飞行器参数辨识方法与应用研究

研究了非线性连续－离散系统极大似然估计方法的实现及其在飞行器气动参数辨识中的应用问题，首先给出了递推计算灵敏度算法的构成，初始摄动的选择和初值的计算，继而导出了不需矩阵求逆运算的递推算式。最后结合飞行器的气动参数估计来说明算法的具体实现。     

多音参数估计的克拉美—罗界

白噪声中正弦信号（音）的参数估计是许多领域（如雷达，导航，电子对抗等）都会遇到的共同问题，本文给出了多音参数估计的克拉美－－罗界的详细推导过程。     

基于RELAX的空中多机动目标检测与参数估计

 针对机载雷达空中多机动目标的检测问题,提出了一种基于RELAX算法的空中多机动目标检测与参数估计方法。该方法将重构时间采样技术与RELAX算法相结合,有效地抑制了检测过程中强信号分量对弱信号分量的影响,在待测单元内存在多个目标时,能够获得很好的参数估计结果,并且在脉冲点数有限的情况下,该方法得到的参数估计精度依然很高。同时,本文还推导了空中多机动目标参数估值的克拉美罗界(CRB),为估计结果提供了理论下限。仿真结果证明了该方法的有效性。     

基于改进ICPF的多分量LFM信号参数估计

针对线性调频信号参数估计中搜索匹配过程带来的计算量问题,提出一种基于改进ICPF的多分量线性调频信号参数估计方法。给出了一种基于非均匀快速傅立叶变换的ICPF改进算法,利用改进的ICPF算法估计线性调频信号的调频率,利用解线频调方法估计中心频率和幅度。方法避免了参数估计过程中的搜索匹配过程,计算复杂度低,在低信噪比条件下具有较好的估计性能。仿真结果验证了方法的有效性。     

利用混合遗传算法的线性飞机动力学最大似然辨识

本文论述了利用混合遗传算法于线性飞机动力学特性的最大似然辨识。这种方法与其它最小化方法进行了比较，并且发现这种方法明显地优于简单的遗传算法。这种方法也与传统的ＭＮＲ（Ｍｏｄｉｆｉｅｄ Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ）方法和单一方法进行了比较。与ＭＮＲ方法相比，该方法的优点是没有必要说明初始参数估计，即不必给定参数边界。也不会遇到以最佳化技术为基础的梯度有时明显引起的数值问题。如果适用时，结合初始参数估计也是简单的。     

动态系统时延参数估计的重构输入法

首先指出了过去在进行时延系统参数估计时所用的近似处理方法的弊端，然后就动态系统未知时延参数的估计问题提出了重构系统输入的估计方法，并以极大似然估计迭代算法为基础给出了一套估计动态系统时延参数的算法，最后，应用所提出的方法进行了仿真计算，仿真结果表明，参数估计的精度极高，这说明该方法是可靠且可行的。     

基于压缩感知的信源个数与信号参数估计算法

信源个数与信号参数估计是盲信号处理的关键环节，对后续信号的侦察处理意义重大。针对当前盲信号信源个数与信源参数估计研究割裂的问题，提出了一种联合估计算法。通过分析信号的稀疏系数在不同测量矩阵相同稀疏字典下位置相同的特点，提高了信源个数和信号参数的估计精度，实现算法的自适应控制；通过数理分析确定了多级搜索策略的最优级次，大大降低了稀疏字典的原子数目。仿真结果表明：算法在一定信噪比下能够实现信源个数和信号参数的有效估计；信源个数和信号参数的估计精度随着压缩比的降低而逐渐提高，随着信噪比的提高而逐步增强；噪声对信源个数和信号参数估计精度的影响很大，尤其是低信噪比下；第2个信源载波频率和调频斜率的估计误差明显高于第1个信源参数的估计误差。     

线性极化敏感阵列的极化平滑算法及相干源参数估计

 研究了基于极化敏感阵列的相干信号参数估计问题。首先,提出一种利用均匀线性极化敏感阵列的新型极化平滑算法(ULAPSA),其能够处理更多相干信号的参数估计,且具有更小的计算量。然后,基于ULAPSA给出了波达方向（DOA）和极化参数估计的两种方法：第1种方法利用角度搜索得到信号的DOA估计,适应任何多分量的电磁矢量传感器阵列;第2种方法结合传播算子算法,无需奇异值分解和角度搜索,能够同时估计信号的DOA和极化参数。该方法适应完备的电磁矢量传感器、三偶极子或三磁环构成的矢量传感器。最后,通过仿真实验比较和分析了所提算法的性能。     

动态时频谱分析、探测和跟踪的随机有限集法

动态出现和消失多分量信号的时频分析问题一直是非平稳信号处理的难点之一。为此，提出了一种分析、探测和跟踪多分量信号的随机有限集法。该算法利用时频变换，如短时傅里叶变换或自适应谱估计法，以及多项式预测模型，将多分量信号的时频分析问题归纳成可利用随机有限集进行多目标追踪的问题。分析表明：借助于提出的初始权重赋值算法，以及谱分量幅度和频率的联合似然函数，就可利用高斯混合概率假设密度滤波器来实现对动态时频谱的分析、探测和跟踪。在仿真实验中，所提算法有效提升了动态时频谱的跟踪精度，其对微弱时频谱分量的探测能力，以及对载频差异的分析能力均优于文献报道的算法。     

嵌套阵列最大似然估计测向算法

针对在辐射源个数未知的条件下嵌套阵列难以估计多个辐射源角度的问题,提出了基于最大似然估计(MLE)的嵌套阵列角度估计算法。算法在嵌套阵列模型的基础上,首先通过推导阵列截获多辐射源信号的最大似然函数及其梯度,利用最速下降法估计出空域中所有潜在辐射源的角度;然后,通过多元假设检验,利用最大似然比与门限进行比较,确定出空域中所有潜在辐射源中某一时刻发射信号的活跃辐射源角度,排除其余噪声形成的虚假辐射源角度,解决了在辐射源个数未知条件下嵌套阵列对多个辐射源角度估计问题。仿真结果表明:与传统多重信号分类(MUSIC)算法相比,该算法在辐射源数目未知、存在相干信号、低信噪比(SNR)、低快拍数条件下,均具有较好的角度估计精度,并且算法形成的虚拟阵列自由度是空间平滑MUSIC算法的2倍;多元假设检验法比传统信源数目估计算法在低信噪比条件下和处理相干信号方面具有明显优势。