基于双层协方差矩阵重构的稳健波束形成算法

针对协方差矩阵含目标信号分量及目标导向矢量失配情况下，传统自适应波束形成器性能急剧下降的问题，提出了干扰加噪声协方差矩阵双层重构的稳健波束形成算法。首先，利用稀疏重构的方法预估干扰加噪声协方差矩阵，通过估计干扰导向矢量及干扰功率对干扰加噪声协方差矩阵进行优化校正；然后，基于子空间理论建立导向矢量约束误差优化模型，利用迭代方法对凸优化模型进行求解，得到最优权值向量。仿真结果表明:所提算法显著提高了波束形成器在目标导向矢量约束误差及阵列误差情况下的稳健性，低快拍条件下表现较好，输出性能优于仿真对比算法。      

基于阵列天线波束形成的卫星导航信号提纯

围绕对卫星导航信号实施转发式欺骗所需的卫星导航信号提纯要求，提出了一种数字波束形成的优化设计方法。通过向阵列天线接收信号的数据协方差矩阵加载由非目标卫星方向信息和阵列布局构造的“虚拟”干扰信号协方差矩阵，增大了协方差矩阵特征值的差异。用新构造的协方差矩阵计算最小方差无失真响应波束形成的加权向量，使波束指向方向的目标卫星信号无失真通过，并同时零陷其他非目标卫星的信号。通过计算机仿真试验验证了所提方法的正确性和有效性。      

一维GTD散射中心模型参数估计的改进MUSIC算法

针对利用多重信号分类（MUSIC）算法估计一维几何绕射理论（GTD）的散射中心模型时噪声鲁棒性较差、参数精度不高这一问题，提出一类改进的MUSIC算法。首先，构建原始回波数据的共轭矩阵，有效提高了原始回波数据的利用率；其次，将原始回波数据的协方差矩阵、共轭数据的协方差矩阵叠加取平均，得到一个新的总协方差矩阵；最后，对矩阵作2次方、4次方等偶次方处理，得到另一矩阵，以达到增大信号特征值与噪声特征值之间差距的作用，等效为增大了信噪比。仿真结果表明:所提改进算法的参数估计性能及噪声鲁棒性均要优于经典MUSIC算法。      

结构方程模型的预测建模方法

提出一种结构方程模型的动态预测建模方法,从而可以在无须未来样本数据的情况下,预测系统要素之间未来的因果关系。采用矩阵谱分解,将协方差矩阵唯一分解为特征值矩阵和特征向量矩阵乘积的形式.分别应用经典的线性回归方法和高维群点主轴旋转预测方法对特征值矩阵和特征向量矩阵建立预测模型,提出一种协方差矩阵的后推预测算法.采用极大似然法,迭代估计未来结构方程模型的各种参数.仿真实验例示了该方法的主要计算步骤.计算结果显示,利用本模型得到的拟合值精度较高,预测模型真实可信,表明这种方法可以用于分析和预测结构方程模型.      

基于有限存储空间的分布式传感器融合估计器

研究具有信息传输模型不确定性、随机时间延迟和数据丢包的网络化多传感器分布式融合估计问题。模型的不确定性刻画为系统矩阵中的非高斯非白噪声干扰，在远程处理中心处设置有限长度的存储空间用来存储各个传感器延迟到达的测量值。在最小方差原则下设计了一种利用测量值到达变量的最优常增益局部估计器，利用协方差交叉加权方法得到最优分布式融合估计器并推导得到使得估计器有界的条件。最后，通过某电源系统计算实例仿真验证所提融合估计器的有效性。     

SAR图像非平稳性对图像模型和滤波降噪方法的影响

从随机过程理论角度按平稳程度把合成孔径雷达(SAR)图像分为分辨单元内平稳、分辨单元内不平稳、处理窗内局部平稳和处理窗内局部不平稳4种情况,研究了非平稳性对图像的斑点乘性噪声模型、场景-斑点乘积模型和结构邻域模型的影响,得出各自的平稳性适用条件,并在此基础上评价了各种滤波降噪方法的性能,用实际数据进行了验证.      

二维类间边界Fisher分析的多元时间序列降维

针对传统边界Fisher分析及相关方法用于多元时间序列降维的局限性，提出一种基于二维类间边界Fisher分析的多元时间序列降维方法。针对边界Fisher分析进行模型改进，在本征图和惩罚图的基础上引入类间惩罚图，用来描述各个类中心之间的距离，并对目标函数进行改进，提出类间边界Fisher分析模型；对所提模型进行二维化拓展，提出基于二维类间边界Fisher分析的降维模型，使其能够直接处理二维矩阵数据，有效保留结构信息；通过计算协方差矩阵将多元时间序列集转化为等长特征集，利用降维模型将等长特征集投影到低维空间，达到数据降维和特征表示的目的。实验结果表明：所提方法能够有效对多元时间序列进行降维，达到良好的分类效果。     

Kalman滤波估算电离层延迟的一种优化方法

频间偏差（Inter Frequency Bias,IFB）通常会给电离层延迟的解算带来误差.目前从电离层延迟中消除频间偏差的方法是基于GPS双频观测数据建立垂直电离层模型,利用卡尔曼滤波实时估算电离层模型系数和频间偏差.然而滤波过程中的测量噪声协方差矩阵没有考虑系统观测量之间的相关性,这会导致滤波模型不准确,进而影响最后求解的电离层延迟的准确性.本文选取了美国19个参考站的GPS双频观测数据,利用卡尔曼滤波实时估算电离层模型系数以及频间偏差.在滤波过程中,通过将先验频间偏差的估计方差引入测量噪声方差,实现对测量噪声协方差矩阵的优化.计算结果表明,优化后得到的卫星频间偏差与欧洲定轨中心（Center for Orbit Determination in Europe,CODE）得到的频间偏差更接近.将优化后的电离层延迟代入伪距解算,得到的位置误差的标准差在东向和天顶向分别下降了12.5%和15.4%,天顶向误差平均值下降了17.6%,定位精度得到提高.      

一种加速度辅助“当前”统计模型距离跟踪方法

经典的“当前”统计模型中,机动频率通常为经验值,并需预设加速度极限值。针对这一局限,该文利用递归线性平滑牛顿预测器对加速度进行预估后,得到“当前”统计模型中目标机动频率值的解析解,并避免机动加速度极限值的设置,实现了过程噪声协方差矩阵的自适应计算。此外,利用简化的Sage-Husa滤波方法实现量测噪声协方差矩阵的自适应更新。计算机仿真验证了该文所提算法相比于经典的“当前”统计模型的距离跟踪性能更优。     

基于改进HHT的非高斯噪声中瞬态通信信号检测

根据瞬态通信信号和非高斯噪声的特点,建立了相应的信号模型,并利用希尔伯特-黄变换（HHT）处理非线性非平稳信号的优势,提出了基于改进HHT的非高斯噪声中瞬态通信信号的检测算法。该检测算法分为集合经验模式分解（EEMD）和固有模态函数（IMF）分量筛选两部分,首先经过加入随机白噪声多次试验取均值得到待检测信号的IMF分量,再结合各个分量与原信号的能量差异和相关性剔除虚假IMF分量,从而实现对混叠在非高斯噪声中的瞬态通信信号的有效检测。仿真在不同的条件下对比了本文算法与其他算法对信号的检测效果,结果证明本文算法能够有效克服HHT中存在的缺陷,实现对瞬态信号更为准确的分析和检测。     

基于时频域增强和全变差的群目标信号分离

针对低分辨雷达获取的群目标信号的弱时频正交性以及难以分离的问题,在进行时频域增强处理的基础上,提出了一种基于全变差(TV)的群目标信号分离方法。在旋转目标模型的基础上,首先通过分析群目标信号的稀疏性,指出了进行时频域增强处理的必要性。然后利用群目标中各子目标对应的微动周期的差异性,通过双向延迟处理,对多次观测得到的群目标信号进行时频域增强处理。最后根据群目标信号能量区域的分布特性,利用局部TV融合和主分量分析相结合的方法,实现了群目标信号的高保真分离。仿真结果表明,在采样率较低的情况下,文中方法有效地解决了群目标信号中弱信号分量的分离及提取问题,其融合分辨效果明显优于基于TV范数的融合方法。      

基于广义S变换的空间锥体进动微多普勒分析

锥体进动特性是用于空间目标识别的重要依据之一.为了研究这一问题,提出一种基于广义S变换的空间锥体进动微多普勒特性分析方法.根据锥体进动的物理运动过程建立了相应的数学模型,推导出锥体进动微多普勒频率的理论表达式,并通过仿真结果验证其正确性.该模型采用共原点的目标多坐标体系,使其仅存在旋转关系,从而简化了模型的结构与计算复杂性.在此基础上,利用广义S变换实现了对模拟雷达进动回波的微多普勒特性分析.在不同信噪比条件下的仿真结果表明:该方法时频分辨性较好,而且具有较高的鲁棒性.     

基于经验模分解的PPP时间比对数据消噪方法

精密单点定位(PPP)时间比对数据会受到观测噪声的影响，因此对时间比对数据进行消噪是一项重要工作。提出一种基于经验模分解(EMD)的PPP时间比对数据消噪方法，并将该方法与Vondrak滤波方法的消噪效果进行对比。结果表明，两种方法的消噪效果相当，均能有效滤除PPP时间比对数据中的随机噪声，明显改善时间比对的稳定度。     

基于经验模分解的PPP时间比对数据消噪方法

精密单点定位(PPP)时间比对数据会受到观测噪声的影响,因此对时间比对数据进行消噪是一项重要工作。提出一种基于经验模分解(EMD)的PPP时间比对数据消噪方法,并将该方法与Vondrak滤波方法的消噪效果进行对比。结果表明,两种方法的消噪效果相当,均能有效滤除PPP时间比对数据中的随机噪声,明显改善时间比对的稳定度。     

基于CEEMDAN的雷达信号脉内细微特征提取法

有效的信号特征提取是高精度雷达辐射源识别的基础,以脉冲描述字为代表的传统特征已无法满足复杂电磁环境的需要。本文提出一种基于自适应噪声完备集合经验模态分解（CEEMDAN）的有效雷达辐射源脉内细微特征提取算法。雷达信号由对非平稳、非线性信号尤为有效的CEEMDAN分解产生的个别分量重构,抑噪效果通过1 000次蒙特卡罗实验得到验证,同时设计基于该重构的一种脉内特征空间。本文方法与主流特征提取方法的识别精度在6部雷达辐射源产生的3 000个不同脉内调制的加噪信号样本上进行了实验对比,结果表明不同种类信号样本在本文特征空间中清晰可分,本文方法较之主流方法更加精确,尤其在0 dB信噪比（SNR）下仍保持90%以上的高精度。      

遗传算法在高频区目标二维散射分析中的应用

针对高频区雷达目标的散射特征问题,提出利用联合时频分析--自适应高斯基表示方法(AGR)来简化目前的二维散射中心模型,并将遗传算法(GA)用于二维散射模型参量的估计.该方法充分利用遗传算法的内在并行性,解决了二维等效散射中心的估计问题.仿真结果表明,该简化的二维模型不仅可以区分局域性散射中心,也可以再现具有一定长度的展布式散射结构,利用该简化模型在无噪情况下可以准确估计各散射中心的参数,同时在低信噪比情况下也可以取得很好的估计性能,它对于去除背景噪声起到了很好的作用.通过验证,在简化的散射模型基础上的目标散射特征分析是准确和可行的.     

原子钟频率稳定度测试中的噪声处理

原子钟的测量噪声会被引入到频率稳定度评估过程,尤其是对中短期频率稳定度的影响更大。重叠Allan方差可以克服调频闪变噪声和调频随机游走噪声随时间变化出现的非平稳问题,但由于受到测量噪声的影响,评估结果仍会出现误差。为此,本文通过对原子钟的数学模型和噪声特性进行分析,提出了原子钟频率稳定度评估的加窗平滑噪声处理方法,通过对时差观测序列合理的加窗设计和平滑处理,抑制测量噪声对评估结果的影响。实验结果表明,利用铷钟观测序列的100点平滑可以有效地提高短期频率稳定度结果（100~1 000）s的可信度。