分享到:

机动目标跟踪的灰色截断变维法

1 引 言自适应滤波航迹跟踪算法在机动目标跟踪的理论和实践中都占有重要的位置。多年来国内外许多学者在这个领域不断研究并取得成果。本文介绍的灰色截断变维法是在多年研究成果的基础上取得的。文献 [5 ]对自适应滤波算法作了较系统的比较研究 ,认为自适应滤波算法可以分为两类 :一类是以Kalman滤波的变维法为代表的多模无参数自适应算法 ,其特点是根据目标的运动状态决定应用算法中的哪种模型 ,所以在各运动状态主段滤波精度高 ,但在各状态的结合部即机动发生处由于存在机动检测时延而产生较大的滤波误差 ;另一类是以Singer法为代表的单模有参数自适应算法 ,其特点是在目标运动的各个状态都应用由参数决定的兼顾而适中的统一模型 ,所以各运动状态主段滤波精度不如第一类算法高 ,而机动发生处却因没有大的滤波误差而表现出良好的自适应性。但是 ,常规的巡航段和规避性的机动段对机动目标跟踪都十分重要 ,因此两类算法都不够理想。本文把二者的优势结合起来形...  (本文共3页) 阅读全文>>

《微处理机》2019年03期
微处理机

分块稀疏自适应滤波算法研究

1引言自适应滤波算法研究已经成为当今信号与信息处理领域的热点,算法直接影响滤波效果的好坏[1]。如文献[2]所提出的仿射投影算法(Affine ProjectionAlgorithm, APA)及其改进算法是一类重要的自适应滤波算法,该类算法在输入信号相关性较高的情况下仍具有良好的收敛性能。但是许多系统的脉冲响应是稀疏的,即它们的脉冲响应绝大部分为零或者是很小的值,一小部分的脉冲响应具有显著幅度。文献[3]的成比例仿射投影算法(Proportionnate APA,PAPA,)就是针对稀疏系统提出的,其原理是每个系数通过采用滤波器抽头权重成比例的独步来加快收敛速度,即滤波器抽头权重系数越大,步长越大,抽头系数越小,步长越小。成比例算法有效的利用了未知系统的稀疏特性,使算法的收敛速度显著提高。但是,在很多实际应用系统中,例如网络回声消除和卫星连接通信回声消除,它们的脉冲响应是成块出现的,其余值为零值或者很小的数,即它们的系统稀疏特...  (本文共5页) 阅读全文>>

《山西电子技术》2016年06期
山西电子技术

自适应滤波算法分析及仿真

由于真实客观环境中噪声的特性常常是不平稳的,因而自适应滤波在噪声对消中的应用有着广阔的发展前景。随着自适应噪声对消技术的发展,应用于自适应噪声对消系统的算法也发生了很大的变迁。其中最常用的是LMS(最小均方算法)和RLS(递归最小二乘算法),而LMS算法[1]以其算法简单,运算量小,实现容易等优点而得到了广泛应用,但固定步长的LMS算法在收敛速率,跟踪速率和权失调噪声要求方面存在矛盾;为了解决这一矛盾,人们研究出了变步长的LMS算法。但基于变步长LMS的算法存在收敛特性和失调量受步长影响的缺点,且最优步长不太容易确定,因此NLMS,ELMS等关于LMS的改进的滤波算法得到了发展。RLS这种算法是对输入信号自相关的矩阵求逆,进而不断递推估计实现权值更新的,具有更快的收敛速度,但这种算法计算起来较为复杂,存储量大,不适用于实时性要求高的场合;另外一个使用局限是,输入信号自相关的矩阵求逆之后必须具有正定性,否则会引起算法发散。1算法介...  (本文共3页) 阅读全文>>

《探测与控制学报》2017年03期
探测与控制学报

基于反比例函数的变步长雷达自适应滤波算法

0引言在地面防空作战时,对高动态载体导航定位一般采用雷达和惯性导航系统,而雷达和惯性导航系统有着相似的缺点,即探测或者惯导解算误差随着距离的增大而线性递增,其精度和目标与雷达之间的距离成反比。本文针对雷达探测精度进行了分析与建模,并对产生的导航定位数据进行滤波。20世纪40年代到60年代,维纳和卡尔曼在预先知道输入信号和噪声信号的统计特性的情况下分别设计了维纳滤波器和卡尔曼滤波器;然而在实际应用中,这些先验知识很难预先得到的。因此,不需要预先知道输入信号和噪声信号的统计特性就能够实现最优滤波的自适应滤波器应运而生[1]。自适应滤波通过自动更新权值以达到最优效果,在工程实践中已经得到广泛地发展和应用[2]。但传统的自适应滤波算法是固定步长的,不仅收敛速度慢,而且收敛速度和稳态误差这两个量存在矛盾关系,因此提出了变步长自适应滤波算法。国内外大多数文献对变步长自适应滤波算法改进一般是通过与误差信号建立函数关系,如Sristi P[3]...  (本文共5页) 阅读全文>>

《火力与指挥控制》2017年08期
火力与指挥控制

一种基于变换域的自适应滤波算法

0引言雷达的基本任务是发现目标并测定目标位置。它通过发射雷达信号,接收并处理回波信号来实现。在战场复杂电磁环境下,空间中充满的各种干扰与噪声严重影响回波信号的接收与检测。强噪声与干扰背景下微弱特征信号检测,一直是雷达侦察领域的难题[1]。由于微弱特征信号、噪声的种类较多,在实际检测中,充分利用各检测方法的特点,结合多种检测方法检测微弱信号已逐渐成为一种趋势[2]。根据时域自适应滤波算法,Dentino等人于1979年首先提出了变换域自适应滤波的概念[3],其基本思想是把时域信号转化为变换域信号,在变换域中进行自适应滤波。常用的方法有基于频域的自适应滤波与基于小波变换的自适应滤波等。针对时域自适应滤波无法应对强噪声背景下信号检测的问题,本文提出基于分数阶傅里叶变换自适应滤波算法的弱信号检测方法。该方法利用分数阶傅里叶变换在分析线调信号时的优良特性,在分数阶域上进行自适应滤波处理,提高信号检测估计效果。仿真分析表明,该算法在信噪比较...  (本文共5页) 阅读全文>>

《沈阳理工大学学报》2013年01期
沈阳理工大学学报

机动目标跟踪的改进自适应滤波算法研究

卡尔曼(Kalman)滤波是被跟踪目标系统处于线性条件下的最优滤波估计,即目标的运动模型和系统的观测模型都处于线性状态时,Kalman具有良好的跟踪性能。适用于非机动或弱机动目标的跟踪。但是当实际的被跟踪目标发生强烈的机动性时,目标的速度和加速度呈现非线性变化,导致卡尔曼滤波器对状态模型与观测模型的建立与实际机动目标的运动模型不能一致[1]。Kalman和扩展Kalman滤波都不能对强机动目标进行实时有效跟踪,出现滤波发散之后便失去跟踪意义。把系统误差做为随机噪声进行估计,是为了把传感器的内部噪声与环境干扰综合考虑。一方面传感器本身的测量误差不可避免,另一方面传感器对目标的跟踪测量不可避免地会受到外部环境的影响,例如天气、杂波、虚警等因素的影响。将这些随不确定因素而变化的误差因素统称为系统误差。在实际工程的应用中,基于Kalman滤波的自适应卡尔曼滤波(AF)较为适用。实际环境中的机动目标的运动状态和运动方式具有很强的不确定性,...  (本文共4页) 阅读全文>>