一种二维来波方向估计的快速ESPRIT算法

提出了一种快速ＥＳＰＲＩＴ算法,使用该算法和两平行均匀线阵可实现二维来波方向的快速估计,快速ＥＳＰＲＩＴ算法复协方差矩阵中不受噪声影响的子块来估计来波方向,避免估计整个协方差矩阵和噪声功率,减少了特征分解的次数,大幅度地降低了运算量,而参数的估计性能接近ＰＲＯ－ＥＳＰＲＩＴ算法,最后给出了计算机仿真结果,表明了该算法的有效性。     

利用Toeplitz特性改善来波方向估计性能

提出一种利用协方差矩阵的Toeplitz特性,使估计的协方差矩阵成为Toeplitz矩阵的方法,在低信噪比短数据流情况下,改善来波方向(DOA)估计的性能,且不需增加乘法运算量.对MUSIC算法和PRO-ESPRIT算法进行了分析并作了计算机仿真,仿真结果表明:利用Toeplitz特性后,MUSIC算法谱峰幅度增大,波谷相对波峰的深度增加,这将有利于目标的分辨;并可减小低信噪比情况下MUSIC算法和PRO-ESPRIT算法DOA估计的方差.     

利用Toeplitz特性改善来波方向估计性能

提出一种利用协方差矩阵的Ｔｏｅｐｌｉｔｚ特性,使估计的协方差矩阵成为Ｔｏｅｐｌｉｔｚ矩阵的方法,在低信噪比短数据流情况下,改善来波方向（ＤＯＡ）估计的性能,且不需增加乘法运算量．对ＭＵＳＩＣ算法和ＰＲＯＥＳＰＲＩＴ算法进行了分析并作了计算机仿真,仿真结果表明：利用Ｔｏｅｐｌｉｔｚ特性后,ＭＵＳＩＣ算法谱峰幅度增大,波谷相对波峰的深度增加,这将有利于目标的分辨;并可减小低信噪比情况下ＭＵＳＩＣ算法和ＰＲＯＥＳＰＲＩＴ算法ＤＯＡ估计的方差．     

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。      

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。      

空间色噪声下信号频域检测方法性能分析

水下小孔径阵列的应用环境是色噪声环境,针对超增益波束形成方法在色噪声环境下噪声协方差矩阵估计偏差使阵列空间增益不能达到最大的问题,提出了一种频域超增益波束形成方法(FSD, Super-Directive beamforming in Frequency domain),该方法将宽带接收数据分成多个子带,在每个子带内分别估计噪声协方差矩阵,降低了噪声协方差矩阵的估计偏差,并使用估计得到的噪声协方差矩阵对接收数据解相关.最后使用空间谱检测器检测微弱目标信号.实测噪声数据的仿真结果表明,空间有色噪声环境中FSD方法的检测性能优于传统的时域超增益波束形成方法(TSD, Super-Directive beamforming in Time domain)2 dB,优于频域最小方差无畸变响应(FMVDR, Minimum Variance Distortionless Response in Frequency domain)波束形成方法2 dB.     

基于空时DFT投影实现宽带信号二维角估计

 提出了一种基于空时DFT投影的宽带信号二维角估计算法. 该方法采用3个共面的均匀线阵,每一均匀线阵对宽带信号空间采样,然后进行空时二维DFT变换,在空时频率域对宽带信号进行投影变换,用MUSIC算法实现宽带来波信号方向余弦的估计. 利用3个方向余弦估值进行配对,然后求得来波的方位角和仰角估计. 该方法既保留了投影算法的优点,即不需要源的先验知识;不需变换矩阵和在低信噪比有好的性能,又避免二维谱峰搜索.仿真实验表明了算法是有效的.     

非线性量测下自适应噪声协方差PHD滤波

概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自适应噪声协方差多目标跟踪算法。该算法以PHD滤波为基础,采用容积卡尔曼(CK)技术近似非线性量测模型,利用逆威沙特(IW)分布描述量测噪声协方差分布,通过变分贝叶斯(VB)近似技术迭代估计量测噪声协方差和多目标状态联合后验密度。仿真结果表明,本文所提算法可有效估计量测噪声协方差,同时实现准确的目标数和目标状态估计。     

基于非圆信号的单次快拍二维DOA新算法

针对双平行线阵相干信号二维波达方向(DOA,Direction of Arrival)快速估计问题,利用信号的非圆特性,提出了一种基于非圆信号的单次快拍数据的二维DOA算法.建立新的阵列坐标系,对阵列接收单次快拍数据进行共轭运算,通过数据重新链接得到伪快拍数据,阵列孔径扩展1倍.仅需要对3个伪单快拍矩阵的扩展矩阵进行一次奇异值分解即可实现二维DOA估计和解相干.该算法计算复杂度低,估计精度高,适用于对二维DOA估计实时性要求高的应用背景.计算机仿真结果验证了方法的有效性.     

基于UKF的姿态无关GPS双差整周模糊度确定

基于运动的GPS双差整周模糊度确定方法需要预先知道载体的姿态,为了消除对姿态的依赖,研究了一种新的整周模糊度确定方法。首先将多天线载波双差相位矢量观测方程转化为标量观测方程,消去了对载体姿态矩阵的依赖。经过短时离线观测,以中心估计算法和协方差白化算法估计和修正双差整周模糊度的近似解及协方差矩阵。再以该近似解和协方差矩阵为初值,由无迹卡尔曼滤波(UKF)实时估计双差整周模糊度的精确解。最后对该方法进行了仿真,仿真结果表明经过离线批处理算法的预处理UKF可准确收敛于真实解,证明了方法的正确和有效性。     

一种时间欠采样实时频率和二维角估计方法

提出了用均匀平行线阵和阵元输出信号的时间延迟估计时间欠采样来波频率、方位角和仰角的方法.该算法在DFT波束空间使用PRO-ESPRIT方法,实现频率无模糊估计,完成来波信号频率和角度的估计.频率间接估计算法是先估计数字频率,然后用数字频率求模拟频率,其估计方差比直接估计算法的方差要小几个数量级.仿真实验表明了算法的有效性.     

基于Jerk输入估计的MCS模型及非线性跟踪算法

针对强机动目标跟踪问题,基于当前统计(CS,Current Statistical)模型、改进输入估计 (MIE,Modified Input Estimation)和无迹强跟踪滤波器,提出了一种新的自适应目标跟踪算法.该算法引入Jerk输入估计改进了当前统计模型的状态方程和机动加速度方差调整方法,利用改进的无迹强跟踪滤波器实现了状态协方差、状态噪声协方差和机动频率的联合自适应.在没有加速度先验知识的情况下,能够实时准确跟踪目标连续强机动、匀加速机动和匀速运动状态.仿真实验表明:相比CS模型无迹滤波算法、CS模型无迹强跟踪算法和交互多模型算法,该算法在对目标强机动的适应性、跟踪精度和对突变状态跟踪的收敛性方面都有更好的性能.     

基于卡尔曼滤波和ABS控制输入的车速估计

在现有的轮速估计算法基础上,研究了一种基于参数自适应卡尔曼滤波和ABS(Anti-lock Braking System)控制输入的车速估计算法.该算法首先以四轮轮速为输入,利用ABS控制状态信息估计车辆的制动减速度,然后综合减速度和轮速信息分别估计左、右侧的参考车速.使用自适应卡尔曼滤波针对不同的滑移状况更新协方差矩阵,并采用真实的ABS制动试验数据检验所提出的算法,结果表明:该算法在各种路面条件下都能估计得到合理的参考车速.      

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.      

一种基于小波变换的多分形布朗运动合成算法

为了更有效地描述点状奇异性指数沿样本路径变化的信号,利用多分形的概念,在基于离散小波变换技术的基础上,提出了一种合成多分形布朗运动的新算法.该算法通过控制高斯白噪声的小波系数权来获得期望的信号局部正则性,而合成过程的收敛性由收敛因子保证.通过与基于Durbin-Levinson 和轮换矩阵嵌入技术算法的比较以及数字仿真试验,表明提出的算法不仅计算复杂度低,而且适用于生成非高斯的、自协方差函数事先未知的多分形过程.      

导航解算中的有色噪声及其协方差矩阵自适应拟合

使用Kalman滤波进行动态导航定位解算需要涉及函数模型和随机模型, 而在实际应用中, 精确的函数模型和随机模型很难直接给出, 因此, 动态Kalman滤波的精度和可靠性将会受到函数模型误差和随机模型误差的影响. 在假设观测噪声和动力学模型噪声主要是具有一阶自相关特性的有色噪声的基础上, 提出了一种基于移动窗口的有色噪声函数模型和随机模型的自适应拟合法. 给出了计算有色噪声估值和噪声协方差矩阵的表达式, 并利用实测数据验证了模型及算法的可行性和实用性. 计算结果表明, 该算法能有效抵制有色噪声对导航滤波结果的影响.      

基于STLS的卫星惯量矩阵在轨估计

提出了一种采用结构总体最小二乘（Structured total least squares, STLS）进行卫星惯量矩阵在轨估计的方法,与当前估计方法相比,该方法在考虑敏感器测量噪声时能获得一致估计。首先由动量守恒定律得到估计方程,针对该方程的特点定义了惯量矩阵的STLS估计,并使用结构总体最小范数（Structured total least norm, STLN）算法进行求解。证明了当噪声为高斯分布时该STLS估计为极大似然估计,给出了该STLS估计具有一致性的充分条件,仿真结果验证了文章所提估计方法的有效性。     

基于特征值分解的小天体着陆自主导航系统可观度分析

摘要： 针对非线性导航系统中状态估计可观性与导航精度之间的关系，采用基于误差方差阵特征值分解的可观度分析方法，结合扩展卡尔曼滤波(EKF)算法对非线性预测滤波(NPF)算法进行改进，推导改进预测滤波的误差协方差矩阵，并对其进行特征值分解.分析特征值和特征向量与导航精度的关系，以小天体探测器着陆自主导航系统为例进行仿真验证，与EKF导航精度比较的基础上验证改进的NPF算法的有效性和精确性，并分析不同误差因素(模型误差，陀螺噪声，陆标误差)对可观度的影响，为航天器实际过程中自主导航系统的滤波器设计提供参考.     

基于地心坐标系的多传感器动态偏差估计算法

配准是多传感器系统进行数据融合必不可少的处理过程.使用一种新的基于地心地固(ECEF, Earth-Centered Earth-Fixed)坐标系的多传感器配准算法,能对传感器的动态偏差进行估计,同时充分考虑了地球曲率对配准算法本身的影响.首先利用多传感器的局部航迹数据来构造关于传感器偏差的伪测量模型,其噪声满足零均值高斯白噪声特性,协方差信息也易于计算,然后使用序贯卡尔曼滤波算法(SKF, Sequential Kalman Filter)对偏差进行动态估计.当传感器偏差恒定时,算法经过简单修改后依然适用.最后通过仿真试验对新算法的性能进行了评估,结果说明新算法能有效地进行传感器配准.