单传感器单模型动脉系统多尺度分解与估计新算法

本文将基于模型的动态系统分析方法与具有统计特性的多尺度信号变换方法相结合，基于某一尺度上给定的单传感器单模型动态系统，建立起一个新的多尺度动脉模型，基于建立的多尺度模型和标准Kalman滤波，提出一个能同时对随机信号进行多尺度分解与多尺度估计的新算法，获得比仅在原始尺度上进行Kalman滤波好的处理效果，应用Monte Carlo仿真验证了算法的有效性。     

单传感器多尺度状态融合估计算法

该文在离散小波变换理论和动态多尺度系统理论的基础上,建立了一种基于单传感器的多尺度状态融合估计新算法。该方法利用离散小波变换,对Kalman滤波模型的状态方程和观测方程分别进行多尺度处理,构建多尺度Kalman滤波模型,充分利用状态估计和观测数据在不同尺度上的特征进行融合估计,获得了优于单尺度Kalman滤波及已有多尺度状态融合估计方法的处理效果。并利用Monte Carlo仿真验证该算法的有效性。      

多分辨率传感器多尺度融合估计算法

该文在基于信号统计特性的离散小波变换理论(DWT)和基于状态转移模型的动态多尺度系统理论(DMS)的基础上,提出了一种多分辨率传感器的多尺度状态融合估计新算法。该方法利用离散小波变换,首先对不同分辨率传感器Kalman滤波模型的状态方程和观测方程分别进行多尺度处理,构建统一的多尺度Kalman滤波模型,然后将不同分辨率传感器在同一尺度上获得的观测向量融合滤波,获得了优于已有多尺度状态融合估计方法的处理效果。并利用Monte Carlo仿真验证了该算法的有效性。     

动态系统基于时域与频域相结合的多尺度联合滤波器

针对基于小波变换与Kalman滤波相结合的多尺度联合估计方法中存在的问题,本文利用新的系统分块技术与多尺度变换方法相结合,建立一个动态系统基于时域与频域相结合的多尺度联合滤波器.首先,将时域中描述的状态方程和观测方程改写为块状态方程和块观测方程;利用多尺度变换技术在时域和频域中联合描述它们;结合Kalman滤波与顺序滤波的思想,建立了一类应用于动态系统的多尺度估计联合滤波器.新滤波器不仅保留了传统Kalman滤波器的实时性和递归性等优良性质,而且在滤波过程中还具有对随机状态信号进行多尺度分析的能力.计算机仿真实验验证了利用新估计器得到的估计精度可与利用传统Kalman滤波器得到的估计精度相媲美.     

杂波抑制的分形处理:小波-多尺度自适应Kalman滤波

从杂波分形模型的角度,以基于小波变换和多尺度自适应Kalman滤波的方法,解决雷达信号处理中重要的杂波抑制问题。首先对接收信号作小波分解,利用小波系数建立状态方程和观测方程,用Kalman滤波对每一尺度估计分形杂波,然后从接收信号中减去估计得到的分形杂波,从而实现杂波抑制。仿真结果表明,基于小波变换和多尺度Kalman滤波的处理方法,能对分形杂波进行有效的估计分析,进而实现有效的抑制。     

多传感器单模型动态系统多尺度数据融合

利用多尺度分析的思想,将基于模型的动态系统分析方法与基于统计特性的多尺度信号变换方法相结合,建立起目标状态基于多源观测信息的多尺度数据融合估计新算法,在每个尺度上获得目标状态基于全体细尺度上传感器测量信息的融合估计值,此算法可有效地应用于拥有不同采样速率的多传感器动态系统的数据融合估计.     

航天测量事后数据处理多尺度融合算法

针对国内航天测量事后数据处理的现状,提出了一种基于Kalman滤波的数据处理多尺度融合算法。该算法以建立的系统动态模型方程为基础,归纳出多尺度融合算法的具体步骤,通过实际算例验算,结果表明:融合尺度越小,数据处理精度改善的效果越明显,并且与α-β-γ滤波算法相比,数据处理精度也有较大提高。     

1/f分形噪声的一种多尺度Kalman滤波方法

针对淹没在1／f分形噪声中的有用信号恢复问题,提出了一种基于小波变换与Kalman滤波的多尺度滤波算法。首先将带有1／f分形噪声的信号分解成多尺度的子带信号,通过小波变换对1／f分形噪声的白化作用,消除了1／f分形噪声的自相似性和长程相关性。然后在小波域内,利用Kalman滤波实现了噪声和有用信号的分离,估计出了各子带中的有用信号。最后进行小波重构,较好地恢复出淹没在1／f分形噪声中的有用信号。仿真实验表明,使用多尺度Kalman滤波器能有效地抑制分形噪声,显著地提高了信噪比。     

基于测量多分辨预处理的信号去噪方法

该文将多分辨分析方法与传统Kalman滤波方法相结合,以离散小波变换为工具,建立了一种基于测量多分辨预处理的信号去噪新方法。由于小波变换特有的低通滤波特性,能有效的抑制测量噪声,相应提高了测量信号的信噪比,从而获得比原来仅在单一尺度上进行信号处理获得好的处理效果。计算机仿真验证了算法的有效性。     

基于小波-边缘保持Kalman滤波抑制散斑噪声算法

提出了一种新的用于噪声抑制的基于边缘保持Kalman滤波和小波变换相结合的算法。此算法对原始图像进行小波变换,然后在各个尺度上将与边缘大小和位置有关的信息从噪声图像中提取出来并将这些信息作为Kalman滤波器的控制输入。仿真结果表明:该算法能够有效的去除噪声,又保留有用信号及边缘信息。通过比较证明其优于小波阈值算法和自适应Kalman滤波算法。     

基于多速率传感器动态系统的多尺度递归融合估计

该文将基于模型的动态分析方法与具有统计性的多尺度信号变换方法相结合,基于最细尺度上给定的状态模型和不同尺度上给出的多速率传感器动态系统,建立了一组新的多尺度动态模型和多尺度误差模型;利用确立的尺度之间的递归关系,给出了一种新的多尺度递归数据融合估计算法,在最细尺度上获得了状态基于全局信息的融合估计值;理论推理证明了这种方法的正确性,计算机仿真验证了算法的有效性。     

基于多尺度自回归图模型的SAR图像稳健滤波

基于多尺度自回归(MAR)图模型的稳健递归M估计(RME)算法,给出一种新的合成孔径雷达(SAR)图像稳健滤波方法.首先根据SAR图像不同尺度下的统计相依性,构造SAR图像的多尺度图像序列;然后对多尺度SAR图像序列构造树上MAR图模型,利用其的RME算法得到SAR图像的滤波.研究表明,该算法不仅具有有效的可计算性,而且利用不同分辨率下SAR图像信息融合,在不同情况下都能得到较好的滤波结果.实验结果表明,本文提出的方法是稳健的.     

Spatially adaptive wavelet-based multiscale image restoration

In this paper, we present a new spatially adaptive approach to the restoration of noisy blurred images, which is particularly effective at producing sharp deconvolution while suppressing the noise in the flat regions of an image. This is accomplished through a multiscale Kalman smoothing filter applied to a prefiltered observed image in the discrete, separable, 2-D wavelet domain. The prefiltering step involves constrained least-squares filtering based on optimal choices for the regularization parameter. This leads to a reduction in the support of the required state vectors of the multiscale restoration filter in the wavelet domain and improvement in the computational efficiency of the multiscale filter. The proposed method has the benefit that the majority of the regularization, or noise suppression, of the restoration is accomplished by the efficient multiscale filtering of wavelet detail coefficients ordered on quadtrees. Not only does this lead to potential parallel implementation schemes, but it permits adaptivity to the local edge information in the image. In particular, this method changes filter parameters depending on scale, local signal-to-noise ratio (SNR), and orientation. Because the wavelet detail coefficients are a manifestation of the multiscale edge information in an image, this algorithm may be viewed as an "edge-adaptive" multiscale restoration approach.     

基于强跟踪滤波器的多传感器非线性动态系统状态与参数联合估计

本文将强跟踪滤波理论与多传感器数据融合技术相结合,提出基于强跟踪滤波器的多传感器状态与参数联合估计新算法;对拥有相同采样率的分布式多传感器单模型非线性动态系统,应用强跟踪滤波器,得到目标状态基于全局信息融合估计结果,并利用计算机仿真结果对算法的有效性进行了验证;这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题,从而丰富和发展了多源信息融合理论.     

基于平方根UKF的新型单站无源定位算法

针对单站无源定位可观测性弱,收敛速度慢,定位精度差等问题,在此采用综合利用相位差变化率、多普勒变化率对目标进行定位的方法。在此基础上,将一种新的非线性算法即平方根UKF算法应用单站无源定位中,计算机仿真表明在不同的参数测量精度条件下,新算法稳定性更高,收敛速度更快,定位精度更高。     

Deconvolution filter design for fractal signal transmissionsystems: a multiscale Kalman filter bank approach

A deconvolution filtering design is proposed for the 1/f fractal signal transmission systems, with its design philosophy being based on multiscale Kalman deconvolution filter bank equipped in the analysis/synthesis wavelet filter bank, The role of wavelet transformation for 1/f fractal signal process is exploited as a multiscale whitening filter for removing the properties of self-similarity and long-range dependence from the fractal signals     

Stochastic Differential Equations for Modeling of High Maneuvering Target Tracking

In this paper, we propose a new adaptive single model to track a maneuvering target with abrupt accelerations. We utilize the stochastic differential equation to model acceleration of a maneuvering target with stochastic volatility (SV). We assume the generalized autoregressive conditional heteroscedasticity (GARCH) process as the model for the tracking procedure of the SV. In the proposed scheme, to track a high maneuvering target, we modify the Kalman filtering by introducing a new GARCH model for estimating SV. The proposed tracking algorithm operates in both the non‐maneuvering and maneuvering modes, and, unlike the traditional decision‐based model, the maneuver detection procedure is eliminated. Furthermore, we stress that the improved performance using the GARCH acceleration model is due to properties inherent in GARCH modeling itself that comply with maneuvering target trajectory. Moreover, the computational complexity of this model is more efficient than that of traditional methods. Finally, the effectiveness and capabilities of our proposed strategy are demonstrated and validated through Monte Carlo simulation studies.     

基于外辐射源的单站无源定位改进算法

针对外辐射源无源定位系统实现快速和高精度定位的要求,提出了一种在测量到达角及时差信息的基础上,增加方位角变化率信息的单站无源定位算法。同时引入一种对非线性系统较好的滤波算法——修正增益扩展卡尔曼滤波(MGEKF)算法,与推广卡尔曼滤波器(EKF)相比,MGEKF能更好地解决量测模型非线性问题,滤波性能更好。计算机仿真结果也表明了此定位方法具有较好的定位跟踪精度和速度。