针对概率数据互联(Probability data association, PDA)算法在杂波环境下计算复杂度高的问题,设计了一种基于PDA算法的数据关联方法,当波门内量测点数量大于阈值时,采用PDA算法更新目标状态;当波门内量测点数量小于等于阈值时,采用最近...针对概率数据互联(Probability data association, PDA)算法在杂波环境下计算复杂度高的问题,设计了一种基于PDA算法的数据关联方法,当波门内量测点数量大于阈值时,采用PDA算法更新目标状态;当波门内量测点数量小于等于阈值时,采用最近邻思想筛选目标量测点,接着利用卡尔曼滤波(Kalman filter, KF)算法实现杂波环境下的快速滤波更新。在此基础上,通过自适应区间平滑方法,动态修正平滑区间,实现整体状态估计的反向平滑,从而提升算法的精度。不同杂波环境下的实验结果表明,本文方法相较于PDA算法与KF-PDA算法,在保证跟踪效率的同时,有效提升了系统状态的估计精度,验证了该方法的鲁棒性和有效性。展开更多
本论文研究了基于同步DS-CDMA协作通信系统的迭代接收机性能,该系统在协作伙伴节点端和基站端均使用由随机数据联合检测器与LDPC译码器级联(PDA+LDPC,probabilistic data association+low density parity check codes)所组成的迭代接收...本论文研究了基于同步DS-CDMA协作通信系统的迭代接收机性能,该系统在协作伙伴节点端和基站端均使用由随机数据联合检测器与LDPC译码器级联(PDA+LDPC,probabilistic data association+low density parity check codes)所组成的迭代接收机,利用从该迭代接收机所提供的信息,提出了一种集中式协作伙伴节点选择策略。根据该策略,由于距离基站较近的节点与基站间通信能力相对较强,每个信源节点将优先选择距离基站近的节点作为其协作伙伴节点,仿真结果表明,本文所提出的集中式协作伙伴节点选择策略可取得较好的系统性能。展开更多
对含有系统误差的测量进行配准是准确进行数据关联的前提.实际中,许多不确定性因素导致系统误差,使其演化模型难以建立,从而导致传统配准方法不再适用.为此,提出一种基于优化SA-PSO(simulated annealing particle swarm optimization)...对含有系统误差的测量进行配准是准确进行数据关联的前提.实际中,许多不确定性因素导致系统误差,使其演化模型难以建立,从而导致传统配准方法不再适用.为此,提出一种基于优化SA-PSO(simulated annealing particle swarm optimization)的配准算法.由于传感器监视空域经常受到杂波的影响,在利用SA-PSO优化算法对系统误差进行配准时,不仅要考虑外界因素所引发系统误差的不确定性问题,还要考虑目标多个量测的归属问题.基于此,提出一种联合改进退火粒子群优化和概率数据关联的算法SA-PSO-PDA(simulated annealing and particle swarm optimization and probability data association),它综合考虑系统误差的随机性、寻优的最佳化和目标量测的多样性.仿真结果表明了所提算法具有可行性,且能较好地寻优系统误差参数.展开更多
文摘本论文研究了基于同步DS-CDMA协作通信系统的迭代接收机性能,该系统在协作伙伴节点端和基站端均使用由随机数据联合检测器与LDPC译码器级联(PDA+LDPC,probabilistic data association+low density parity check codes)所组成的迭代接收机,利用从该迭代接收机所提供的信息,提出了一种集中式协作伙伴节点选择策略。根据该策略,由于距离基站较近的节点与基站间通信能力相对较强,每个信源节点将优先选择距离基站近的节点作为其协作伙伴节点,仿真结果表明,本文所提出的集中式协作伙伴节点选择策略可取得较好的系统性能。
文摘对含有系统误差的测量进行配准是准确进行数据关联的前提.实际中,许多不确定性因素导致系统误差,使其演化模型难以建立,从而导致传统配准方法不再适用.为此,提出一种基于优化SA-PSO(simulated annealing particle swarm optimization)的配准算法.由于传感器监视空域经常受到杂波的影响,在利用SA-PSO优化算法对系统误差进行配准时,不仅要考虑外界因素所引发系统误差的不确定性问题,还要考虑目标多个量测的归属问题.基于此,提出一种联合改进退火粒子群优化和概率数据关联的算法SA-PSO-PDA(simulated annealing and particle swarm optimization and probability data association),它综合考虑系统误差的随机性、寻优的最佳化和目标量测的多样性.仿真结果表明了所提算法具有可行性,且能较好地寻优系统误差参数.
