一个时域离散反卷积的后向迭代算法

本文所提出的时域离散反卷积的后向迭代算法是一个直接在时域实现离散反卷积的算法.该方法不仅能避免传统的Fourier变换法当卷积核的谱存在零点时的困难。且当输入(或输出)信号的首元存在测量误差时,仍能给出准确的解,克服了传统Z变换法所存在的误差积累.最后,论论了在输入、输出信号受随机噪声干扰的情况下,用后向迭代法和前向迭代法的平均解类减少估值h(n)的方法。

基于“当前”统计模型的后向迭代CKF算法研究

针对机动目标的非线性跟踪问题,提出了基于"当前"统计模型的容积卡尔曼滤波(CSCKF)。针对新算法对目标加速度阶跃机动跟踪延迟过大的问题,研究了后向迭代算法在估计精度和动态响应速度上的特点,提出了基于"当前"统计模型的后向迭代容积卡尔曼滤波算法。最后通过仿真实验比较了本文提出的CS-CKF算法和CKF算法的滤波效果。结果表明CS-CKF算法滤波效果优于CKF算法。