基于自回归高阶估计的盲信号提取算法

文章利用线性预测模型来描述信号的时序结构,提出了一种基于高阶统计量的自回归参数估计的盲信号提取算法。算法首先通过高阶累积量对AR模型中的加权参数进行估计,然后利用盲提取方法对混合信号进行抽取以达到混合信号的分离,比较了高阶累积量方法和二阶自相关分离算法在不含噪声和含高斯白噪声情况下的分离效果。最后通过仿真实验证实了算法的有效性。     

基于累积量的时差频差联合估计算法研究

介绍了无源定位中二阶累积量和高阶累积量的时差频差联合估计(TDOA/FDOA)算法.分析了噪声相关性对该算法的影响.仿真结果表明,这一方法是切实可行的,可以有效地同时估计出时差和频差信息.     

卫星干扰源定位中时间差估计优化算法研究

为了提高卫星干扰源测时差定位的性能,提出了四阶累积量时间差(TDOA)估计优化算法.该方法利用高阶累积量的特性,在低信噪比、非相关或相关噪声环境下,对接收信号到达时间差做出精确估计,有效提高了卫星干扰源定位的性能.仿真结果验证了该算法的准确性和有效性.     

基于高阶累积量的低信噪比直扩信号盲检测的实现

高阶累积量理论上可完全抑制高斯噪声。文章对直扩信号的四阶累积量进行了讨论,通过选取包含有多个信号特征的2D切片,实现了强高斯白噪声干扰时直扩信号的载频、码片速率及码元周期等参数的有效估计。     

基于四阶累积量一维切片的直扩信号检测

文章提出了一种在强背景噪声条件下检测弱直扩信号参数的方法:利用四阶累积量一维切片在低信噪比条件下估计直扩信号载频。因高阶累积量对高斯白噪声有良好的抑制能力,四阶累积量一维切片检测法与传统自相关信号检测法相比,能在更低信噪比条件下恢复信号载频谐波分量。在四阶累积量计算过程中,巧取其一维切片进行计算,减小了运算量。在给出的仿真结果中,以较短的数据长度,能在-15dB下检测到直扩信号载频。     

雷达高度计采用准最大似然估计算法的波高精度分析

在雷达波高测量中，准最大似然估计器总存在误差，这就影响了雷达高度计的精度。本文根据雷达高度计中的准最大似然估计器的理论，对联合参量（高度、海面波高、信噪比）中的波高误差进行了推导，得知波高精度和脉冲累积量、信嗓比、波高有密切关系。文中简介了最大似然估计的基本原理及性质。同时采用准最大似然估计算法计算波高误差。结论表明，要提高波高的测量精度，需提高信噪比，增加累积量。但这会受一些条件限制．需综合考虑。     

基于共轭模糊函数的时差-频差联合估计方法

提出了一种新的二阶到达时差（TDOA）和到达频差（FDOA）联合估计算法。该方法利用非圆信号具有非零二阶共轭矩这一特点构造所谓二阶共轭模糊函数,通过对该模糊函数进行二维极值搜索获得TDOA和FDOA的联合估计。新方法能够抑制相关噪声,但计算复杂度远小于传统高阶累积量方法。     

基于四阶循环累积量的波达方向估计方法

为了克服传统信号波达方向估计的不足,提高信号的选择性和分辨率,结合高阶循环累积量强测向能力,文章给出了一种四阶循环累积量矩阵定义方法。对此进行特征值分解,就得到信号子空间和噪声子空间。应用子空间的方法进行一维谱峰搜索,可得到来波方向的估计值。该方法可以有效抑制平稳噪声和滤除与信号循环频率不同的干扰信号,同时还有效扩展阵列孔径,可以处理空间距离很近的非相关信号,具有很强的空间分辨能力。另外文章还给出了相干信号波达方向解决方法。     

基于罗格里斯参数的航天器递归线性姿态估计算法

针对航天器姿态确定问题提出了一种新的递归线性估计算法。首先采用罗格里斯参数描述姿态,介绍了基于几何方法得到的非递归线性姿态估计算法。其次,引入历史测量数据,根据姿态旋转关系,获得了递归线性估计算法。进一步引入遗忘因子,对历史测量数据和当前测量数据进行权衡,得到了加权递归线性估计算法。数值仿真结果表明,所提出的递归姿态估计算法比非递归姿态估计算法具有更高的精度,在一定范围内遗忘因子越小,姿态估计精度越高。     

多级嵌套L型阵列及其测向算法

针对基于偶数(2q)阶累积量的测向算法中测向性能提高有限的问题,提出了一种基于多级嵌套 L 型阵列的2维测向算法。首先利用阵列的多级嵌套结构和2q阶累积量,形成具有更多自由度的虚拟均匀面阵;然后使用2维平滑方法,恢复其2q阶累积量矩阵的秩; 采用2维MUSIC算法,进行方位角和俯仰角的估计。与常规的2q MUSIC 算法相比,所提算法不仅具有更好的测向精度,而且由于虚拟均匀阵包含更多的虚拟阵元,因此能够估计更多信源的方位角。另外,针对该L型阵列的最优配置问题,推导了各级子阵阵元数的最优和次优分配表达式。仿真结果表明这些结论的正确性。     

基于循环矩的高阶调制PCMA信号的参数估计

针对非协作接收场景下单通道接收到的高阶调制PCMA信号,研究其参数的估计方法。利用源信号的统计独立性,推导不同调制方式PCMA信号的循环矩表达式,从而获得信号参数与高阶循环矩之间的定量关系。在此基础上,提出利用接收到的PCMA信号循环矩来估计信号参数的算法,并根据估计算法的特点,给出有利于工程实现的循环矩的估计方法。通过对16QAM以及8PSK PCMA信号的仿真实验,考察算法性能,验证算法有效性。     

基于高阶累积量的闭环子空间辨识算法研究

为了解决过程噪声和测量噪声为高斯有色噪声且反馈控制器未知情况下的闭环系统辨识问题,给出了基于子空间辨识框架下的闭环辨识算法。算法通过选择适当的辅助变量,构造出噪声过程的高阶累积量,并利用高阶累积量对高斯噪声不敏感的特性来抑制噪声的影响,最后再使用子空间算法辨识系统的状态空间模型。数值仿真表明,对于存在高斯有色噪声的闭环系统,该辨识算法可以得到无偏的系统状态空间模型。     

HCKF性能评估及其在传递对准中的应用

针对高阶容积卡尔曼滤波(HCKF)算法在传递对准中的应用问题,提出综合运用多变量函数泰勒级数展开和计算复杂度分析的性能评估方法。基于高阶球面-径向容积准则建立HCKF算法模型,并对其估计精度和计算量进行量化和对比分析：HCKF具有5阶泰勒级数展开精度且计算复杂度为O(n 4),综合性能优于高斯厄米特积分滤波(GHQF)和无迹卡尔曼滤波(UKF)。将三种非线性滤波算法应用到舰机大失准角传递对准系统中,摇摆台试验结果表明：HCKF的估计精度比UKF高17%,计算量比GHQF小2个数量级,与HCKF性能评估结果一致。     

SAR图像伪加性相干斑噪声统计特性

研究了SAR图像加性模型中伪加性相干斑噪声分量的统计特性。分析了SAR图像中真实信号分量和乘性相干斑噪声分量的统计特性;在此基础上结合Edgeworth展开式和以Mellin变换为基础的第二类型特征函数及其对数累积量详细推导了伪加性相干斑噪声概率密度函数的近似表达式;各信号分量的概率密度函数中的参数采用对数累积量方法进行估计。最后利用SAR实测数据仿真分析了伪加性相干斑噪声的统计特性。实验结果表明,乘性的相干斑噪声转换为加性噪声后,其统计特性非常接近于高斯分布。     

一种新的实时参数估计方法

研究导弹控制系统仪器测试时动态模型的实时参数估计 ,利用递归傅里叶变换作实时数据分析 ,提出了一种基于线性状态空间模型的实时参数估计方法。实际应用表明该方法可以得到准确的模型参数估计和适当的误差边界 ,且计算量少、动态模型估计参数收敛性非常好。     

基于四阶累积量的鲁棒自适应多径估计算法

提出一种基于四阶累积量的多径估计方法,建立四阶累积量多径估计模型。当信道存在突发干扰时,为保证算法收敛,采用基于广义M估计的修正RLS算法,并在高斯噪声和突发干扰下,对方法进行仿真。仿真结果表明,方法可有效抑制高斯噪声,且抗突发干扰的性能得到显著提高,并能满足系统的实时性要求。     

基于距离走动校正和多普勒高阶项补偿的高超音速目标检测方法

针对机载雷达对高超音速运动目标的检测性能下降问题,首先建立了高超音速运动目标回波信号模型,在此基础上定量分析了目标高超音速运动引起的跨距离单元走动和多普勒频率时变现象。经过详细推导,利用Keystone变换法完成了回波的跨距离单元走动校正,并将基于高阶模糊度函数的参数估计技术应用于高超音速目标多普勒参量估计中,补偿多普勒高阶项后进行相参积累处理。通过计算机仿真证明了所提方法的有效性。     

色高斯噪声背景下相干信源DOA估计

为在色高斯噪声背景下估计相干信源DOA,提出一种基于四阶累积量的相干信源DOA估计算法。对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关。通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源DOA估计。仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的DOA,并且相对于空间平滑算法具有更好的估计性能。     

应用卡尔曼滤波的线性系统可观测度实时估计方法

针对采用卡尔曼滤波算法进行线性系统状态估计的应用场合,提出了可观测度实时估计方法.该方法通过提取离散卡尔曼滤波迭代计算过程中的矩阵进行分析,因而在无需增加额外计算量的情况下,可获得系统可观测度性能的实时估计.该方法可以指导滤波器的设计过程或者在线估计系统的滤波器性能,具有工程应用价值.给出了应用该方法的原理推导过程,通过SINS系统地面单/双位置对准的实例比较分析证明该方法的有效性.     

反馈式多目标多传感器系统误差融合估计技术

本文对多目标情况下的多传感器系统误差估计问题进行了研究,提出了反馈式多目标多传感器系统误差融合估计算法。算法首先对EX算法进行了修正,无需计算各目标状态估计及其增益伪逆,直接利用各传感器量测数据来构建伪量测,通过滤波获得局部传感器组合系统误差估计;其次,算法通过构建状态空间转移矩阵实现了全局估计到局部组合估计关系描述,并从多目标多传感器两个层面对系统误差估计进行更新,即对多目标信息进行递归融合以有效利用空间分布的多目标信息,对多传感器组合估计信息进行反馈融合获得全局估计。蒙特卡洛仿真结果说明该算法能够进行多传感器系统误差的快速精确融合估计,相比EX算法在实时性与估计精度方面均具有较大的优越性。