信號(hào)估計(jì)及濾波若干關(guān)鍵技術(shù)研究.pdf

1、在信息融合系統(tǒng)中廣泛用到信號(hào)估計(jì)及信號(hào)濾波理論與技術(shù)。信號(hào)估計(jì)與信號(hào)濾波從某種意義上來說，解決的都是有關(guān)噪聲的問題，這里的噪聲是一般意義上的，包括干擾信號(hào)以及信號(hào)狀態(tài)的某些不確定性。信號(hào)受到噪聲影響，并且還存在觀測(cè)噪聲影響，因此需要估計(jì)真實(shí)信號(hào)。目標(biāo)跟蹤實(shí)際上就是目標(biāo)狀態(tài)信號(hào)估計(jì)，其實(shí)質(zhì)是隨機(jī)信號(hào)處理。信號(hào)濾波從某種意義上說，就是除去信號(hào)中的噪聲信號(hào)。
　　 本文主要研究信號(hào)估計(jì)與濾波中的面向地面目標(biāo)狀態(tài)信號(hào)估計(jì)，觀測(cè)信號(hào)估計(jì)的

2、信號(hào)估計(jì)器和線性相位二維FIR濾波器的設(shè)計(jì)問題。取得的成果主要有5個(gè)方面：
　　 (1)針對(duì)公路約束下機(jī)動(dòng)車輛狀態(tài)估計(jì)因其高度的非線性，傳統(tǒng)方法不考慮公路寬度的問題，提出了一種帶反饋的分布式估計(jì)器。該估計(jì)器基于提出的里程-側(cè)向距公路模型，融合基于圖像傳感器得到的車輛與公路中間線垂直距離(稱為側(cè)向距)的估計(jì)與基于雷達(dá)傳感器得到的側(cè)向距離的估計(jì)，并捋融合結(jié)果反饋到各個(gè)局部估計(jì)器中以提高局部估計(jì)器中參數(shù)的精度，最終得到車輛行使里程的估

3、計(jì)與側(cè)向距的估計(jì)，并通過坐標(biāo)變換得到；角坐標(biāo)系下車輛的位置估計(jì)。計(jì)算機(jī)仿真結(jié)果表明相對(duì)于傳統(tǒng)的方法，該估計(jì)器的估計(jì)精度有較大提高；
　　 (2)針對(duì)傳統(tǒng)的系統(tǒng)狀態(tài)模型僅針對(duì)特定的運(yùn)動(dòng)形態(tài)的問題，本文提出了一種自適應(yīng)運(yùn)動(dòng)模型。其基本思想是首先估計(jì)目標(biāo)運(yùn)動(dòng)加速度，然后根據(jù)估計(jì)的目標(biāo)運(yùn)動(dòng)加速度絕對(duì)值的期望值建立估計(jì)的目標(biāo)運(yùn)動(dòng)加速度與運(yùn)動(dòng)模型噪聲方差的函數(shù)關(guān)系。并且基于自適應(yīng)運(yùn)動(dòng)模型，進(jìn)一步提出了一種自適應(yīng)運(yùn)動(dòng)模型濾波器，計(jì)算機(jī)仿真結(jié)果

4、表明，該自適應(yīng)運(yùn)動(dòng)模型濾波器的估計(jì)精度近似于基于2個(gè)運(yùn)動(dòng)模型的交互多模型(IMM)算法的估計(jì)精度。這是傳統(tǒng)的基于單一運(yùn)動(dòng)模型的濾波器所遠(yuǎn)不能達(dá)到的；
　　 (3)針對(duì)傳統(tǒng)觀測(cè)信號(hào)估計(jì)算法過于依賴系統(tǒng)狀態(tài)模型，適應(yīng)性不是很強(qiáng)的問題，本文提出了基于神經(jīng)網(wǎng)絡(luò)的多傳感器信號(hào)中心式估計(jì)融合算法和累積數(shù)據(jù)濾波器。前者利用神經(jīng)網(wǎng)絡(luò)根據(jù)多個(gè)傳感器當(dāng)前時(shí)刻的信號(hào)的觀測(cè)數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，從而得到濾波器系統(tǒng)的參數(shù)，進(jìn)而估計(jì)出下一時(shí)刻的觀測(cè)信號(hào)狀態(tài)。后

5、者利用神經(jīng)網(wǎng)絡(luò)對(duì)從開始時(shí)刻到當(dāng)前時(shí)刻的信號(hào)觀測(cè)進(jìn)行網(wǎng)絡(luò)訓(xùn)練。并且提出了基于神經(jīng)網(wǎng)絡(luò)累積數(shù)據(jù)濾波器的信號(hào)分布式估計(jì)融合結(jié)構(gòu)及算法。在計(jì)算機(jī)仿真中，分別捋提出的基于神經(jīng)網(wǎng)絡(luò)的多傳感器信號(hào)中心式估計(jì)融合算法跟擴(kuò)展Kalman濾波器，基于神經(jīng)網(wǎng)絡(luò)的累積數(shù)據(jù)濾波器分布式估計(jì)融合算法和Kalman濾波器進(jìn)行了此較，仿真結(jié)果表明提出的估計(jì)算法具有良好的估計(jì)精度；
　　 (4)利用線性相位二維帶通FIR濾波器的頻域傳遞函數(shù)特點(diǎn)，提出了復(fù)合正弦基

6、函數(shù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及算法設(shè)計(jì)Ⅲ型二維帶通FIR濾波器。進(jìn)而提出了復(fù)合正弦基函數(shù)神經(jīng)網(wǎng)絡(luò)收斂定理，并給出了證明。仿真結(jié)果表明該方法設(shè)計(jì)的二維帶通FIR濾波器的幅頻特性較窗函數(shù)法和頻率采樣法設(shè)計(jì)的二維帶通FIR濾波器有較大提高，接近理想濾波器特性，并且該方法計(jì)算速度快；
　　 (5)利用圖像的噪聲能量一般集中于高頻段的特點(diǎn)，提出的基于復(fù)合余弦基神經(jīng)網(wǎng)絡(luò)的去噪濾波器通過低通濾波實(shí)現(xiàn)去噪目的。根據(jù)二維線性相位Ⅰ型FIR濾波器頻域傳遞函數(shù)的