脉冲噪声下一种自适应ASR稳健滤波方法

在基于alpha稳定分布模型的脉冲噪声处理领域中,经典滤波方法多采用Cauchy分布和Meridian分布等alpha稳定分布特例,其脉冲抑制能力有限.对此,该文基于M估计理论和ASαS分布模型,构造稳健滤波代价函数簇,提出ASR稳健滤波方法,利用影响函数分析其稳健性,构建稳健滤波的统一理论基础,将Myriad滤波,M...     

一种基于空间滤波的红外小目标检测算法及其应用

针对红外探测系统中单帧红外图像中的小目标检测问题,在分析红外场景模型的基础上,提出了一种基于自适应噪声平滑和空间滤波的背景杂波抑制算法.该方法对于起伏背景下红外小目标的检测有良好的性能,且具有目标信息损失小的优点.同时,利用ADSP-TS201S高性能数字信号处理器实现了该算法,并成功应用到某全向红外搜索跟踪系统中.实验结果表明,在低信噪比情况下,算法有很好的检测性能.     

基于Curvelet变换的红外图像背景杂波抑制算法

为提高复杂背景下的红外弱小目标的检测性能,引入图像的Curvelet变换。在Curvelet域经阈值化处理抑制背景杂波中的低频分量,然后在空域中通过块对比的操作进一步抑制杂波的边缘分量,最终实现背景杂波的抑制和弱小目标的增强。利用几组实测数据的测试实验结果表明了所提出的算法的有效性。     

一种基于椭圆RHM的扩展目标Gamma高斯混合CPHD滤波器

针对杂波环境下扩展目标形状难以估计、目标跟踪精度低等问题, 提出一种自适应估计扩展目标形状的伽玛高斯混合势概率假设密度算法(GGM-CPHD). 该算法将目标的扩展形状建模为椭圆随机超曲面模型, 并将其嵌入到GGM-CPHD 滤波器中, 更新扩展目标的质心、椭圆形状和方向等信息以完成对扩展目标的跟踪. 通过杂波环境下未知数目的扩展目标仿真实验, 表明了所提出算法在质心状态和椭圆长短轴的估计精度方面要优于传统的基于随机矩阵的伽玛高斯逆韦氏CPHD滤波器.

     

一种模糊推理强机动目标跟踪新算法

针对机动目标状态估计算法对强机动目标跟踪性能下降,甚至发散的问题,在机动目标状态估计算法基础上引入模糊推理多重修正因子,提出一种新的强机动目标自适应跟踪算法.采用残差统计距离和目标机动加速度的2-范数作为模糊输入量,自适应地计算出多重修正因子来实时调节预测协方差.该算法保留了对一般匀速或弱机动目标的高精度跟踪性能,同时增强了滤波器对强机动目标的自适应跟踪能力.仿真结果表明,新算法提高了对强机动目标的估计精度,加快了跟踪的收敛速度.     

一种基于循环统计量的直扩信号检测

本文利用循环统计量检测循环平稳性的特性,将渐近最优 χ ²检验方法推广到直扩信号的盲检测,提出了一种基于循环统计量的直扩信号检测方案;理论上推导了直扩信号二阶循环统计量的表达式,分析了时间间隔的选取对从二阶循环统计量估计循环频率的影响,据此提出了基于循环统计量的直扩信号载频和chip速率等参数的估计新方法.该方法避免了多维搜索,且不需要信号的伪码序列和各频率参数等先验信息,可实现信号的"盲"检测和"盲"参数估计.仿真实验证明了本文方法的有效性.     

一种基于数字信号处理器的有效FFT实现

针对目前基于专用数字信号处理器（ＤＳＰ）实现快速傅里叶变换（ＦＦＴ）中遇到的处理速度和程序量之间的矛盾,提出了一种重复算法,它在保持直接算法速度的前提下减少了程序量,同时该方法可应用于其他变换（如ＤＣＴ等）．最后给出在ＴＭＳ３２０Ｃ２５上的实验结果,说明了该方法的有效性．     

多伯努利滤波的快速红外弱小目标检测与跟踪

针对复杂背景下多个弱目标检测与跟踪中存在的跟踪不稳定、非实时及量测模型高度非线性问题,提出一种基于多伯努利滤波的快速检测与跟踪算法.首先,采用改进的Robinson Guard算法抑制背景杂波,避免强起伏背景图像中目标被抑制的问题;其次,采用平方根容积卡尔曼滤波实现多伯努利检测前跟踪,在保证实时跟踪的同时,解决了滤波的高度非线性,避免了协方差矩阵负定造成的数值不稳定.实测红外背景图像实验表明,改进的Robinson Guard算法能够有效抑制背景杂波、保留弱目标信息,平方根容积卡尔曼多伯努利检测前跟踪能更准、更稳定地估计目标数目和状态,实现目标的实时检测与跟踪.     

脉冲星极弱信号和噪声分析与处理方法的研究

脉冲星辐射脉冲到达时间(TOA)的信号极弱,淹没在极强的背景噪声之中,对它检测十分困难.毫秒脉冲星自转周期极其稳定,可以用来监测原子钟的长期稳定度.这一问题的研究不仅对于现代时间计量学,而且对于天文学、脉冲星物理学、引力波效应及深空空间电波传播特性、电子学等交叉学科的研究有重要理论意义.本文介绍了脉冲星极弱信号观测研究的结果和进展,论述了我国开展此方面研究的理由和内容,并对利用现代信号和噪声理论分析脉冲星TOA极弱信号的特性和处理方法的路线进行思考.其研究方法、检测技术具有推广应用价值.     

量化量测条件下的交互多模型箱粒子滤波

在分布式多传感器网络中,为了节省通信带宽,需要将传感器得到的点量测量化成区间量测,而传统的滤波算法均不能直接处理这种量化量测．箱粒子滤波作为一种“广义粒子滤波”算法,用箱粒子和误差界限模型来取代传统的点粒子和误差统计模型,是新近出现的处理区间量测的有力工具．相比粒子滤波,箱粒子滤波还具有所需粒子数少、算法复杂度低、运行速度快等优点．因此,为了处理量化量测条件下的机动目标跟踪问题,提出了交互多模型箱粒子滤波算法．仿真对比实验表明：在量化量测条件下,交互多模型箱粒子滤波算法和交互多模型粒子滤波算法都能够准确地估计机动目标状态,但交互多模型箱粒子滤波所需粒子数更少、计算效率更高．