一种变步长的零吸引归一化自适应滤波算法

为了使最小均方算法对高斯噪声环境和稀疏系统具有更好的收敛速度和稳态误差,提出了一种变步长的零吸引归一化最小均方算法。该算法将改进的Versoria函数的稀疏感知范数与归一化最小均方算法相结合后,引入了一种新的类高斯函数的变步长策略,解决了固定步长条件下算法收敛速度较慢、跟踪性能较差的问题。从理论层面分析了所提算法的收敛性,并基于MATLAB平台讨论了改进的类高斯步长函数中各参数对算法性能的影响。最后将所提算法与其他同类算法应用于不同信噪比条件下的高斯噪声环境以及稀疏环境中进行未知系统辨识实验,仿真结果表明,所提算法具有更快的收敛速度、更好的跟踪能力以及较小的稳态误差。

基于FRFT的频域自适应匹配滤波器检测方法

针对浅海混响背景下频域自适应匹配滤波器检测性能下降的问题,提出基于分数阶傅里叶变换(FRFT)的频域自适应匹配滤波器检测方法,该方法利用模板匹配技术,采用滑动窗对接收信号进行最优阶次分数阶傅里叶变换,然后将此过程中得到的FRFT域图与参考信号最优阶次傅里叶变换FRFT域图进行匹配,将离差平方和作为评价相似度的指标,即对离差平方和最小值的位置进行滤波,并对滤波后的信号进行最优阶次分数阶傅里叶逆变换,从而实现混响背景下的目标检测。仿真结果表明,在信混比为-15dB的情况下,该算法可显著提高频域自适应匹配滤波器的检测性能。

基于波形域的匹配滤波前抗间歇采样转发干扰方法

间歇采样转发干扰属于一类脉内相干欺骗干扰,其运用欠采样原理,在距离维上产生多个虚假的目标峰,从而干扰真实目标的检测与跟踪。为了解决这一问题,该文提出了一种基于波形域的匹配滤波前抗间歇采样转发干扰方法。首先,考虑到间歇采样转发干扰的部分匹配特性,该文在匹配滤波过程中引入了扩展域,即波形域,以研究干扰信号与真实目标回波信号元素的局部特征,并在每个波形域上定义了自适应的阈值函数。其次,引入卡尔曼滤波对波形域信号进行状态估计,通过自适应阈值检测筛选出波形域信号中的有效积分元素与无效积分元素,并建立关于有效积分元素的估计状态空间。最后,在抑制波形域信号中的无效积分元素的同时,从有效积分元素的估计状态空间中补充相应长度的积分元素,保留剩余的有效积分元素,通过积分得到不含虚假目标的距离像结果。该文所提方法不倚赖于任何干扰机参数等先验信息,即可有效抑制间歇采样转发干扰。仿真实验表明,与传统方法相比,该文方法实现的抗间歇采样转发干扰性能更优。

基于功率中值和归一化采样协方差矩阵的自适应匹配滤波检测器

在非均匀海杂波环境中,参考单元中的异常单元限制了采样协方差矩阵(SCM)的估计性能,从而影响了传统自适应匹配滤波(AMF)检测器的检测性能。而考虑删除异常单元的方法在参考单元数目有限时可能导致矩阵的奇异性。鉴于此,在保持参考单元数目不变条件下,该文设计一种基于功率中值与归一化采样协方差矩阵(MNSCM)的估计方法,并将其与匹配滤波器(MF)相结合,构造一种新型的自适应匹配滤波检测器。与传统的自适应匹配滤波相比,该文设计的检测器在实测和仿真海杂波数据条件下均具有明显的性能优势。

单船拖曳可控源电磁数据自适应分频匹配滤波消噪方法

海洋可控源电磁法(MCSEM,Marine Controlled-Source Electromagnetic Method)是一种工业化的主动源海洋电磁勘探方法,近年来在海底油气资源探测中收效显著,通过测量海底地下介质的电阻率变化,能够有效降低地震勘探方法的多解性.MCSEM的工作方式主要有单船拖曳与双船拖曳两类.单船拖曳信号具有强时变特征,近、中、远收发距信号强度变化极大.由于海水环境较为复杂,数据受到洋流、背景场、仪器等多种因素干扰,使得小收发距数据信噪比较高,中、远收发距数据信噪比较低,因此MCSEM数据随机干扰压制方法的研究难点在于适应数据的强时变特征.本文利用发射机数据与接收机数据的时间(空间)和频率对应关系,提出基于正则化条件和衰减函数约束的自适应分频匹配滤波方法.该方法首先通过计算原始接收机数据基频的振幅随偏移距变化(MVO,Magnitude Versus Offset)曲线获取衰减函数,然后利用该衰减函数将发射机所有频点数据进行振幅衰减,减低MCSEM发射机与接收机数据对应振幅的强时变差异,最后利用基于整形正则化条件的自适应匹配滤波方法压制接收机数据中的强振幅随机噪声.模型数据与实际数据的处理结果表明,本文提出的方法能够有效压制MCSEM数据中不同收发距的随机噪声干扰,保护具有强时变特征的接收机数据,提升整体数据质量.

基于抗差自适应CKF的水下重力匹配导航SITAN算法

为提高水下重力匹配算法的定位精度和稳健性,将容积卡尔曼滤波应用到水下重力匹配惯性导航中,同时引入抗差估计和自适应因子,提出了基于抗差自适应容积卡尔曼滤波的水下重力匹配导航SITAN算法。利用重力异常模型数据开展仿真实验,结果表明,所提算法能有效修正惯导整体航迹,在观测值未加入粗差的情况下较普通容积卡尔曼滤波算法提高了76%的导航定位精度,在观测值加入30 mGal粗差的情况下,提高了88%的导航定位精度。该研究成果可为后续水下重力匹配导航算法的理论研究及工程实践提供一定的数据支撑。

基于改进三维块匹配滤波的图像去噪算法

为了有效滤除樱桃图像在获取过程中混杂的不同噪声,保障图像识别与机器自动采摘时良好的图像信息质量,提出一种改进三维块匹配滤波(block-matching and 3D filtering, BM3D)的图像去噪方法.首先,在三维块匹配滤波的基础估计阶段构建自适应中值滤波处理器,滤除图像中部分椒盐噪声,并改进优化硬阈值、滑窗步长及三维硬阈值等关键参数快速滤除高斯噪声;其次,在基础估计阶段与最终估计阶段之间引入中值滤波,最大限度地去除图像中剩余的混合噪声;最后,通过仿真实验验证所提算法的有效性,并对比分析改进前后算法的归一化均方误差、峰值信噪比、信噪比改善因子及结构相似性等性能.结果表明,改进的BM3D方法在保持好樱桃图像细节信息的同时,能有效去除高斯噪声和滤除大概率椒盐噪声,且随混合噪声干扰的增强,所提算法的去噪性能更佳且优于其他滤波方法.

自适应中值滤波在噪声图像匹配中的应用

图像在获取或传输过程中可能会受到一些干扰从而产生噪音,使图像丢失某些特征,会降低图像匹配的精度。为了匹配的准确率,文章提出了自适应中值滤波与SIFT特征提取算法相结合的图像匹配算法。先通过自适应中值滤波对图像的噪声点和信号点分别进行处理后采用SIFT算法对图像中的特征点进行检测并获取特征点的描述符,最后在特征匹配的过程中采用FLANN匹配算法完成特征点的匹配。

基于对角加载的自适应匹配滤波器和自适应相干估计器

分析了对角加载自适应匹配滤波器(diagonally loaded adaptive matched filter,DL-AMF)和对角加载自适应相干估计器(diagonally loaded adaptive coherence estimation,DL-ACE)的检测性能;推导了二者的渐近统计分布,得到了解析的虚警概率(probability of false alarm,PFA)和检测概率(probability of detection,PD)表达式。与常规AMF和ACE相比,尤其是在训练样本不足的情况下,DL-AMF和DL-ACE的检测性能大为提高,并且二者都具有渐近恒虚警(constant false alarm rate,CFAR)特性。

水下脉冲激光探测后向散射噪声自适应滤波算法

在信号处理中抑制水体传输中带来的后向散射噪声,是水下脉冲激光探测的关键技术之一。基于同一水域相邻2次探测后向散射的相关性,提出一种改进的归一化最小均方(NLMS)自适应滤波算法。根据后向散射的强度和滤波后目标信号大小控制步长因子,使其对不同距离、不同强度的目标信号均能取得良好的滤波效果。通过计算机仿真和水池实验对算法进行验证,结果表明,对不同距离、不同反射强度的目标,该滤波器算法均能以较低的阶数有效滤除后向散射噪声,保留目标回波信号。与现有的自适应滤波方法相比,大大减少了滤波所需的计算资源,在水下脉冲激光探测系统上具有一定的应用价值。

基于对角加载的机载MIMO雷达自适应匹配滤波检测器

研究了基于自适应匹配滤波(Adaptive Matched Filter,AMF)的机载MIMO雷达目标检测问题。针对参考单元数据不足对MIMO-AMF检测器性能的影响,提出了基于对角加载的MIMO雷达AMF(MIMO-LAMF)检测器,并对其检测性能进行分析,给出虚警概率和检测概率的闭合表达式。该检测器利用机载MIMO雷达杂波子空间低秩的特点和对角加载技术,解决了因参考数据不足所引起的矩阵病态问题。为了减少MIMO-LAMF检测器的运算量,在分析杂波协方差矩阵块对角化特性的基础上,给出一种简化MIMO-LAMF检测器。理论分析和仿真结果都表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,检测性能优于MIMO-AMF检测器。

相干雷达极化自适应匹配滤波器

提出了高斯杂波背景下相干雷达极化自适应匹配滤波器的结构.将先前的单通道和双通道自适应匹配滤波器推广至一般极化接收通道情况,利用雷达回波的极化信息来提高检测性能.推导出了虚警概率表达式.研究结果表明,多极化通道自适应匹配滤波器相对于杂波协方差矩阵有恒虚警的性质.仿真分析了不同极化状态时的检测性能.

机载MIMO雷达自适应匹配滤波检测器

针对机载MIMO雷达在未知统计特性杂波时的目标检测问题,首先提出自适应匹配滤波检测器(MI-MO Adaptive matched filter,MIMO-AMF),利用MIMO雷达的空间分集特性提高检测性能,并推导出检测概率和虚警概率表达式。然后,基于MIMO雷达杂波协方差矩阵的块对角特性,给出一种简化MIMO-AMF检测器,大大减小MIMO-AMF的计算复杂度,同时降低对参考单元数目的要求,并在只有两个接收雷达单元的情形下,推导出简化AMF检测性能的表达式。结果表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,能够在未知杂波背景下有效的检测目标。

水下小孔径阵列自适应匹配滤波检测方法

为了解决水下小孔径阵列有色噪声场中目标检测问题，该文提出了一种基于目标方位似然估计的自适应匹配滤波器（ML—AMF）方法，该方法采用似然方法估计目标方位，并使用预先估计的方位信息进行能量检测，通过推导得到检验统计量。该方法克服了自适应匹配滤波器（AMF）目标方位失配带来的影响。仿真和实测数据的结果均验证了该方法在水下色噪声场中的有效性。8元均匀小孔径线列阵湖试数据的仿真结果表明，ML—AMF的检测性能优于MVDR1-5dB，优于CBF12～17dB。

基于修正自适应匹配滤波器的机动目标检测方法

机动目标回波的多普勒走动和训练样本不足导致常规自适应匹配滤波器(Adaptive Matched Filter,AMF)检测机动目标时运算量大且性能不佳。针对此问题,该文提出一种基于修正AMF的机动目标检测方法。该方法首先通过对角加载减少样本空间自由度,从而降低对训练样本数的需求;然后以3次相位变换(Cubic Phase Transform,CPT)分离估计加速度,并以估计值补偿多普勒走动,降低联合匹配搜索维度,进而减少运算量;最后进行积累检测。仿真结果表明,该方法运算量低,可实现小样本下机动目标的有效检测,具有恒虚警(Constant False Alarm Rate,CFAR)特性。

阴影匹配/粒子滤波自适应加权组合定位算法

针对城市峡谷场景中,传统阴影匹配定位算法只能提高过街定位精度,不能提高沿街定位精度问题,基于粒子滤波定位算法定位精度的分布特点,提出了阴影匹配/粒子滤波自适应加权组合定位算法。该算法根据阴影匹配运动状态下定位驻留时间特性和模板分值统计特性,计算自适应加权因子,对阴影匹配和粒子滤波定位算法进行自适应加权,得到最终定位结果。试验结果表明:该算法与阴影匹配、粒子滤波、阴影匹配/卡尔曼滤波组合、阴影匹配/粒子滤波组合定位算法相比,分别在沿街方向平均误差从5.04m缩小到2.80m,在过街方向平均误差从4.87m缩小到1.30m,均方根误差从6.82m缩小到3.47m。

一种改进的自适应匹配滤波方法

针对雷达目标检测中由于训练数据缺失导致传统自适应检测方法的检测性能下降的问题,提出一种改进的自适应匹配滤波方法.该方法首先将杂波用自回归过程表示;然后假设自回归参数已知,推导出广义似然比检验表达式;最后将采用训练数据估计得到的自回归参数的最大似然估计值代入广义似然比检验表达式中,代替已知的自回归参数.仿真实验结果表明,与传统的自适应方法相比,这种方法能在训练数据不足时提高检测性能.当雷达回波数目较大时,这种方法的检测性能接近理想的匹配滤波方法.

基于融合代价和优化引导滤波的立体匹配算法

现有局部立体匹配算法与全局立体匹配算法相比,计算量更小、速度更快,能达到实时匹配的要求,但存在误匹配率较高、视差结果精度较低等问题。提出一种新的局部立体匹配算法,依据像素梯度信息、像素梯度的平均值及标准差计算多指标梯度代价,使算法对图像局部结构的表达更加全面。根据像素的灰度差异程度划分等级,提出7等级编码的精细化Census变换匹配代价,以有效识别图像信息之间的细微差异,弥补Census变换在相似纹理区域精度较低的不足。将多指标梯度代价和精细化Census变换匹配代价按一定权重进行融合,形成初始匹配代价,从而充分发挥两种代价的优越性。在代价聚合阶段,对引导滤波的线性系数进行自适应优化,解决固定参数引起图像局部过于平滑或平滑不足的问题,并使用优化后的引导滤波模型进行代价聚合,改善代价聚合的效果。使用胜者为王算法计算视差获得初始视差图,最后通过左右一致性检测和加权中值滤波进行视差优化,得到更为理想的视差图。在Middlebury V3立体评估平台上的实验结果表明,所提算法在非遮挡区域的加权平均误匹配率为15.7%,与Cens5、IGF、ISM等算法相比具有较高的精度。

双基机载雷达GMTI的参数自适应匹配滤波器性能分析与定阶方法研究

在双基机载雷达的地面动目标检测中,参数自适应匹配滤波器(PAMF)方法是一种很有效的方法。该文从矩阵扰动的角度分析出了PAMF方法性能较好的木质原因,并为PAMF方法的阶数确定给出了依据。该文内容将有助于双基机载雷达系统中关于PAMF方法的研究。

基于改进LMS的引信回波自适应滤波算法

针对无线电引信回波在信号处理过程中易被噪声覆盖的问题,引入步长补偿因子和反馈控制的思想,提出一种基于改进最小均方(LMS)算法的引信回波自适应滤波算法。该算法在正态函数的基础上引入步长补偿因子共同约束步长取值,提高算法的收敛速度;采用当前误差信号与前一时刻误差信号的互相关值动态调整算法参数,实现对不相关噪声的抑制;同时结合步长归一化处理,增大步长的选择范围,使算法收敛速度更快,稳定程度更高。仿真实验结果表明:该算法可以有效降低噪声对引信回波信号的影响,且与原有算法相比在收敛速度和稳态误差上具有较好性能。