Markov随机跳变系统的传感器系统误差估计

 针对Markov随机跳变系统的系统误差估计问题,提出一种基于马尔可夫链蒙特卡罗(MCMC)和最大似然估计相结合的在线系统误差估计方法。利用最大似然估计给出系统误差等效后验概率分布函数,采用Metropolis-Hastings抽样方法从该概率分布函数中进行抽样;利用系统误差估计和状态估计互为因果的关系,采用期望极大化(EM)方法迭代估计出最优的系统误差;分别对时变和时不变系统误差场景进行仿真分析,结果表明,在考虑系统误差统计特性的同时,所提方法对解决目标运动模型难以建立情况下的系统误差估计问题具有可行性和有效性。     

扩频信号捕获过程中信息比特跳变对载波频率估计的影响

扩频信号捕获过程中,信息比特跳变会使积分增益下降,载波频率估计出现偏差,导致捕获概率降低,捕获时间增长。分析了在码相位对齐的情况下,信息跳变发生在不同位置时,积分结果最大点处对应的载波频率与实际载波频率的差值。分析结果表明,信息跳变位置确定后,频率的差值与积分时间T成反比,最大可以达到0.75/T Hz,可能超出载波跟踪环路的牵引范围,进而导致环路不能入锁。针对此问题,提出了一种简便的解决方法。     

基于视觉和MEMS-IMU融合的火星车导航定向技术

火星探测车需要在复杂非结构化火星地表环境下完成自主导航定位任务。针对火星车导航定位传感器的低功耗、微型化的发展趋势,提出一种基于MEMS-IMU的传感器补偿融合、单目视觉航向测定的方法。该方法能克服火星复杂地表和单一性地貌环境可能导致的测试误差过大问题。模拟环境下的实验数据结果显示该方法具备实时性好、可靠性高的特点,姿态估计和航向测量的准确率较高。     

色高斯噪声背景下相干信源犇犗犃估计

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.     

M-Rife频率估计法在测控信号载波捕获中的应用

针对航天测控对载波快速捕获的需求,设计一种能够实现载波快速捕获的方法,即先对导频信号进行频率估计,再将估计得到的频率值置入后续的科斯塔斯环进行处理。Rife频率估计方法的估计误差接近克拉美-罗限,但是当信噪比较低或载波频率在频率分辨率整数倍附近时,此方法有较大的估计误差。为了提高导频信号的频率估计精度,采用修正Rife(M-Rife)频率估计方法。对M-Rife频率估计方法的性能进行仿真分析,并与Rife频率估计方法进行对比,结果表明M-Rife频率估计方法可以有效地提高频率估计精度和稳定度。     

基于相减式信号抵消的带内隐藏干扰检测

为实现对通信信号的实时监测,提出一种带内隐藏干扰检测方法。该方法先利用解调结果重构期望信号,然后通过时延估计及自适应滤波使其与接收信号中的有用信号在时间、幅度和相位上尽量保持一致,最后利用相减式信号抵消技术将其从接收信号中消除,能够在不中断通信业务的前提下检测出信号带宽内隐藏的干扰。仿真结果表明,当信干比不低于6 dB、信噪比不低于3 dB时,期望信号、干扰信号与各自原信号的相似系数均能达到0.9以上,提取的干扰信号非常准确。将利用文中方法估计出的干扰抵消后,信号的星座图也得到了显著的收敛。     

基于比例失效率模型的退化数据分析方法

利用产品的性能退化数据进行可靠性评估是一个解决失效寿命数据不充分的重要方法.在分析产品的失效率与失效阀值具有紧密相关性的基础上,通过引入比例失效率模型描述产品可靠性与失效阀值的关系,并根据产品寿命分布与退化量分布之间的关系建立了退化分析模型.在不假定物理退化轨迹模型和退化量分布的情况下,利用产品的退化信息获得产品在不同检测时刻和失效阀值下的可靠度,通过分布拟合方法获得未知参数的估计值,进而对产品进行可靠性评估.该方法不仅放松了模型的假设条件,也适于处理一些具有非平衡数据结构的退化数据,具有较广的适应性.最后,通过实例进行了不同方法的比较,验证了该方法的有效性.     

对Jahangir组合式矩估计器的改进

在M.Jahangir以常数为权的组合式矩估计器的基础上,给出一种以函数为权的组合式矩估计器,称为L-J估计器.其中,最优加权函数是根据U估计器与形状参数的单调关系,通过数论网格最优化算法搜索解出.大量仿真实验证实,在对K分布形状参数v大范围的参数估计中,L-J估计器在估计精度上,不但较Jahangir等提出的常数加权组合矩估计器的精度有显著提高,而且可与MLE(Maximum Likelihood Estimator)相当.特别是由于MLE作为渐进无偏估计量,需要充分大的样本长度才能达到最优,这就使得L-J估计器的估计精度可在样本长度较小时优于MLE.此外,L-J估计器无需迭代运算,因而在计算效率上,显著优于现有的ML估计器.     

基于优化理论的GPS定位解算算法

针对传统定位解算方法存在的问题,基于优化理论的思想提出了一种新的定位解算方法——基于优化理论的最大后验估计算法.介绍了该方法的基本原理,详细给出了算法的推导过程,该方法用优化理论的思路求解系统状态量的最大后验概率估计值.它是从系统状态量、观测量的联合概率密度函数出发,将估计问题转化成优化问题,用优化问题的解法对系统的状态进行估计.在此基础上,用仿真实验验证了该方法进行定位解算的有效性.实验结果表明该方法完全解决了定位解算中的非线性问题,并拥有较高的定位精度.     

基于角速度估计自适应的IMM目标跟踪算法

为了解决目标强机动时目标跟踪算法模型集不匹配的问题,提出了一种基于角速度估计的自适应交互式多模型算法。通过对角速度的估计,在目标的不同运动模式下选取最优模型集,角速度估计精度高时,通过角速度估计值构造模型集,减小模型间竞争;角速度估计精度低时,采用标准IMM算法的模型集,提高模型集的覆盖范围,从而提高跟踪精度。仿真结果表明该方法能够明显提升目标跟踪性能,对强机动目标的跟踪效果尤其显著。