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。     

多目标跟踪的核粒子概率假设密度滤波算法

提出一种新的多目标跟踪算法：核粒子概率假设密度滤波算法(KP-PHDF)。算法的创新点在概率假设密度滤波算法(PHDF)的目标状态提取步骤,以粒子概率假设密度滤波算法为框架,并运用结合了mean-shift算法的核密度估计(KDE)理论进行概率假设密度(PHD)分布的二次估计、提取PHD峰值位置作为目标状态估计值。分析与多目标跟踪(MTT)仿真的结果表明,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,在相同仿真条件下新算法的估计精度提高30.5%。     

贝叶斯推理运动轨迹相干累积的动目标检测方法

雷达理论和实践都表明相干累积是机动目标探测行之有效的方法,但其性能会因脉冲回波处理间隔内未知距离和/或多普勒的徒动而降低。为解决这个问题,提出了一种贝叶斯推理运动轨迹相干累积的动目标检测方法。首先,通过对脉冲压缩回波信号的距离频率进行翻转,就可从未翻转与翻转后的回波信号相乘的傅里叶逆变换中,提取出慢时间维描述待探测多目标运动轨迹的时频信号。视该时频信号中各目标运动轨迹为状态变量,获得的时频信号为观测,建立起多目标运动轨迹的状态空间模型。这样,据贝叶斯滤波推理出的目标运动轨迹,构建出快-慢时间维联合的二维匹配滤波器,就能补偿目标高速/机动带来的未知距离和/或多普勒徒动。理论分析和仿真实验均证明：所提算法适用具有复杂且未知运动状态的目标,且呈现出了优于文献报道方法的性能。     

空时自适应处理张量波束成形器的外积合成法

为了解决空时自适应处理（Space-Time Adaptive Processing，STAP）对足量平稳训练快拍的要求，给出了一种设计STAP张量波束成形器的新算法——空时自适应处理张量子波束合成（TSS-STAP）法。分析表明：STAP中所需要的张量波束成形器，可首先在张量的各个子维度上分别进行子波束成形器的设计，然后再由张量的外积运算合成各子波束成形器而得到。进一步分析表明：由于本文算法可在较低自由度（DoF）的子维度上对张量波束成形器进行设计，因此降低了设计所需要的训练快拍数和计算复杂度，同时也实现了有效的去相关处理，使得其在非均匀杂波环境下有更好的目标检测性能。在仿真实验中，所提算法有效提升了目标检测结果，同时降低了目标检测所消耗的时间。     

异常值和未知观测噪声鲁棒的非线性滤波器

针对含异常观测值的非线性系统滤波问题,以Huber损失函数替代推导滤波器最大后验准则中观测误差的l₂范数,构造出了一种新的优化准则函数,从而给出了一种对异常值鲁棒的非线性后验线性化滤波器。分析表明：由于Huber损失函数兼具l₁和l₂范数的性质,从而使得由这个新准则推导出的滤波器,不仅具有l₂范数的低误差拟合性,也具备l₁范数对异常值的鲁棒性。而当观测噪声的分布未知时,通过引入箱线图法检测异常值,并对噪声统计分布的参数进行估计,进一步提出了对异常值和未知观测噪声分布鲁棒的非线性后验线性化滤波器。仿真实验验证了分析结果的有效性,并表明本文算法的性能优于现有文献报道的非线性滤波算法。     

鲁棒成形极化敏感阵列波束的方法及极化估计

基于极化敏感阵列,提出了一种鲁棒成形阵列波束的方法。该方法首先将阵列的数据模型进行了重新描述,从而获得了信号波达角(DOA)和极化解耦的模型。借助于该模型并对信号的两个极化方向分别进行鲁棒约束,设计出了一个新的鲁棒空域波束空间成形矩阵,利用该矩阵可以获得信号两个极化分量的鲁棒估计。基于特征值分解的方法,最后给出了估计信号极化参数的方法。分析和数值仿真实验均表明:提出的方法,在对DOA估计误差以及阵列位置误差等造成的阵列失配具有较强鲁棒性的同时,也能有效抑制干扰和噪声,进而提升了极化参数估计的性能。     

时频信号的非参数加窗稀疏协方差迭代分析法

针对多分量非平稳时频信号的分析，提出了一种非参数加窗稀疏协方差迭代分析（Sparse Iterative Covariance-based Estimation，SPICE）法。该方法通过引入局部化的窗函数，并在窗内对信号建立非参数化的时频模型，以获取非平稳信号的局部时频特性。分析表明：给出的非参数时频模型，可通过加权最小二乘（Weighted Least Square，WLS）进行求解。当将WLS的加权矩阵的构建问题转换为广义噪声协方差矩阵时，提出的模型也可借助于加窗SPICE方法来进行求解。分析和仿真均表明：与传统方法相比，提出方法具有噪声抑制能力强、能量集中度高和对于载频差异较小信号的分离效果佳等优点。     

残差超复数偶对分解的多光谱和全色图像融合方法

提出一种残差超复数偶对分解的多光谱和全色图像融合方法。用超复数分别对多光谱图像和全色图像的残差图像建模,并对多光谱图像的超复数残差模型沿彩色空间的灰度轴方向分别进行超复数偶对分解,得到包含亮度信息的单部分和包含色度信息的复部分。分析表明用高分辨率全色图像的超复数残差图像来替换低分辨率多光谱图像分解后得到的复部分,可以恢复出高分辨率的多光谱图像的残差,从而实现多光谱图像和全色图像的融合。仿真结果验证了所提方法的有效性,同时验证了该方法不存在人眼可见的光谱畸变。各种现有图像融合评估方法的评估结果表明:该方法优于亮度、色度、饱和度(IHS)、主元分析（PCA）和小波变换的融合方法。     

机动目标的多项式预测模型及其跟踪算法

根据匀变速运动的多项式描述形式,利用多项式预测滤波器对目标状态建模,提出了一种全新机动目标运动的动态模型——多项式预测模型,并针对这个全新的模型给出了相应的最优滤波算法。分析表明：该模型可以精确描述任意可以由多项式描述的目标运动,而不需要已知运动的具体参数,因此相应的最优滤波算法适用于任何可以用多项式描述的机动目标状态估计问题。一个机动目标跟踪问题的计算机仿真证明了本文方法的有效性和实用性。     

高斯非平稳机动目标波达角模型及跟踪

在实际的跟踪情况中,由于环境条件、目标反射截面等因素的变化,回波信号的功率会随时间变化,即不满足通常阵列信号处理中对高斯信号作平稳性的假设。针对复杂运动条件下高斯非平稳目标的跟踪问题,提出了一种新的机动目标波达角(DOA)模型。该模型全面地刻画了高斯非平稳机动目标的动态,并将目标的DOA和信号功率作为状态变量进行了联合考虑,同时运用虚拟阵列的表示方法构建了相应的观测方程。对于建立的新模型,最后采用无迹卡尔曼滤波(UKF)的框架完成了整个跟踪算法。分析和仿真结果表明,当高斯非平稳机动目标之间存在长时间相互接近的情况时,新方法仍然可以获得较好的跟踪性能。