确的统计知识。     

径向速度量测在机动目标跟踪中的应用

针对机动目标跟踪问题,提出了一种引入径向速度量测的IMM滤波跟踪新方法.首先给出了观测数据的无偏坐标变换,由此得出位置坐标观测噪声的协方差矩阵.然后对引入径向速度量测的交互多模滤波跟踪算法进行了理论分析,最后进行了仿真实验.仿真结果表明,由于速度观测值提供了有关目标运动的更进一步的信息,从而使跟踪性能得到了较大的改善.     

红外星图预处理及星点定位精度分析

红外星图是白天观星获取的原始数据,图中含有单点噪声和条纹噪声等多种噪声,严重影响了后续的星点提取和质心定位。针对外场观星获取的红外星图,进行了星图预处理,并分析了星点定位精度。提出了单点噪声的检测与补偿算法和条纹噪声的列均值偏移校正（CMOC）算法,还采用Wiener2 和Top-hat 组合滤波方法对星图进行进一步滤波去噪,最后使用在观测星图中加入理想模拟星点的方法计算了星点定位精度。实验结果表明,预处理算法有效抑制了红外星图中的各种噪声,星点目标峰值信噪比最多由4.7 提高到了31.3,模拟的2 等星的星点定位标准偏差量级为1/30 pixel 水平,满足工程应用的精度要求。     

基于双边滤波的极化SAR 相干斑抑制

在对极化SAR 数据进行相干斑抑制过程中,保持其极化信息是首要考虑的问题,而对极化SAR 数据各元素进行独立的滤波是不可取。依据极化SAR 数据形式及噪声模型,该文将双边滤波推广至极化SAR 数据处理,推导出一种新的相似性距离度量公式,所提方法可以直接对极化协方差矩阵C 或极化相干矩阵T 进行处理。该方法能够保持极化信息,有效地抑制相干斑,同时能够更好地保持点目标、纹理结构等,在处理大幅面的极化SAR数据时简单、快速、有效。