自适应噪声谱估计抵消技术及其应用

为扩大虚拟暗室EMI(electromagnetic interference,电磁干扰)测试系统的应用范围,提高系统测量精度,改善其在复杂环境下的测试效果,借助自适应滤波及维纳滤波理论对基于传统自适应噪声抵消模型建立的测试系统进行分析,传统测试系统的参考通道存在的设备辐射分量制约了系统应用范围,从而不能实现任意信噪比环境下的高精度测量.同时,提出基于谱估计的自适应噪声抵消模型,该模型建立的虚拟暗室系统通过对测试系统主通道信号进行谱估计,得到设备辐射信号及噪声信号的功率谱密度,并根据该功率谱密度对参考通道信号进行针对性抑制,以滤除参考通道辐射信号分量,从而提高测试系统的适用性及精度.仿真实验表明:该方法在高、低信噪比环境下均能准确地提取设备辐射信号并准确复现受试设备的辐射信号,提高了虚拟暗室系统对环境噪声的抑制能力,增强了虚拟暗室系统的环境适应性.     

仿射投影算法收敛特性随机统计特性的研究

仿射投影算法利用多个输入向量估计自适应滤波器的迭代方向,获得了比较快的收敛速度。在不考虑系统测量噪声的条件下,参数迭代步长等于1,仿射投影算法获得了最快的收敛速度。在此条件下,研究了仿射投影算法收敛性的随机统计特性,分析了仿射投影算法权值误差和权值均方误差的递归迭代方程,获得了仿射投影算法稳定状态的误差。     

卫星通信双循环下Volterra滤波预失真算法

针对卫星功率放大器输出信号非线性化的问题,提出了一种简化预失真算法.该算法通过两个一阶截断Volterra滤波模型构建前馈循环和反馈循环,并结合两重循环调整预失真器系数来实现卫星通信发射信号线性化处理.在载波频率的提高或传输速度增大时,该算法仍可通过提高预失真器系数更新速度和精确度,从而保证卫星发射信号具有较好的线性特性,具有很好的使用价值和可操作性.     

基于滤波后处理的主动学习高光谱遥感图像分类

有限的样本数据和高维的特征向量使得高光谱图像分类面临巨大挑战.提出一种结合主动学习和滤波器的高光谱遥感图像分类方法.该方法首先选取部分训练样本得到分类模型,然后采用主动学习通过迭代从非训练样本中选择信息量大的样本不断扩大有效样本数,减少了初始训练样本数降低"维数灾难"出现的可能,同时提高了分类器的泛化性能及准确率.通过主动学习和多项逻辑回归分类器对高光谱遥感图像进行初始分类,然后运用滤波器对初始分类结果保边去噪.实验结果表明,本文方法的分类精度高,分类稳定性好.     

黄河通信网中码元盲同步的实现

针对黄河通信网中存在的问题,探讨了在黄河通信网中实现码元盲同步的4个步骤:数据寄存、数据抽取、插值滤波和抽取控制。通过对定时误差和环路滤波优化,该方法能有效提高黄河通信网的通讯性能。     

基于多新息理论的卡尔曼滤波改进算法

系统建模是卡尔曼滤波的基础,系统模型不准确带来的验前数据误差,使滤波器精度降低,甚至可能造成发散.针对这种情况,提出一种基于多新息理论改进的卡尔曼滤波算法.多新息卡尔曼滤波算法不仅考虑了运动目标当前的运动状态,而且也充分利用目标之前运动信息,从而使得多新息卡尔曼滤波算法的滤波精度和稳定性得到改善.仿真结果表明,改进的多新息卡尔曼滤波算法较标准卡尔曼滤波算法更有效,预测精度更高.     

某机载雷达发射校正系统的EMC设计

因受载机平台内电子设备电磁干扰的影响,某机载雷达发射校正时存在通道相位漂移的现象,表现为同一通道相位多次测量偏差超过正常幅度值.在阐述发射校正系统工作原理的基础上,深入分析干扰的来源和机理,提出了综合运用屏蔽、接地、滤波等措施解决电磁兼容问题的具体方法,实现了雷达发射校正系统的可靠工作,为该类工程设计提供了参考.     

输入非线性方程误差系统的多新息辨识方法

针对输入非线性方程误差系统,即输入非线性受控自回归系统,研究了基于过参数化模型的多新息辨识方法和基于过参数化模型的递阶多新息辨识方法;研究了基于关键项分离原理的多新息辨识方法;使用辨识模型分解技术,研究了基于关键项分离原理的两阶段多新息辨识方法和三阶段多新息辨识方法.这些方法可以推广到其他输入非线性方程误差系统、输入非线性输出误差类系统、输出非线性方程误差类系统、输出非线性输出类系统、反馈非线性系统等.同时,给出了几个典型辨识算法的计算量、计算步骤和流程图.     

一种改进的群目标自适应跟踪算法

为提高对群目标在机动情况下的跟踪性能,提出一种改进的群目标自适应跟踪算法．在群质心状态估计中,在修正“当前”统计模型的基础上,利用群质心的速度预测和速度估计的偏差进行过程噪声方差自适应调整,并引入强跟踪滤波中的渐消因子,实时调节群质心的状态预测协方差．在扩展状态估计中,将其对应的椭圆面积预测值和估计值的偏差以及偏差变化率作为模糊输入量,采用模糊推理法自适应输出扩展状态的预测参数．此外,提供了群目标分裂机动的判决方法．仿真结果表明,与现有方法相比,本文算法增强了对群目标在突发机动时的自适应跟踪能力,并能有效检测出群的分裂机动．     

高斯滤波算法在缺陷视觉检测中的应用研究

机器视觉中的缺陷检测是个难点。图像的滤波处理通常是为了消除噪声干扰,处理的原则是保留大部分有效信号,抑制少数的异常信号。在机器视觉的缺陷检测时,需要提取图像中的每一个异常信号,忽略大部分正常图像信号,与图像的滤波处理正好相反。在大量实践基础上,本文总结出了一套基于高斯滤波算法的缺陷检测方法,特别适合细微缺陷的检测。该方法已经投入应用,在应用过程中取得了良好的效果。