导读:本文包含了高斯滤波器论文开题报告文献综述及选题提纲参考文献，主要关键词:地物杂波,天气雷达,双高斯滤波器,自适应高斯频域滤波器
高斯滤波器论文文献综述
吴晓燕,屈凯峰,张晓飞[1]（2019）在《一种双高斯模型滤波器的研究与应用》一文中研究指出在天气雷达信号处理阶段,地物杂波的存在是影响数据质量的最大问题,因此,识别并剔除地物回波是天气雷达信号处理系统的一个重要内容。首先简要介绍了IIR椭圆地物杂波滤波器的原理;其次介绍了结合杂波识别(CMD)算法的自适应高斯频域滤波器(GMAP)的滤波算法和双高斯滤波器(BGMAP)算法,分析了不同回波情况下GMAP滤波器和BGMAP滤波器的滤波效果和运行时间比较;最后根据实际雷达回波信号,分析了IIR椭圆地物杂波滤波器与GMAP滤波器的杂波抑制性能,对两种滤波器结果进行了分析和比较。结果表明,BGMAP滤波器的杂波抑制性优于GMAP滤波器和IIR椭圆滤波器,然而处理时间较长,适合对回波数据的分析,实时处理时使用GMAP滤波器能满足实时处理的要求。(本文来源于《雷达科学与技术》期刊2019年04期）
陈辉,赵维娓[2]（2019）在《一种多扩展目标非线性高斯逆Wishart概率假设密度滤波器》一文中研究指出针对非线性多扩展目标跟踪问题,提出了一种基于修正无偏转换量测(modified unbiased converted measurement, MUCM)的高斯逆威沙特概率假设密度(Gaussian inverse Wishart probability hypothesis density, GIW-PHD)滤波器.首先,该方法利用MUCM将雷达非线性量测转换为笛卡尔坐标系下的伪线性量测,并用统计方法得到转换量测误差的协方差矩阵.然后,给出MUCM-GIW-PHD滤波算法的具体实现过程,继而在非线性条件下对多扩展目标的运动参数和形状参数进行联合估计.最后,仿真实验验证了算法的有效性.(本文来源于《兰州理工大学学报》期刊2019年03期）
李言武,张卫明[3]（2019）在《一种基于牛顿法的高斯非线性滤波器》一文中研究指出针对高斯型非线性滤波器在大初始估计误差和/或小量测误差条件下的估计性能恶化问题,提出一种新的高斯型非线性滤波器设计方法。从优化角度出发,将当前时刻状态视为未知参数,以高斯假设下状态-观测联合概率分布密度的对数作为代价函数,基于一阶线性化和牛顿下降方法推导了迭代观测更新方程,在此基础上设计了一种迭代型高斯非线性滤波器。通过典型仿真算例将所提算法与几种经典滤波器及近期提出的几种迭代型高斯滤波器进行了性能对比。结果表明,算法具有更好的收敛性和准确性,适于大初始误差条件下的非线性滤波问题。(本文来源于《电子测量与仪器学报》期刊2019年06期）
田婧,鄢社锋[4]（2019）在《宽零陷广义高斯滤波器组多载波通信在水声双扩展信道中的应用》一文中研究指出针对正交频分复用通信在水声多普勒信道中存在严重的子载波间干扰问题,设计了基于广义高斯函数的滤波器组多载波复用系统。该滤波器组在保证子载波时频于二维平面上具有准正交性的前提下,通过扩宽目标时-频点的零陷,提高了系统对时延-多普勒双扩展的鲁棒性。同时,将分数间隔FFT频域均衡算法扩展到了该系统中,以纠正机动性平台的多普勒频偏。仿真分别设计了多径不一致多普勒扩展信道及时变信道两种场景,所设计系统的误比特率性能均比传统OFDM有明显提高。(本文来源于《移动通信》期刊2019年05期）
唐子奇,谢岚,张玉萍[5]（2019）在《基于高斯随机向量统计特性的卡尔曼滤波器推导方法》一文中研究指出为帮助需要深入了解卡尔曼滤波器的研究人员或使用卡尔曼滤波器的工程人员深入学习这一非常有用的工具,利用高斯随机向量及其统计学特性,尤其是概率密度函数对卡尔曼滤波递归方程进行推导。在推导过程中,给出了卡尔曼滤波器推导所需的相关理论依据及数学工具。该推导方法简单、直观,更便于人们理解卡尔曼滤波器工作机理,并根据实际应用过程进一步开展更深层次的研究。(本文来源于《软件导刊》期刊2019年05期）
李翠芸,王精毅,姬红兵,刘远[6]（2019）在《基于星凸随机超曲面的扩展目标伽马高斯混合势概率假设密度滤波器》一文中研究指出针对杂波和检测不确定情况下扩展目标形状估计精度低的问题,提出了一种基于星凸随机超曲面模型(SRHM)的扩展目标伽马高斯混合势概率假设密度(CPHD)滤波器.该算法在高斯混合概率假设密度滤波的框架下,首先将目标形状建模为星凸随机超曲面,然后通过CPHD滤波估计出目标的质心位置和目标数目,最后通过将已估计的目标质心位置作为目标形状的中心点来结合量测对目标形状进行估计.其中,算法通过自适应估计尺度变换因子对形状边界进行约束优化,解决了星凸随机超曲面模型存在的边界形状不规则的问题.设计扩展目标个数未知以及含有杂波的实验场景,实验结果验证了该算法的有效性和可行性.(本文来源于《控制理论与应用》期刊2019年05期）
朱歌[7]（2019）在《关于高斯低通滤波器的超分辨分析》一文中研究指出对于经过高斯低通滤波的信号,通过求解一类凸优化模型稳定地恢复该信号的高频信息.当信号满足一定的分离条件时,给出了误差估计的界,从理论上证明了求解凸优化方法的稳定性.理论的证明依赖于压缩感知中的对偶理论.一个显着的差异在于高斯低通滤波器并不满足压缩感知中对于测量矩阵的要求,例如相关性,约束等距性质等.(本文来源于《高校应用数学学报A辑》期刊2019年01期）
陈辉,贺忠良,连峰,黎慧波[8]（2019）在《基于高斯混合多目标滤波器的传感器控制策略》一文中研究指出本文基于随机有限集的高斯混合多目标滤波器(Gaussian Mixture Multi-Target Filter,GM-MTF)提出几种传感器控制策略.首先,基于容积卡尔曼高斯混合多目标非线性滤波器,借助两个高斯分布之间的巴氏距离,推导GM-MTF的整体信息增益,并以此为基础提出相应的传感器控制策略.另外,设计高斯粒子的联合采样方法对多目标滤波器的预测高斯分量进行采样,用一组带权值的粒子去近似多目标统计特性,利用理想量测集对粒子的权值进行更新,继而研究利用Rényi散度作为评价函数,提出一种适应性更好的传感器控制策略.最后,给出基于目标势的后验期望(Posterior Expected Number of Targets,PENT)评价的高斯混合实现过程.仿真实验验证了提出算法的有效性.(本文来源于《电子学报》期刊2019年03期）
朱歌[9]（2018）在《关于高斯低通滤波器的超分辨分析》一文中研究指出随着科学技术的进步与发展,数字图像已经成为人类活动中最常用的信息载体,也是人们获取外界信息的重要途径.它包含了大量的信息,其质量在人们进行视觉感知和通信过程中起着至关重要的作用.然而在图像的获取、存贮等过程中会受到外界噪声的干扰对图像的质量产生影响;并且在对图像进行预处理时,不同的算法也会影响图像最终的成像效果.近年来,图像超分辨分析广泛的应用领域使其在图像处理中占有重要的地位,它可以克服由于所得观测信号的信息量不足所带来的问题.该技术是通过信号的低频部分恢复其在高频部分中的信息.在超分辨分析中,对于给定的点源信号,信号间的最小分离间隔满足△(≥ 2/fc,可以通过求解一个l1优化模型得到信号的精确恢复.对于经过高斯低通滤波的信号,可以通过求解一类凸优化模型稳定地恢复该信号的高频信息.本文中经过理论证明得到求解优化模型能够稳定地恢复信号的高频信息,并给出误差估计的界.理论的证明依赖于压缩感知中的对偶理论.一个显着的差异在于高斯低通滤波器并不满足压缩感知中对于测量矩阵的要求,例如相关性,约束等距性质等.构造满足条件的对偶多项式是保证优化模型存在唯一解的重要桥梁.本文构造一个满足条件的对偶多项式对信号进行插值,保证矩阵能够满足零空间性质,从而保证能够稳定地恢复信号。(本文来源于《浙江理工大学》期刊2018-12-09）
曲长文,冯奇,李廷军[10]（2018）在《基于分治-贪心算法的高斯混合多观测站CPHD滤波器》一文中研究指出针对现有的多观测站概率假设密度滤波器实现中存在依赖观测站处理顺序、计算复杂度高等问题,文中提出一种基于分治-贪心算法的高斯混合多观测站势概率假设密度滤波器.假设观测站个数为s,每个观测站的量测个数为n,相对于暴力分析法,分治算法使得子集选取问题的计算复杂度从O(ns)降到了O(ns).此外,在线性高斯模型假设条件下,给出多观测站势概率假设密度滤波实现的具体步骤.仿真结果证明,本文实现方法不受观测站处理顺序的影响,分治-贪心近似实现方法与暴力分析法的跟踪性能相当,但是运算耗时大大降低,提高了算法实现及应用的可行性.(本文来源于《电子学报》期刊2018年10期）
高斯滤波器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对非线性多扩展目标跟踪问题,提出了一种基于修正无偏转换量测(modified unbiased converted measurement, MUCM)的高斯逆威沙特概率假设密度(Gaussian inverse Wishart probability hypothesis density, GIW-PHD)滤波器.首先,该方法利用MUCM将雷达非线性量测转换为笛卡尔坐标系下的伪线性量测,并用统计方法得到转换量测误差的协方差矩阵.然后,给出MUCM-GIW-PHD滤波算法的具体实现过程,继而在非线性条件下对多扩展目标的运动参数和形状参数进行联合估计.最后,仿真实验验证了算法的有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
高斯滤波器论文参考文献
[1].吴晓燕,屈凯峰,张晓飞.一种双高斯模型滤波器的研究与应用[J].雷达科学与技术.2019
[2].陈辉,赵维娓.一种多扩展目标非线性高斯逆Wishart概率假设密度滤波器[J].兰州理工大学学报.2019
[3].李言武,张卫明.一种基于牛顿法的高斯非线性滤波器[J].电子测量与仪器学报.2019
[4].田婧,鄢社锋.宽零陷广义高斯滤波器组多载波通信在水声双扩展信道中的应用[J].移动通信.2019
[5].唐子奇,谢岚,张玉萍.基于高斯随机向量统计特性的卡尔曼滤波器推导方法[J].软件导刊.2019
[6].李翠芸,王精毅,姬红兵,刘远.基于星凸随机超曲面的扩展目标伽马高斯混合势概率假设密度滤波器[J].控制理论与应用.2019
[7].朱歌.关于高斯低通滤波器的超分辨分析[J].高校应用数学学报A辑.2019
[8].陈辉,贺忠良,连峰,黎慧波.基于高斯混合多目标滤波器的传感器控制策略[J].电子学报.2019
[9].朱歌.关于高斯低通滤波器的超分辨分析[D].浙江理工大学.2018
[10].曲长文,冯奇,李廷军.基于分治-贪心算法的高斯混合多观测站CPHD滤波器[J].电子学报.2018
标签：地物杂波; 天气雷达; 双高斯滤波器; 自适应高斯频域滤波器;