线性模型信号估计的精度分析

线性模型的信号估计精度是工程应用上非常重要的指标.传统的信号精度分析的方法主要是依据回归模型的残差,构造相应的统计量进行评价的.现通过对动态测量数据模型的分析,从随机误差、系统误差、信号模型这三个方面出发,分别分析其对信号估计精度的影响,结论是建立精确的信号和系统误差的节省参数模型以及有利于信号和误差分离的模型是得到高精度信号估计的前提.比较了弹道数据处理中的不同线性模型,并给出算例分析.     

异常数据识别的搜索方法

研究弹道跟踪系统的异常数据识别问题,导出了一种基于三角形和四边形面积的异常数据识别的搜索方法。理论分析、仿真计算和实测数据处理均表明,本搜索方法对异常数据的识别有较好的效果,可应用于数据的适时和事后处理。     

混合泊松-高斯分布模型的参数估计

针对实际CCD图像处理问题中噪声概率模型的参数估计问题,从CCD图像的噪声背景出发,研究其噪声的混合泊松高斯分布,给出了两种参数估计方法,以及非零均值高斯噪声情况下的参数估计方法,计算结果表明文中方法给出的参数估计精度高。     

基于Cauchy稀疏分布的SAR图像超分辨算法

分析了SAR图像稀疏性的成因,利用具有稀疏特性的Ｃａｕｃｈｙ分布作为SAＲ图像相位历史域数据的先验分布,建立了基于Cauchy稀疏分布的SAR图像超分辨模型,通过减少每次迭代中矩阵求逆的次数,给出了模型的快速迭代求解算法。利用SAR图像的稀疏性先验,将SAR图像超分辨问题转化为形式简单的约束极值问题,避免了基于ｌｋ范数正则化超分辨方法的模型定阶问题。最后,利用MSTAR实测数据,在相位历史域的实验结果证实了该方法有效的超分辨能力和快速求解能力。     

编队卫星星间相对状态测量的国外研究现状

空间状态测量是编队卫星应用需要解决的关键问题之一。针对国外几种典型的编队卫星星间状态测量方案,详细地分析了它们的设计特点、测量原理及测量精度,最后得出2个结论,对编队卫星的状态测量具有非常重要的参考价值。     

基于基追踪的SAR图像超分辨处理

研究SAR图像的超分辨处理方法对于提高图像质量具有重要意义。结合雷达成像的目标属性散射模型，利用信号原子分解办法得到了SAR成像的最优信号原子，提出了利用基追踪方法估计模型参数的SAR图像超分辨处理方法。该方法利用了稀疏性先验信息，理论上比传统的匹配追踪方法具有更优越的性能。仿真算例和MSTAR实测数据的处理结果表明，这种处理方法具有良好的超分辨性能。     

最优线性回归模型的校正

本文结合线性有偏估计方法和自变量选择准则的思想,提出了一种校正最优选模型的方法;用本文方法处理选模型可以获得较好的参数估值精度。     

多传感器目标跟踪的实时剔野方法

考虑了目标跟踪和航天测控中测量数据的实时剔野问题，测量数据集合中严重偏离大部分数据所呈现趋势的小部分数据点被称为野值点，野值的剔除对提高目标跟踪精度有十分重要的意义，己有的剔野方法从工程应用角度看，存在不适宜成串出现的野值。需要人工干顾、计算量大，不适宜在线快速处理等缺点，多传感器目标跟踪系统可以通过合理利用传感器的互补与冗余信息来能提高系统的目标跟踪性能，本文在多传感器目标跟踪条件下，综合利用多传感器数据形成的对目标状态参数的正确描述和测量数据集合主体的变化趋势，给出了实时、准确、高效地识别测量数据中野值点的方法。仿真结果表明利用多传感器目标跟踪中航迹融合的分布式融合方法，可以快速、有效地解决野值斑点剔除问题。     

基于增强型DGPS高精度星间相对定位的样条方法

用传统的差分GPS（DGPS）方法确定分布式SAR的星间相对位置，可能存在：（1）卫星的高速运动可能导致GPS接收信号的信噪比过低，进而造成可用信号数目无法达到正常解算的要求；（2）传统状态估计方法的精度不能满足要求。为解决上述问题，提出了一种基于增强型DGPS的相对定位样条方法，即在GPS测量的基础上，增加星间伪距测量，并结合待估参数的连续特性，建立了相对定位的样条模型，最后利用最小二乘进行参数估计。仿真结果表明：该方法的相对定位精度比相对传统方法大约提高了3倍。最后的理论分析验证了仿真的正确性。     

单帧数字图像分辨率改善的频域正则化方法

现有多帧序列频域分辨率改善方法主要基于柯西-高斯先验模型,对单帧图像处理效果不理想.在分析频谱混叠公式的基础上,研究了单帧图像分辨率改善的频域方法.提出了基于柯西-高斯先验模型的正则化方法,由于柯西-高斯先验模型具有较好的信号稀疏表示能力,因此能有效地改善图像的分辨率.设计了迭代求解算法,给出了迭代初值的稳健算法,并将二维计算问题转化为一维计算问题,实现了方法的快速计算,同时大大地减少了存储量.文中给出了一维信号和遥感图像两个算例,计算结果表明,方法可以有效地改善图像的分辨率.