简介:针对传统多目标概率假设密度(PHD)滤波器在低检测概率情况下跟踪精度低和失跟率高的问题,提出了一种改进的概率假设密度滤波算法。该算法利用高斯混合PHD(GM-PHD)滤波器进行PHD预测和PHD更新,处理过程中通过修正上一拍权值大的高斯项,并在处理当前拍时保证其权值的稳定性,以保证算法的高精度。仿真结果表明,在低检测概率情况下,该算法可较好估计目标数和目标状态。与传统GM-PHD滤波器比,该算法跟踪精度大幅提高。
简介:在航天测控数传(C&T)信号中,频谱混叠的现象非常普遍,因此对频谱严重混叠的信号进行单通道盲分离成为信号处理领域中研究的热点和难点。基于线性-共轭-线性频移(LCL-FRESH)滤波的基本概念,考虑到在实际非合作通信应用中基于循环平稳的LCL-FRESH滤波依赖于较高的循环频率精度,然而循环频率误差(CFE)总是无可避免,提出了一种改进的CFE校正算法,简单分析了误差条件下滤波器性能下降的原因。仿真表明,所研究的算法可以有效分离存在CFE下时频重叠的数传通信信号。