基于扩展Kalman滤波算法实现定轨

在只考虑重力场作用和大气阻力作用的情况下,建立卫星简化动力学模型。研究基于扩展Kalman滤波的星载GPS定轨,根据GPS观测数据结合简化动力学对卫星状态进行最优估计。在J2000坐标系下,使用STK软件模拟的轨道数据进行定轨仿真。结果表明,该算法能够大幅度提高定轨位置和速度的精度。     

Kalman 滤波方法在雷达视频脉冲信号分选中的分析与应用

论述使用Kalman滤波方法对雷达视频脉冲列进行分析和去交错,分析了Kalman滤波方法中随机抖动噪声和测量系统中的噪声对滤波结果的影响,并对结果进行了计算机仿真,同时给出了一种应用方法。     

基于粒子滤波和滑动平均扩展Kalman滤波的多径估计算法

多径干扰是高精度定位的主要误差源,估计多径参数对消除多径误差,提高导航系统定位精度具有重要意义。针对扩展Kalman滤波(EKF)在进行多径参数估计时,存在对初值敏感,估计结果在真值附近具有较大波动的缺点,该文提出一种基于粒子滤波(PF)和滑动平均EKF的多径估计算法。该算法首先利用PF得到多径参数的粗略估计值,并将该值作为EKF的初始估计值,以克服EKF对初值敏感的问题。接着对EKF的估计结果进行滑动平均,并将平均后的滤波结果作为多径参数的估计结果。仿真结果表明,改进后的多径估计算法可有效降低估计结果的波动幅度,同时解决了EKF对初值敏感的问题。     

基于Kalman滤波的旁路雷达信号优化研究

雷达旁路模式是航管雷达信号正常处理模式之外的一路备用处理模式,在该模式下雷达信号直接输出,其显示效果不甚理想.在详细分析该系统的基础上,通过增加旁路雷达信号优化服务器,对截获的雷达信号进行检错及插值外推处理,综合运用航迹跟踪滤波,优化了雷达信号,增强了目标显示的准确度和画面输出效果.     

基于Kalman滤波的盲多用户检测算法

盲多用户检测技术是第三代移动通信的关键技术,本文仿真分析了DS-CDMA通信系统中盲多用户检测的Kalman滤波算法的性能.并且将子空间算法和Kalman滤波算法进行结合,使得盲多用户检测的Kalman滤波算法的计算量大大降低.     

基于扩展Kalman滤波的双基地声呐目标轨迹跟踪

研究了扩展Kalman滤波理论,给出了双基地声呐系统的测距模型,推导了基于双基地声呐系统距离信息的目标轨迹跟踪方法,给出了扩展Kalman滤波算法的模型,并对算法进行了仿真研究,验证了给出方法的有效性。     

基于Box-Jenkins预报的Kalman滤波算法研究

提出了一种基于Box-Jenkins预报的自适应Kalman滤波算法,该方法具有数值稳定性好、存储量小的优点,克服了发散的缺点,具有较强的自适应性.理论分析和仿真结果均证明,该方法是可行有效的.     

基于扩展Kalman滤波的双基地声Ⅱ内目标轨迹跟踪

研究了扩展Kalman滤波理论,给出了双基地声呐系统的测距模型,推导了基于双基地声呐系统距离信息的目标轨迹跟踪方法,给出了扩展Kalman滤波算法的模型,并对算法进行了仿真研究,验证了给出方法的有效性.     

新型自适应Kalman滤波算法及其应用

为防止滤波发散和提高系统的实时性,提出了一种新的自适应Kalman滤波算法.该算法利用滤波异常判据获得一个滤波状态因子,通过滤波状态因子确定量测噪声协方差阵的值,在线调整噪声的统计特性实现自适应滤波.将该算法应用到惯导/双星组合导航系统中,并和常规Kalman滤波和简化的Sage-Husa自适应滤波算法进行仿真比较.仿真结果表明,在滤波精度与简化Sage-Husa自适应滤波相当的情况下,新算法简化了运算,提高了实时性.     

一种基于BFSN聚类的多参数综合分选算法

为克服传统信号分选算法的局限性，本文提出了一种多参数的综合分选算法。该算法利用数据挖掘中聚类技术的特殊性能进行预分选，并与常用的PRI分选算法结合，可用于常规雷达和特殊雷达的信号分选。在文章的最后，用仿真结果验证此算法的有效性。     

一种基于改进网格聚类的雷达信号分选算法

将网格聚类算法用于雷达信号分选,针对传统网格聚类算法执行效率不高,聚类精度低等问题,对传统网格聚类算法进行了改进,最后通过仿真实验验证了改进算法有效性和先进性。     

一种自适应容差的雷达信号分选聚类算法

雷达信号分选的目的就是从交错的、密集复杂的脉冲信号流中提取出同一辐射源的脉冲序列。战场环境中信号流的密集性,信号形式的复杂性,给信号分选带来了严重的挑战。面对如此复杂的信号环境,传统的基于直方图统计的雷达信号分选算法的分选结果可信度越来越差。在聚类雷达信号分选算法的基础之上提出了一种自适应容差的雷达信号聚类算法,克服了传统的雷达信号聚类分选算法中容差选择困难的问题。仿真结果表明该方法能够准确地分选出各个辐射源的脉冲序列。     

An extended inverse QR adaptive filtering algorithm

A so-called inverse QR algorithm was recently introduced for recursive adaptive filtering under the exponentially weighted least-squares criterion. It has some attractive features, including the absence of inversions. The extension to the multi-channel case does require inversion however. We present a new derivation of the inverse QR algorithm, based on the technique of Sayed and Kailath, for reformulating the above adaptive filtering problem as a state-space estimation problem. A well-known square-root covariance algorithm for the latter problem is shown to directly give (a multi-channel version of) the inverse QR algorithm. A new extended square-root covariance algorithm is then applied to get a new inversion-free ‘extended inverse QR’ algorithm, even in the multi-channel case.     

基于新的特征向量和Kalman的复杂体制雷达合批算法

通过引入一种在分选中常出现增批现象的复杂体制雷达,在对其脉冲描述字的特点分析上指出了现有合批处理算法无法有效对其合批处理的原因。提出适合该雷达样式的新的特征向量。基于这个特征向量给出了一种基于Kalman的合批处理算法。仿真验证了该算法的有效性。     

基于扩展卡尔曼滤波算法的无人机定位

无人机的移动定位是应对无人机机动性和应用环境复杂性的关键技术.为解决无人机中的全球定位系统(GPS)信号失效问题,提出了一种通过机载无线射频的接收信号强度解决定位问题的技术,分别采用扩展卡尔曼滤波方法估计距离和最小二乘方法估计路径损耗因子两种处理方法.理论分析和实验测试结果证实所提算法对有色噪声干扰下的接收信号有较好的增强效果,基于80％的置信水平,新算法相对于白噪声模型将估算误差从9.5 m减少到了4 m,还进一步提供了融合惯性导航的算法.     

基于扩展卡尔曼滤波器的车道线检测算法

提出一种将道路结构模型信息与扩展卡尔曼滤波器(EKF,extended Kalman filter)相结合的车道线检测算法。基于扫描线的自适应边缘检测算子进行边缘点的检测,针对车道模型建立了适合算法的自定义参数空间,进行边缘点的投票,提取出候选车道线,解决了传统Hough变换中处理速度慢的问题。根据道路几何学和车辆动力学建立新的车道模型,增加了车道信息待估计的参数,并利用车道线的特征约束排除干扰线得到车道线的内边界,结合EKF对车道线边界点坐标参数进行跟踪估计,以保证算法的稳定性与鲁棒性。实验结果表明,本文算法能够处理绝大多数的复杂车道情况,在实时性、鲁棒性和检测率上都取得很好的效果。     

基于扩展卡尔曼滤波的GPS动态测速算法

为使车载GPS测速精度满足应用于汽车电子控制系统的要求,提出一种对包含白噪声的时变GPS位置数据采用扩展卡尔曼滤波进行测速算法。通过扩展卡尔曼滤波和位差法融合对实车采集到的汽车位置等信息进行处理得到行车速度。通过实验结果对比分析,基于扩展卡尔曼滤波的测速算法比位置差分法的均方差提高了92.499%,测速精度明显提升。     

基于自适应Kalman滤波的二维有噪子带信号恢复

基于子带信号的多通道表示（multichannel representation)和输入信号的动态特征,本文尝试推出了一种多分辨率状态空间模型,它与带相加子带噪声的滤波器组（Filter Bank)系统是等价的,于是使有噪子带信号的恢复可表述为相应多分辨率态空间模型的最优状态估计问题。进一步又利用信号的向量动态模型,发展了适于二维Kalman滤波的二维多分辨率状态空间模型,根据信号行为的分布,目标平面（object plane)可分割为不同的区域并用不同的向量动态模型来表征信号的非平衡分布,计算机数字仿真结果进一步证实了本文所提出了二维多分辨率Kalman滤波器性能的优越性。     

基于卡尔曼滤波的机动目标外推预测的研究

卡尔曼滤波在各个领域都有广泛的应用,如航天器的轨道计算、雷达目标跟踪、生产过程的自动控制等。卡尔曼滤波器在机动目标跟踪中具有良好的性能,是一种最佳估计并能够进行递推计算。为了研究卡尔曼滤波对机动目标的预测,首先用Matlab仿真验证自适应卡尔曼滤波的跟踪滤波能力,根据结果判定目标运动模型,进而在此运动模型下用卡尔曼预测对目标进行外推验证。