基于最大似然估计的TDOA/FDOA无源定位偏差补偿算法

在到达时差/到达频差(TDOA/FDOA)无源定位系统中,定位问题的非线性使得定位的结果存在偏差,特别是在噪声较大或者接收站布站不合理的情况下,定位的偏差尤其显著。针对这一问题,提出了一种基于最大似然估计的偏差补偿算法。该方法分为3步:首先,利用最大似然估计器对目标的位置和速度进行求解;其次,通过利用目标定位的估计值和含噪的测量值,对目标的位置和速度偏差值进行理论分析和推导;最后,将最大似然估计解减去理论偏差值,得到经过偏差补偿的新的目标定位解。理论分析和实验仿真证明,在一定噪声的情况下,所推导的目标位置和速度的理论偏差值与实际偏差值相符,并且经过偏差补偿后的定位算法,在保持目标定位的均方根误差(RMSE)与原最大似然算法一致的情况下,目标的位置和速度偏差值远远小于原最大似然算法的偏差值,目标定位精度得到了有效的提高。     

一种车载激光捷联惯组免拆卸标定方法

陀螺和加速度计常值零偏随时间变化, 惯组误差增大, 不满足部队使用要 求。传统方法是将激光捷联惯组从载车上拆卸下来放在高精度三轴转台上重新标定,过 程繁琐费时、成本高,不利于部队的使用和快速反应。设计了一种激光捷联惯组免拆卸 标定方法,在载车进行四位置转位,每个位置静止10min 的条件下对陀螺和加速度计零 偏误差进行了全局可观测性分析,证明了陀螺常值零偏和水平加速度计常值零偏是可观 测的。利用Kalman 滤波器估计了三只陀螺和水平加速度计常值零偏。对标定补偿前后 激光捷联惯组的全方位对准精度和1h 导航精度进行了比较。结果表明： 基于载车四位 置转位免拆卸标定方法对陀螺和加速度计常值零偏估计是有效的。     

基于相位差分的雷达信号参数估计方法

由于接收信号长度有限而存在频率离散化采样的限制,FFT(Fast Fourier Transform,快速傅里叶变换)对雷达信号频率的估计精度会降低。基于相位差分的频率估计方法可以对这一偏差进行估计,从而减小FFT的估计误差。尝试将该方法应用于LFM(Linear Frequency Modulated,线性调频)信号带宽的估计问题,并对此进行了仿真验证,结果证明该方法对雷达信号频率和带宽估计有一定的应用价值。     

一种基于自适应波束形成的卫星导航干扰源方位估计方法

针对卫星导航抗干扰天线平台提出了一种利用Griffiths-Jim自适应波束形成器的干扰源方位估计方法.首先,通过能量检测器判决观测空间中是否存在干扰信号;接下来,若干扰存在则通过Griffiths-Jim自适应波束形成器对观测空间进行扫描得到空间谱数据;最后,通过空间谱中局部峰值对应的方位获得干扰源方位的估计值.该方法结构简单、分辨率高,易于在抗干扰天线平台上工程实现.通过计算机仿真试验验证该方法的有效性.     

涡喷发动机健康状态的带约束非线性滤波估计

针对涡喷发动机在不等式约束条件下的部件性能估计问题,在标准扩展卡尔曼滤波方法的基础上引入了最小均方差和概率密度截断,提出了涡喷发动机健康状态的带约束非线性滤波估计方法。最小均方差的基本思想是求解最小化条件均方差函数,同时运用拉格朗日算子法将不等式约束引入待求方程,而概率密度截断求解则是将先验不等式约束条件转化为概率密度函数形式,并获得标准正态分布函数,其特点是均值和方差易于算得。以涡喷发动机为对象进行仿真验证,结果表明相比于标准扩展卡尔曼滤波方法,本文提出的最小均方差和概率密度截断的不等式约束的非线性滤波估计方法对部件性能估计精度高,而其中概率密度截断求解在保证精度的同时计算耗时更少。     

高超声速飞行器组合导航鲁棒滤波算法

高超声速飞行器由于其飞行环境的影响,使得GPS和星敏感器的量测噪声表现出非高斯特性。针对常规基于Kalman滤波的组合导航在非高斯噪声下性能下降的问题,提出了基于鲁棒滤波的高超声速飞行器组合导航算法。方法在惯性／GPS／＆异步量测建模的基础上,通过随机去耦将量测更新转化为线性回归问题,并基于M估计获得状态量最优估计。仿真结果表明,方法对非高斯噪声具有更好的鲁棒性,有效提高了高超声速飞行器组合导航系统的性能。     

基于四线性分解的双基地MIMO雷达的角度和多普勒频率联合估计

研究双基地多输入多输出(Multiple-input Multiple-output, MIMO)雷达中的角度和多普勒频率联合估计问题,提出了一种基于四线性分解(Quadrilinear Decomposition)的离开角(Direction of Departure, DOD)、波达角(Direction of Arrival, DOA)和多普勒频率的联合估计算法。通过对接收端匹配滤波器的输出进行延迟操作,得到符合四线性模型的数据,根据四线性交替最小二乘(Quadrilinear Alternating Least Squares, QALS)进行迭代,得到方向矩阵和多普勒频率矩阵的估计,进而得到角度和频率的估计。该算法无需谱峰搜索,无需知道反射系数,可实现角度和频率的自动配对,且能用于非均匀阵,该算法的角度估计性能优于多维ESPRIT方法和三线性交替最小二乘(Trilinear Alternating Least Squares, TALS)方法。论文分析了所提算法复杂度,并推导了克拉美-罗界(Cramer-Rao bound, CRB)。仿真结果验证了该算法的有效性。     

融合高斯过程回归的UKF估计方法

高精度滤波估计是SINS/GNSS组合导航系统的关键技术之一,其估计精度直接影响了导航精度。传统滤波估计方法一般只基于惯导误差模型,未考虑惯导误差模型不确定性的影响。针对此问题,提出了一种采用高斯过程回归（GPR）增强无迹卡尔曼滤波（UKF）预测和估计能力的高精度滤波估计方法。一方面,能在有限的训练数据条件下通过UKF估计误差状态量;另一方面,高斯过程既考虑了噪声,也考虑了UKF的不确定性。将所提方法应用于SINS/GNSS组合导航系统中,车载实验结果表明,所提方法能有效提高滤波估计精度。      

基于视频帧间运动估计的无人机图像车辆检测

基于人工智能(AI)芯片搭建轻量化深度神经网络,可以在无人机(UAV)机载端实现视频中车辆目标的自动检测,具有重要的应用前景。为此,提出了一种针对无人机图像车辆目标的检测方法,并在AI芯片上进行部署与测试。方法具体包括:结合无人机图像中车辆目标的尺寸范围,对MobileNet-SSD网络进行裁剪,构建轻量化单帧图像检测器;为解决小目标特性在轻量网络框架下引发的检测性能下降问题,引入帧间运动矢量估计,根据相邻帧信息辅助预测当前帧丢失目标的位置范围,并利用检测结果进行修正,实现丢失目标的再召回。通过对多个数据集进行融合与自动补充标注,搭建了一个高质量的无人机图像车辆目标数据集;同时将方法在基于RK3399芯片计算的嵌入式开发平台上进行实验验证,结果表明:搭建的网络能够显著减少存储资源占用,具有轻量化的特点;同时相比于单帧检测法,引入视频帧间运动估计方法可以有效提高检测精度,并在AI芯片上实现125.3 ms/帧的检测速度。      

基于瞬时相位的BPSK信噪比估计算法

通过对加性高斯白噪声条件下正弦型信号瞬时相位分布情况进行研究,提出了一种新的BPSK(Binary Phase Shift Keying)信噪比估计方法.含噪信号瞬时相位的方差与信噪比之间存在近似线性的一一对应关系,以此为基础通过将含噪信号的估计方差与理论值相比较获得信噪比估计值.该方法直接对基带过采样信号进行处理,不需要事先进行符号定时与同步.使用计算机仿真测试了算法的估计性能,并与高阶累积量方法和子空间分解方法进行了比较,结果表明该算法具有更高的估计精度.