一种单基地MIMO雷达多目标DOA估计算法研究

基于有特殊阵列配置的单基地多输入多输出（MIMO）雷达,提出了一种用于多目标波迭方向（DOA）估计的虚拟阵列Toeplitz重构（VATR）算法。利用MIMO雷达发射信号的正交特性将阵列有效阵元数和孔径同时扩展,可估计更多的目标。研究表明：与发射分集平滑（TDS）和虚拟子阵平滑（VSS）算法相比,VATR算法有更强的阵元节省能力和更好的统计估计性能。仿真结果证明了VATR算法理论的正确性和有效性。     

锥面共形阵列相干源DOA和极化参数的联合估计算法

针对共形阵列中的多参数联合估计问题,用交叉电偶极子对天线单元在锥面共形载体上构造极化敏感阵列并建立了快拍数据模型,在此基础上提出一种适用于相干源的多参数联合估计算法。该算法充分挖掘阵列中隐含的多个空域旋转不变结构,首先通过空间平滑预处理恢复子阵协方差矩阵的秩,实现信源的解相干,然后根据旋转不变子空间思想完成多个相干信源二维到达角和极化参数的联合估计。Monte Carlo仿真结果表明了算法的有效性。     

频域空域二维稀疏SIMO高分辨雷达成像方法

利用频域稀疏的线性调频步进信号（FSCS）作为雷达发射信号,并结合空域稀疏的SIMO雷达阵列来构建二维稀疏的高分辨雷达成像模型。针对该稀疏模型,首先通过对低维数据简单补零处理,然后利用图像熵准则完成对运动目标速度的有效估计。在此基础上,结合压缩感知理论,构造有效的观测矩阵、稀疏变换矩阵以及重构算法,获得目标高分辨距离像（HRRP）,进一步提出基于保相性的频域空域二维稀疏SIMO高分辨雷达成像方法。该方法可以大幅减少FSCS脉冲串的子脉冲个数,大幅减少SIMO高分辨雷达接收天线阵元个数,并获得高质量的HRRP和目标二维像。仿真实验验证了本文方法的有效性和鲁棒性。     

一种新的未知相关噪声下的宽带相干信号DOA估计算法

针对具有某种结构的协方差矩阵的未知相关噪声环境,本文提出了一种新的宽带相干信号DOA估计算法。基于这种结构,如Hermitian Toeplitz型,在各个频率点上首先利用空间差分操作去除相关噪声的影响,并构造新矩阵;其次,对新矩阵进行聚焦操作,并给出相干聚焦后的协方差矩阵;最后,利用基于特征结构的DOA估计算法得到相干信号的DOA估计值。理论分析和仿真结果表明了算法的有效性。     

LFM-BPSK复合调制信号识别和参数估计

雷达信号脉内调制方式识别是电子对抗的重要内容。从工程应用的角度,对滤波后的复信号利用改进的相位展开算法,计算瞬时相位、瞬时频率。判断频率跳变点的个数,对时-频曲线进行拟合,根据拟合的参数和信号的时宽带宽积确定信号是否为线性调频-二相编码复合调制信号。再对正确识别的信号进行参数估计,接着重构原线性调频信号,共轭相乘得到基带相位编码信号。最后采用小波变换法提取码速率。仿真结果表明,该算法有很好的识别率和参数估计精度。     

基于TDOA/FDOA不相关估计的选择融合定位方法

为提高单独到达时差或频差定位精度,本文首先提出可达TDOA克拉美罗界的TDOA解析解,然后采用最大似然网格搜索算法获得FDOA定位解,最后采用基于TDOA/FDOA不相关估计选择融合的解形成联合解。仿真和理论分析表明:该联合算法定位性能优于单独定位,定位精度在有或无地球约束时均可达联合的克拉美罗界。     

基于粘接元技术的区域分裂解法及其应用

针对线性椭圆型问题的，发展了一种无重叠区域分裂方法，首先引入了Lagrange乘子，以使子域交界处解的连续性约束条件获得弱满足。接着重点讨论了Lagrange乘子的近似空间，即粘接元（mortar elements)空间的建立，以及所引起的离散鞍点问题的共轭梯度迭代解法。这种区域分裂方法非常适用于网格不匹配情形。然后，对基于二阶鼓包（bump)函数近似的当地事后误差估算方法提出改进，以使之适应于区分裂情形，我们还将上述方法应用于广义Stokes问题。最后，给出了以误差估算值为准确则的自适应网格上的数值结果。     

灰色理论在垃圾气化过程中NOx排放定量预测的应用

本文把灰色理论及方法应用于对垃圾气化处理的NOx排放的定量预测中。建立了一定工况条件下的垃圾气化处理中的NOx排放的灰色预测模型。所建模型的预测结果与实际值的误差只有1％左右。通过本文的实例表明，该方法具有预测精度高、简便易行的优点。对固体废物的气化处理过程中的污染物排放控制具有指导意义。     

一种具有容错性的分散化滤波算法

先介绍了联邦滤波器和方差交叉滤波器,然后结合上述两种方法,提出了一种具有容错性的分散化滤波方法,证明了这种方法是次优的,并给出了确定信息融合因子的算法,最后通过一个组合导航系统的仿真例子验证了这种方法是可行的和有效的。     

Duane模型的导数最小二乘估计

 针对传统最小二乘估计仅仅考虑回归模型曲线本身的试验样本,不能同时对曲线动态变化规律进行描述、未能充分利用模型与数据信息的问题,依据在一次观测中待定参数的取值应使得随机样本与模型各阶导函数在概率尺度下具有最小距离的原理,通过构造模型曲线导数意义下的损失函数,提出了一种能够综合利用模型与试验数据导数信息的导数最小乘方估计方法,推广了传统最小二乘估计的模型条件与使用范围。并结合复杂可修产品可靠性增长的Duane模型给出了参数的一般导数最小二乘估计与最佳导数最小二乘估计式,证明了模型参数的导数最小二乘估计较传统最小二乘估计具有更好的统计性质。为实际中确定模型曲线,进行工程预测提供了一条新的技术途径。