一种基于传统粗化策略的改进粒子滤波算法

粒子滤波算法是一种重要的处理非线性、非高斯模型的推理算法,针对标准粒子滤波算法中存在的样本贫化问题,提出了一种新的基于传统粗化策略的改进粒子滤波算法。该算法首先利用带有簇类合并的K-means聚类算法对粒子进行聚类,再计算每个簇内状态变量的两个估计值之间的向量差值,将其作为粒子移动的指引方向。仿真结果证明,带有簇类合并的K-means算法的聚类效果优于标准K-means算法聚类效果,而且提出的粒子滤波改进算法加快了带有传统粗化策略的标准粒子滤波算法的收敛速度。

一种新的克服粒子滤波样本贫化的粗化策略

针对传统粒子滤波算法中存在的样本贫化问题,提出了一种新的粗化策略。该策略通过计算状态变量2个估计值之间的向量差值,并令其指引粒子移动到高似然区域。仿真结果证明,提出的策略加快了粒子滤波算法的收敛速度,同时,由于作为指引的向量差值是基于前一时刻的结果计算得到的,因而无需额外的似然计算,所以这种策略在计算复杂度方面也更优于目前存在的一些数据驱动策略。在对收敛性能和计算复杂度方面要求较高的场景中,提出的策略更具有适用性。

一种改进的被动雷达直达干扰抑制方案

研究被动雷达系统中直达信号干扰的抑制问题.针对实际场景中系统主通道与参考通道之间存在频域与时域上的链路差异,提出一种改进的直达干扰抑制方案.利用最大似然原理对参考通道与主通道的频差进行补偿,使用分层搜索的方法降低算法复杂度,进而基于解卷积的算法对时域失真进行恢复.仿真结果显示,与现有方案相比,所提出方案能够克服通道链路差异带来的不利影响,精确重构出主通道中的直达干扰信号,实现更佳的干扰抑制效果,具有很好的实用价值.