OFDM的时域和频域均衡技术

文章介绍了OFDM系统的时域和频域均衡的基本原理,说明了其在无线信道中传输的必要性,并给出了具体的实现方案。     

UVM2初轨计算的误差估计

ＵＶＭ２是一种新的初轨计算方法，本文根据误差理论，对ＵＶＭ２初轨计算的内符合误差估计及其传播进行了分析和研究，并给出了具体的误差估计和传播的计算公式。     

一般概率测度的核估计

在测度弱收敛的意义下，研究了一般概率测度μ的核估计μn，得到了它的渐近无偏性、强相合性及在给定条件下的收敛速度。     

负二项分布环境因子的经典限

本文推导了负二项分布环境因子的非随机化最优置信限和随机化最优置信限,并讨论了严酷环境下的试验信息与良好环境下的试验信息相互折算的问题。为了满足工程实际的需要,我们也给出了部分表值。     

基于卫星观测数据的弹道导弹初始状态估计

利用卫星探测数据对大气层外飞行的弹道导弹弹道进行估计。在极大似然估计中,由于卫星探测导弹运动的可观测性较差,使初始点估计变得十分病态,传统的Gauss Newton迭代算法不再适用,而采用较为复杂Levenberg Marquardt算法,分别对单颗卫星和两颗卫星的情况进行了Monte Carlo仿真,得到了各自的归一化残差测量误差(代价函数),结果表明该算法有效。     

混合正态分布参数极大似然估计的EM算法

利用传统的估计方法确定混合正态分布参数极大似然估计是很困难的。为此采用EM统计算法,引入恰当的“潜在数据”简化了计算过程,将复杂的极大化运算转化为一系列求期望和极大化的简单步骤。算例结果表明EM算法是有效的,估值精度满足要求。     

一种多尺度稀疏极化敏感阵列及其DOA估计方法

针对单个电磁矢量传感器(SS-EMVS)的孔径受限和传统稀疏阵列无法提供目标极化信息的问题,结合分离式电磁矢量传感器和稀疏阵列,提出了一种由SS-EMVS组成的多尺度稀疏极化敏感阵列。该阵列的阵列单元为1个完整的分离式电磁矢量传感器,沿y轴分布,整个阵列按阵元间距分为2个均匀子阵,而且这2个阵元间距都可以大于入射信号的半波长,从而构造一个多尺度稀疏极化敏感阵列以得到目标波达方向(DOA)的高精度估计值。该阵列结合了SS-EMVS可降低阵元互耦和稀疏阵列可扩大阵列孔径的优点,提高了目标DOA估计精度的同时降低了阵元互耦,并且对噪声也具备较好的鲁棒性。而在算法上,首先利用矢量叉积算法得到目标方向余弦的低精度无模糊估计值;其次根据2个子阵的空域旋转不变性得到目标方向余弦的高精度模糊估计值,针对这些方向余弦的估计值提出了一种多尺度解模糊算法,可得到目标方向余弦的高精度无模糊估计值;最后经过运算得到目标的高精度DOA的估计结果。仿真结果证明了所提阵列和算法的有效性。该阵列可应用于某些空间受限的实际应用场合中,如安装在飞行器上的传感器阵列,从而发挥电磁矢量传感器的单天线多分量的特点,也可以与MIMO雷达进行结合,借助极化信息提高雷达系统的检测性能和目标二维DOA的估计精度。     

自适应航天器态势分析系统

利用深度学习中的卷积神经网络理论,基于单目视觉系统和带有标识物的航天器影像,实现对航天器的三维姿态角、距拍摄点距离和相对拍摄中心偏移量的精准测量。利用机器学习理论实现网络自主学习样本特征,这一方式将大幅降低动态测量的误差。同时,这种测量方式也避免了人工提取特征的复杂过程,实现任意、精准、快速测量,对航天器在组装及发射过程中的姿态估计、距离测算起到关键性作用。