基于共轭循环平稳特性的二维波达方向估计方法

 提出了一种具有阵列孔径扩展能力的共轭循环平稳二维波达方向（DOA）估计方法。该方法通过引入伪采样,充分利用了阵元输出之间共轭循环互相关函数的时间维信息,扩展了阵列有效孔径,提高了算法DOA估计精度,具有较好的低信噪比适应能力。该方法避免了最优时延选择问题,无需谱峰搜索,且其二维角度参数能够自动配对,具有较低的计算量。计算机仿真结果验证了该方法的有效性。     

未知互耦条件下混合信号波达方向估计

阵列天线互耦对导向矢量的扰动以及信号相干性对数据协方差矩阵造成的秩损,使得基于子空间正交性原理的超分辨波达方向估计(Direction-of-Arrival,DOA)算法性能恶化,甚至失效。针对这一问题,提出一种在相干与非相干信号混合状态下无需阵列互耦补偿的特征矢量平滑DOA估计算法。该算法对部分阵元接收数据的协方差矩阵特征分解,将得到的特征矢量平滑处理后构造等效协方差矩阵,抑制阵列互耦影响的同时完成混合信号DOA估计。在阵列互耦和信号相干性均未知的条件下,正确估计了信号DOA,无需互耦参数估计或补偿。计算机仿真结果验证了算法的有效性。     

一种基于三维阵列结构二维波达方向估计的新方法

给出了一种在高斯白噪声环境下对多个窄带信号进行二维波达方向估计的新方法.该方法根据给出的天线阵列结构的特点,首先构造四个相关矩阵,进而构造一个大的矩阵,对其进行一次特征值分解,由ESPRIT原理实现了信号波达方向的准确估计.该方法精度较高,不存在错误估计,有一定的实用性.     

基于改进UKF的无人机对地机动目标跟踪

针对无人机在跟踪地面机动目标时,目标的机动导致无法得到准确的目标状态信息的问题,以无迹卡尔曼滤波(UKF)算法为基础,结合交互多模型(IMM)算法与强跟踪滤波器的思想,提出了一种基于IMM的强跟踪无迹卡尔曼滤波(IMM-STUKF)算法的无人机对地目标状态估计算法。仿真表明,在无人机飞行速度约30 m/s、目标速度约7 m/s、角度与距离量测误差分别为1°和15 m时,相较于IMM-UKF,基于IMM-STUKF的无人机对地机动目标位置估计精度提升了约10%,速度估计误差降低了约50%。     

运动单阵元被动合成阵列波达方向估计

 提出了一种运动单阵元被动合成阵列波达方向(DOA)估计算法。该算法基于被动合成阵列(PSA)的概念,结合空间谱估计的思想构建了运动单阵元被动合成阵列模型,通过多次不同速度合成阵列过程实现对信号DOA的无模糊估计。通过对单次匀速合成阵列过程进行分析得到,在假设信号频率已知条件下,合成阵列算法能够达到与同孔径实阵列多重信号分类（MUSIC）算法相当的DOA估计性能。仿真验证了被动合成阵列与同孔径实阵列的渐近等效性及算法的有效性。     

基于视线角序列的机动目标视线角速率计算

 依据拦截弹与机动目标间的相对位置关系,采用导引头球面模型,基于当前统计模型,实现了强跟踪状态自适应滤波,计算出了可用于制导的视线角速率。该算法利用导引头球面模型,将测角信息转换成距离信息,进行方差自适应调整和卡尔曼滤波。在只给出视线角序列信息的情况下,根据相对状态滤波结果求出所需的视线角速率。     

利用跟踪-微分器构造机动目标估计模型

在分析目标运动特点的基础上,提出了一种新的基于跟踪-微分器的机动目标估计模型。该估计模型与卡尔曼滤波算法相结合,能够在动态过程完全未知的情况下估计出目标运动参数,且估计模型简单,物理意义明确,能够适应于目标的各种机动行为模式。仿真结果表明,具有跟踪-微分器结构的估计模型不但具有很强的适应性,而且能够获得满意的估计精度。     

MIMO雷达DOA估计阵列设计

 多输入多输出（MIMO）雷达的关键技术之一是天线阵列的设计。由于MIMO雷达同时增加了收发两端的相位中心,使得系统具有更高的空间分辨率和更多的自由度。论文从接收信号模型出发,对MIMO雷达发射正交信号的等效阵列进行了讨论,以波达方向估计为目标提出了一种MIMO雷达天线阵的设计方法,通过抛物线理论得出了收发组合的唯一性和合理性,然后通过分析各种收发组合给出了发射阵元的最佳间隔设置。推导了几种情景下的MIMO收发阵列最佳设计解析解,最后进行了仿真实验。仿真结果验证了算法的有效性。     

一种改进的强跟踪UKF算法及其在SINS大方位失准角初始对准中的应用

针对现有的强跟踪无迹卡尔曼滤波（UKF）算法存在理论依据不足和滤波性能欠佳等问题,从正交性原理出发,通过严谨的推导得到强跟踪UKF成立的充分条件,在此基础上提出一种改进的强跟踪UKF算法。该算法无需求解雅可比矩阵且计算量较小,渐消因子的作用位置以及求解公式均不同于原始的强跟踪滤波器。给出了该算法的流程和渐消因子的求解方法,证明了该算法满足强跟踪滤波器的充分条件,并分析了其渐消因子的作用机理。进行了捷联惯性导航系统（SINS）大方位失准角初始对准仿真,结果验证了所提强跟踪UKF算法的正确性和有效性。     

非理想均匀圆阵的波达方向和多普勒频率联合估计

针对均匀圆阵存在一般阵列误差 (如阵元的幅相误差和安装位置误差等 )的情况 ,提出了多个信号的波达方向和多普勒频率估计方法。直接利用均匀圆阵的阵列流形 ,采用波达矩阵法估计各个信号的多普勒频率。由一般阵列误差的统计特性构造加权矩阵 ,采用加权总体最小二乘法估计各个信号的波达方向。此方法具有鲁棒性强等特点。计算机仿真证明了此方法的有效性     

A Self-organizing Bearings-only Target Tracking Algorithm in Wireless Sensor Network

In the bearings-only target tracking, wireless sensor network (WSN) collects observations of the target direction at various nodes and uses an adaptive filter to combine them for target tracking. An efficient network management is necessary to gain an optimal tradeoff between locating accuracy and energy consumption. This article proposes a self-organizing target tracking algorithm to select the most beneficial subset of nodes to track the target at every snapshot. Compared with traditional methods, this scheme avoids the need for keeping global position information of the network as in greedy selection. Each node judges its future usefulness depending on the knowledge of its own position and using simple mathematics computation. Simulations indicate that this scheme has locating accuracy comparable to the global greedy algorithm. Also, it has good robustness against node failure and autonomous adaptability to the change of the network scale. Furthermore, this algorithm consumes limited energy because only a portion of nodes partakes in the selection at every snapshot.     

强跟踪UKF滤波在SINS_GPS组合导航中的应用研究

针对飞行器大机动条件下SINS／GPS组合导航中出现的滤波发散问题,结合UKF滤波算法,提出了一种强跟踪UKF滤波算法。它通过引入渐消因子用线调整滤波增益阵K来减小老数据的权值,相对地增加新数据的权值,提高了UKF滤波跟踪性能。仿真和实际数据解算结果表明,强跟踪UKF提高了组合导航系统对于突变状态的实时跟踪能力和滤波过程的数值稳定性,验证了该算法的有效性。     

基于压缩感知的频率和DOA联合估计算法

波达方向（DOA）估计是阵列信号处理的一个重要问题,针对信号的DOA估计问题,本文基于压缩感知理论,提出了一种新的频率和角度联合估计算法。首先利用方向波数的空间稀疏性,建立过完备稀疏字典,然后利用压缩采样阵列结构通过求解最优化问题得到方向波数的高分辨估计,最后利用最优空域滤波实现信号到达角度和频率的配对。相对于传统算法,该算法能够实现多信号DOA的高分辨估计,且经过压缩采样后降低了运算量,仿真验证了该算法的正确性与有效性。     

非圆信号的贝叶斯稀疏重构阵列测向方法

对信号非圆特性的有效利用能显著改善子空间类阵列测向方法的性能,但难以弥补此类方法在低信噪比（SNR）、小样本等信号环境适应能力方面的局限。本文引入贝叶斯稀疏学习（SBL）技术以解决非圆信号的波达方向（DOA）估计问题,在结合信号非圆特性的同时对入射信号的空域稀疏性加以利用,通过将非圆信号阵列输出协方差矩阵和共轭协方差矩阵在预先定义的空域字典集上进行稀疏重构,得到入射信号的空间谱重构结果,并依据其谱峰位置估计各信号的方向。该方法对独立和相关信号都具有较好的适应能力,仿真结果验证了该方法在信号环境适应能力和相关信号测向精度等方面的优势。     

A Fast Global Node Selection Algorithm for Bearings-only Target Localization

In the target tracking, the nodes aggregate their observations of the directions of arrival of the target. The network then uses an extended Kalman filter （EKF） to combine the measurements from multiple snapshots to track the target. In order to rapidly select the best subset of nodes to localize the target with the minimum mean square position error and low power consumption, this paper proposes a simple algorithm, which uses the location information of the target and the network. The lower botmd of localization error is utilized according to the distances between the target and the selected active nodes. Furthermore, the direction likelihoods of the active nodes is predicted by way of the node/target bearing distributing relationships.     

一种基于模糊遗传算法的多传感器多目标跟踪数据关联算法

基于模糊遗传算法发展了一种新的数据关联算法。数据关联的静态部分靠一个模糊遗传算法来得出量测组合序列和S-D分配的m个最优解。在数据关联的动态部分,将得到的S-D分配的m个最优解在一个基于多种群模糊遗传算法的动态2D分配算法中依靠一个卡尔曼滤波估计器估计出移动目标各个时刻的状态。这一基于分配的数据关联算法的仿真试验内容为被动式传感器的航迹形成和维持的问题。仿真试验的结果表明该算法在多传感器多目标跟踪中应用的可行性。另外,对算法发展和实时性问题进行了简单讨论。     

修正容积卡尔曼滤波数据域直接定位算法

为解决数据域直接定位（DPD）算法面临的计算压力,提高算法效率,提出一种基于修正的容积卡尔曼滤波（MCKF）的DPD算法。首先,融合各观测信号波达方向信息,利用子空间数据融合方法建立一种基于间接观测量的DPD滤波模型;然后,根据模型特点设计MCKF算法进行求解,解决间接观测量带来的噪声累积问题;最后,对算法计算量进行分析和对比,说明计算效率的提升。仿真结果表明,所提算法与基于最大似然遍历搜索和遗传算法的DPD算法相比,在相同的估计性能下,计算量下降明显,时效性显著提升,增加了算法实用价值。