一种基于高阶统计量的SAR图像自聚焦算法

 提出了一种基于高阶统计量分析的相位误差估计算法,用于SAR 图像自聚焦。该算法从复图像域出发,通过循环移位及加窗处理孤立强点目标,利用高阶累积量对高斯噪声的抑制能力,在距离压缩相位历史域估计相位误差。由于避免了对加性噪声及干扰很敏感的差分运算,相位误差的估计结果有很好的鲁棒性。仿真及实测数据的处理结果证明了该算法的可行性。     

基于提前停止判决的编码软信息辅助载波同步

 针对目前编码辅助载波同步算法中复杂度较高、延时大的问题,提出了引入辅助停止判决机制的编码辅助载波同步算法。在现有的编码辅助载波同步结构基础上,该算法能对环路信噪比(SNR)进行实时判定,在环路SNR满足限定条件后提前停止编码辅助载波同步迭代,而不影响译码性能。采用新的相位估计方式估计含相位噪声的载波相位,提升了该条件下的环路信噪比。仿真采用码率为1/2的低密度奇偶校验(LDPC)码作为编码方式,结果表明:在误码率为10^-5时,该算法减少了约50%的编码辅助载波同步迭代次数;在含相位噪声的信号条件下,与理想解调译码相比,性能损失不超过0.15 dB。     

一种RSA模幂电路的设计与实现

为实现RSA算法中的模幂运算,针对面积、速率以及电路的复杂度问题,提出了一种基于FPGA实现的模幂运算电路。使用蒙哥马力算法以及L-R算法实现了模幂运算,并通过基于verilog硬件描述语言,将电路实现。结果表明,该方案实现的模幂运算的电路结构简单,资源利用率高,且能达到较高的性能。     

一种针对恒模信号的运动单站直接定位算法

相比于常规的"测向+位置估计"两步定位模式,以Weiss等提出的目标直接位置确定(DPD)算法具有估计精度高、分辨能力强和无需数据关联等诸多优点。基于该类定位算法的基本理念,提出了一种利用单个运动天线阵列对恒模(即相位调制)信号的DPD算法。首先,依据最大似然(ML)准则以及恒模信号的恒包络特征,建立了相应的直接定位优化模型;接着,根据优化函数的代数特征提出了一种有效的多参量交替迭代算法,用以获得ML估计器的最优数值解;此外,推导了针对恒模信源的位置直接估计方差的克拉美罗界(CRB),从而为新算法的定位精度提供定量的理论下界。仿真实验表明:相比于已有的基于单个运动天线阵列的直接定位算法以及传统的两步定位算法,通过利用恒模信号的恒包络特征可以明显提高目标直接定位的估计精度。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于PnP的自适应线性卡尔曼滤波位姿估计求解方法。将PnP位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

一种基于滑动DFT的信号解调算法

离散傅立叶变换(DFT)是数字信号分析和处理中常用而有效的手段,在大多数应用中利用的是傅立叶变换后的幅度信息,而忽略了它的相位信息。本文提出了一种基于滑动DFT的算法,利用频域相位信息完成对π/4-DQPSK信号的解调。文中详细阐述了算法的解调原理和过程,给出了两种窗函数下的快速算法,并分析了误码率性能。计算机仿真表明,该算法解调性能良好,运行效率较高,便于软件化实时处理。     

拉普拉斯白噪声下的分组Turbo码

目前,传统航空测控通信所采用的纠错码大多是建立在高斯信道基础上的。然而,航空测控环境中不可避免存在着多种尖锐的噪声,测控通信纠错码的可靠性能在非高斯信道中尚未得到充分的研究。分析了一类国际航空遥测的分组Turbo码（BTC）在拉普拉斯白噪声信道下的译码和性能。将传统Chase迭代译码算法引入到拉普拉斯白噪声信道中,建立相应的数学模型,同时,基于该数学模型设计了3种不同的译码接收器下的BTC译码方案。仿真结果验证了该数学模型的正确性与可行性,在误码率为10^-4时最佳译码方案相比于硬限幅接收机有3.7 dB的增益,相比原有的高斯信道下的接收机仅有0.6 dB的性能损失。     

发动机进气压力控制系统噪声抑制方法

高空台进气压力控制系统具有大时滞特性,被控对象受到输入噪声、相位延迟等不确定因素的影响,导致控制系统难以精准控制,给控制器的设计带来挑战。针对该问题,首先采用基于跟踪微分器(TD)的测量噪声抑制对系统输入噪声进行估计,通过引入基于跟踪微分器与Fal函数滤波算法的相位补偿进行了补偿器设计。然后对高空台进气压力控制系统设计了跟踪微分器的测量噪声抑制算法,并进行了滤波特性分析。在设计相位补偿方法时,不仅考虑了测量信号中随机噪声的分离,还对微分信号中的抖动信号进行了滤波,使得系统初始信号和滤波后的光滑微分信号重新构成新的有用信号,最终解决了输出信号的相位滞后对控制精度影响的问题。通过数值模拟对经典fhan算法和提出的Fast+PA(Phase Advancer)算法进行了比较,验证了Fast+PA算法噪声抑制的优势。结果表明,Fast+PA算法通过调整重要参数滤波因子h₀和向前预报补偿因子λ的值既能消除颤振及保证滤波的效率,又具有较好的相位补偿和动态响应能力。     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导,针对无人机与非合作目标间中远距离的相对导航问题,提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上,为了提高精度和稳定性,本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进,提出了一种LM-IEKF算法,并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上,考虑到距离传感器由于信号相关特性而引入的乘性噪声,现有的加性噪声模型难以适应,因此,进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法,通过在线实时更新噪声阵提高滤波的精度,并设置渐消记忆指数平滑估计结果。算法验证结果表明,与现有的EKF、IEKF算法相比,在仅含加性噪声的情况下,LM-IEKF算法具有更好的性能;在包含乘性噪声的情况下,Modified LM-IEKF可以有效地估计量测噪声,与目前广泛使用的EKF算法相比,在综合相对位置和相对速度精度上分别提高了10%和23%。     

基于TD-RLS算法的四旋翼飞行器系统参数辨识

在对飞行器气动参数进行辨识的过程中,常需要对获得的数据求微分或二次微分,而利用差分法求微分会放大噪声的影响,引入滤波器抑制噪声又会产生相位延迟.针对这一问题,提出了一种跟踪微分器-递推最小二乘(TD-RLS)辨识算法.首先,建立了悬停条件下四旋翼飞行器的系统模型;然后,基于实验室四旋翼平台飞行试验实测数据,将TD-RLS算法应用于飞行器参数辨识.最终的辨识结果表明,在四旋翼飞行器悬停或者小角度飞行条件下,该方法可以实时获得比较精确的系统模型.