模型化自適應濾波及其應用研究.pdf

1、本文為未知時變/時不變系統的沖擊響應系數，研究了利用多項式預測模型來建模的方法，并將其視為卡爾曼濾波器的狀態(tài)方程；以系統輸入輸出關系作為觀測方程，那么就將最大似然、最大后驗和最小均方等多種統計意義下無偏最優(yōu)的卡爾曼濾波器引入來解決自適應濾波問題，從而提出了模型化自適應濾波方法。理論分析以及仿真結果都證明了該算法相對傳統自適應濾波算法的性能優(yōu)勢。針對低信噪比下的自適應濾波問題，通過引入有偏估計的思想，即：將傳統卡爾曼濾波器的無偏最小方差估

2、計值乘以一個偏差因子，來折衷估計的偏差和方差以得到更小的均方誤差，進而提出了有偏卡爾曼濾波和模型化的有偏自適應濾波方法。應用于低信噪比下的系統辨識，仿真結果顯示模型化的有偏自適應濾波性能優(yōu)于其對應的無偏算法。
　　針對雷達跟蹤機動目標的波形選擇應用，本文利用研究的模型化自適應濾波算法提出了一種新的雷達波形選擇方法。由于機動目標的運動狀態(tài)滿足多項式規(guī)律變化，即多項式預測模型可以準確地描述目標的運動規(guī)律，因此模型化自適應濾波算法可以很

3、好地跟蹤目標運動狀態(tài)并得到相應的估計誤差及其預測。根據估計誤差預測的誤差橢圓，通過分數階傅里葉變換來旋轉測量誤差橢圓以使其與預測誤差橢圓正交，從而得到了一種新的最優(yōu)選擇雷達發(fā)射波形方法。仿真結果證明了該算法性能上的優(yōu)勢。
　　針對稀疏系統辨識的應用，本文結合研究的模型化自適應濾波算法和壓縮采樣的思想提出了一種新的稀疏系統辨識算法。該算法一方面利用多項式預測模型描述了系統的時變特性；另一方面利用，l1范數的不等式約束來描述系統的稀疏

4、性，將稀疏系統辨識問題轉化為了一個帶約束的卡爾曼濾波問題。利用偽觀測技術求解這一帶約束的卡爾曼濾波問題，即得到了稀疏系統辨識的結果。仿真結果表明，提出的算法由于同時考慮了系統的稀疏性和時變特性，其性能優(yōu)于對比算法。
　　針對道路車流量的實時視頻檢測應用，本文結合研究的模型化自適應濾波算法和提出的兩個特征參數，得到了一種新的道路車流量實時視頻檢測方法。根據分析，提出的對比度失真和亮度失真參數非常適合解決諸如陰影干擾、實時背景更新以及

5、攝像機晃動等一直困擾著道路車流量視頻檢測的問題。但是特征參數曲線上的毛刺現象給車流量檢測過程帶來了嚴重的困擾。針對這一問題，采用提出的模型化自適應濾波算法來為特征參數曲線濾波。由于檢測區(qū)域的大小通常為一個典型車輛大小，因此可以認為車輛是勻速經過檢測區(qū)域的，即特征參數的上升和下降是符合一階多項式規(guī)律的。模型化自適應濾波算法可以很好的抑制特征參數曲線上的毛刺現象，從而為后續(xù)的車流量檢測算法帶來了方便。不同道路、車流量和天氣情況下的實驗結果表