基于最大似然估计的TDOA/FDOA无源定位偏差补偿算法

在到达时差/到达频差(TDOA/FDOA)无源定位系统中,定位问题的非线性使得定位的结果存在偏差,特别是在噪声较大或者接收站布站不合理的情况下,定位的偏差尤其显著。针对这一问题,提出了一种基于最大似然估计的偏差补偿算法。该方法分为3步:首先,利用最大似然估计器对目标的位置和速度进行求解;其次,通过利用目标定位的估计值和含噪的测量值,对目标的位置和速度偏差值进行理论分析和推导;最后,将最大似然估计解减去理论偏差值,得到经过偏差补偿的新的目标定位解。理论分析和实验仿真证明,在一定噪声的情况下,所推导的目标位置和速度的理论偏差值与实际偏差值相符,并且经过偏差补偿后的定位算法,在保持目标定位的均方根误差(RMSE)与原最大似然算法一致的情况下,目标的位置和速度偏差值远远小于原最大似然算法的偏差值,目标定位精度得到了有效的提高。     

WGS-84模型下时差频差半定规划定位算法

利用多颗卫星的时差频差对辐射源进行位置和速度的测量,其本质意义上是一个含有噪声项的高度非线性方程组求解问题,针对地面目标而言,可以采用基于WGS-84地球模型作为目标位置和速度约束,更进一步的增加了定位系统的复杂性。提出了一种基于半定规划(SDP)的定位解算法,将非线性方程求解问题通过适当的松弛,转化为半定优化(SDO)的问题,借助于业界较为成熟的CVX等优化软件进行定位求解,并研究了该模型条件下的克拉美罗下界(CRLB)。仿真结果表明,该算法能够较好地逼近克拉美罗下界。     

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。     

基于Viterbi算法的扩频码与信息序列联合估计

针对短码DSSS（Direct Sequence Spread Spectrum,直接序列扩频）信号扩频码MLE（Maximum Likelihood Estimation,最大似然估计）问题,提出了一种基于Viterbi算法的扩频码搜索方法,并将其应用到同步CDMA（Code Division Multiple Access,码分多址）信号的扩频码估计中.该算法利用了扩频码码元为±1的先验知识,以向量的2-范数平方或1-范数作为度量值;每次判决扩频码码元时,计算2条可能路径的度量值,并选择使度量值最大的那条路径作为幸存路径,最终的幸存路径即为估计的扩频码;所提算法不仅计算复杂度低,而且能同时估计扩频信号的扩频码和信息序列.仿真实验表明,本算法在低信噪比时同样具有较好的性能.     

宽带信号近似最大似然方位估计快速算法

 针对短采样宽带信号近似最大似然方位估计（AML）计算量大的问题,将马尔可夫蒙特卡罗(MCMC)方法与近似最大似然方位估计相结合,提出一种基于完美抽样的近似最大似然方位估计快速算法（PAML）。该算法将AML算法的空间谱函数作为信号的概率分布函数,并利用完美抽样方法从该概率分布函数中抽样。与AML和遗传算法的对比实验研究表明,两目标情况下PAML算法在中低信噪比条件下的估计性能与AML和遗传算法性能相当,而计算量分别是二者的1/24和1/3。随着目标个数的增加,PAML算法的计算量优势将更加明显。     

基于MCIS技术的相位差变化率单站无源定位

针对最大似然估计（ML）方法求解测相位差变化率单站无源定位问题计算量大、定位慢的问题,本文提出一种利用蒙特卡洛重要性抽样技术（MCIS）高精度、低复杂度的估计方法。根据Pincus定理推导出ML问题的近似全局解,利用重要性抽样（IS）技术构建符合高斯分布概率密度（PDF）的重要性函数,作为样本选取的依据,通过逆变换采样获得样本集,统计样本均值直接得到辐射源位置估计结果。MCIS方法简单易实现且运算量低,能够克服传统ML估计多维网格搜索耗时较长的缺陷,而且对目标位置初始估计误差有较低的敏感性。实验结果表明,MCIS算法在相同测量噪声水平下,定位精度优于EKF、NLS算法,有效减小了初始化估计误差对算法定位精度的影响,也进一步讨论分析了算法参数和不同观测条件对定位性能的影响。     

一种考虑传感器位置误差的改进源定位算法

在无线传感器网络的定位问题中,通过移动目标与传感器之间的到达时差(TDOA)与到达频差(FDOA)测量量可以估计目标的位置和速度。但是,当传感器自身信息存在误差时,传统的定位方法将失去精确的定位效果。针对带有传感器误差的源定位问题,基于极大似然(ML)法获取一个封闭的近似解。提出了一种改进的近似极大似然(AML)算法,更新带有传感器误差的代价函数,不仅能实现实时定位,而且保证全局收敛。仿真结果表明,本文算法在存在传感器误差场景下依然可以达到克拉美-罗下限(CRLB),比已有的改进两步加权最小二乘(2-step WLS)法更有效。     

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。     

基于频率补偿的时延估计方法

无源时差定位中,当目标处于运动状态时,多普勒频率的存在将导致时延差估计精度变差。自相关法和互相关法相结合的多普勒频差估计方法可以获得可靠性较高、估计精度较好的频差估计结果。对该结果进行频差补偿后,采用基于相位谱的时延估计方法获得两信号间的时延差。经过仿真验证,这种基于频差补偿的时延估计方法可以有效降低多普勒频差对时延差估计精度的影响。     

基于短时时差序列的无源定位方法

针对脉冲辐射源定位问题,提出了一种基于短时时差(TDOA)序列的多站无源定位新方法.首先建立了TDoA序列模型,然后推导了该方法定位误差的克拉美罗下限(CRLB),并提出了一种高效的解算方法--两步定位法(TSLM):第1步利用TDOA序列线性估计出TDOA及其变化率信息,第2步基于TDOA及其变化率信息进行定位.典型...     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题,本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理,用混合高斯模型逐步逼近最优重要抽样密度函数,并采用AK模型协助逼近过程中混合高斯模型的参数的更新,从而提高了CE-IS方法的计算效率。另外,本文还改进了CE-IS方法的收敛准则,避免了方法的冗余迭代,扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型,因此,本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法,本文方法中引入了重要抽样的思想,因此在Kriging训练点数目基本相同的情况下,大幅缩减小失效概率计算时样本池规模,并且由于利用了混合高斯模型,因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。     

基于最优样条节点的导弹主动段弹道估计方法

拟合导弹主动段弹道并估计其弹道参数是天基红外系统(SBIRS)的重要任务之一。首先采用三次样条函数对导弹主动段弹道进行描述,并建立主动段弹道的运动模型和测量模型;其次采用最大似然估计方法将导弹弹道估计问题转化为非线性最小二乘准则下的样条系数和样条节点分布最优估计问题;最后利用投影定理将样条系数估计和样条节点分布估计分离开来,并通过迭代逼近给出了最优样条节点数的确定方法。仿真实验结果表明,所提方法不仅对主动段弹道的拟合精度高,而且还减少了待估参数的数目,简化了求解过程,可在无先验信息条件下较好地解决导弹主动段弹道的估计问题。     

一种4站情况下基于TDOA/FDOA的无源定位方法

在基于时频差的三维运动目标无源定位系统中,针对在4个接收站的情况下搜索法实时性低的问题,提出了一种基于改进的加权最小二乘法（MWLS）与萤火虫算法（FA）相结合的无源定位方法（MWLS-FA）。该方法的第1步通过构造一组新的方程来对加权最小二乘（WLS）方法进行改进,使得改进后的WLS方法在4站情况下也能得到目标位置和速度的初始值,第2步利用这个初始值为FA方法提供一个动态的搜索区域,同时在约束条件的添加和参数选择两个方面针对性地对FA方法做出了调整和改进。仿真结果表明,该方法在4站情况下对目标的定位精度可以达到克拉美罗下限（CRLB）,而且在实时性和抗噪性方面优于传统的搜索法,同时该方法在5站情况下的抗噪性能优于两步加权最小二乘法（TSWLS）和约束加权最小二乘（CWLS）法。     

Approximate Maximum Likelihood Algorithm for Moving Source Localization Using TDOA and FDOA Measurements

 A closed-form approximate maximum likelihood (AML) algorithm for estimating the position and velocity of a moving source is proposed by utilizing the time difference of arrival (TDOA) and frequency difference of arrival (FDOA) measurements of a signal received at a number of receivers. The maximum likelihood (ML) technique is a powerful tool to solve this problem. But a direct approach that uses the ML estimator to solve the localization problem is exhaustive search in the solution space, and it is very computationally expensive, and prohibits real-time processing. On the basis of ML function, a closed-form approximate solution to the ML equations can be obtained, which can allow real-time implementation as well as global convergence. Simulation results show that the proposed estimator achieves better performance than the two-step weighted least squares (WLS) approach, which makes it possible to attain the Cram閞-Rao lower bound (CRLB) at a sufficiently high noise level before the threshold effect occurs.     

基于定位误差修正的运动目标TDOA/FDOA无源定位方法

针对时差(TDOA)、频差(FDOA)无源定位的两步加权最小二乘(TSWLS)方法定位均方根误差(RMSE)和定位偏差适应测量噪声能力差的问题,在分析了影响两步法定位性能的因素基础上提出一种基于一阶泰勒级数展开的定位误差修正方法。该方法的第1步和两步法相同;其第2步避免了两步法第2步中引入估计偏差的平方运算,利用一阶泰勒级数展开得到第1步定位误差的线性最小均方估计,修正第1步定位结果得到目标位置和速度的最终估计,从理论上证明了该方法可以达到定位的克拉美罗下限(CRLB)。计算机仿真对比了新方法和TSWLS方法、基于泰勒级数(TS)展开的迭代极大似然(ML)方法以及约束总体最小二乘(CTLS)方法的定位性能,新算法复杂度和两步法相当,且均方误差和定位偏差低于两步法、泰勒级数法和CTLS方法。     

具有通信约束的分布式SOR多智能体轨迹估计算法

针对传统多智能体轨迹估计算法信息交换量大,计算量随群规模指数增长,可扩展性差等诸多不足,提出了一种基于超松弛迭代（SOR）的分布式多智能体轨迹估计算法,通过将最大似然（ML）准则下的轨迹估计转化为两级线性优化问题,并综合利用分布式超松弛迭代（Distributed SOR）和标记初始化方法,加快求解速度并简化信息交换流程,最终实现了多智能体位姿轨迹优化和协作定位。实验表明,所提的分布式方法能达到集中式算法的精度水平,在49个智能体规模条件下,位置估计误差小于0.15 m,姿态估计误差小于0.03°,且数据交换量仅到现有主流分布式方法DDF-SAM的0.06%,能很好用于大规模集群的场景。     

闭环气动参数辨识的两步方法

对于闭环控制飞行器动力学系统,如果输入输出数据中含有误差和噪声,将其直接用于辨识气动参数是有偏差的。针对这个问题,利用闭环控制飞行仿真数据,采用两步方法辨识飞行器的气动参数,并与直接开环辨识的结果及参数真值进行对比,表明两步方法辨识结果较直接开环辨识方法具有更高的精度,是一种有效的闭环气动参数辨识方法。     

Reliability and reliability sensitivity analysis of structure by combining adaptive linked importance sampling and Kriging reliability method

The application of reliability analysis and reliability sensitivity analysis methods to complicated structures faces two main challenges: small failure probability(typical less than 10^-5) and time-demanding mechanical models. This paper proposes an improved active learning surrogate model method, which combines the advantages of the classical Active Kriging – Monte Carlo Simulation(AK-MCS) procedure and the Adaptive Linked Importance Sampling(ALIS) procedure.The proposed procedure can...