基于MEDLL的分级搜索抗多径算法

以多径估计延迟锁定环路(MEDLL)为代表的参量式基带抗多径算法以其能够同时估计直达信号和多径信号各参数而受到广泛关注,然而该类算法估计精度的提高是以计算复杂度的增加为代价的。为了在保证估计精度的同时降低资源消耗并加快搜索速度,提出了一种MEDLL最大似然(ML)估计搜索方法,将粗搜索后得到的参数估计值作为下一级搜索的先验信息,缩小搜索范围后减小搜索步进,完成逐级精细的参数估计。推导了原始MEDLL及树状分级结构的MEDLL(T-MEDLL)算法计算复杂度表达式;其中在存在一路多径信号的情况下,对于0.01 chip的多径延迟分辨率,复杂度可以降低为传统盲搜索的30%~50%。进一步基于自研的数字中频(IF)GPS信号模拟器和软件GPS接收机平台对不同多径情况下盲搜索法与分级搜索算法的参数估计精度及码伪距多径误差等性能进行了对比,验证了更低计算复杂度的T-MEDLL可以达到与传统MEDLL算法同样的跟踪精度。      

一种基于系统误差自动补偿的编队目标航迹精细关联算法

为解决编队内各目标航迹精细关联的难题,按照编队目标航迹的特点,结合误差估计技术及航迹关联技术,提出了一种基于系统误差自动补偿的编队目标航迹精细关联算法,该算法首先基于循环阈值模型对各传感器获得的航迹进行编队识别,并按编队中心航迹完成编队航迹的整体预关联,然后基于编队航迹状态识别模型,搜索或建立分辩状态最接近的预关联编队航迹,并基于编队航迹系统误差估计模型和误差确认模型,获得最终的系统误差估计值,自动完成系统误差补偿,最后利用传统的航迹关联算法进行编队航迹的精细关联。经仿真数据验证,与基于目标不变信息量的模糊航迹对准关联算法和基于航迹迭代的航迹对准关联算法相比,该算法具有耗时少、关联性能有效稳定等综合优势,能较好的满足工程上对系统误差下编队内目标航迹的精确关联需求。     

一种利用PCA的导弹轨迹重建方法

非同时刻成像将大幅恶化立体视觉方法对导弹的轨迹点重建精度和射向估计精度,针对这一问题,该文提出了应用主成分分析(PCA)重建导弹轨迹并且估计导弹射向的方法。论文在同步轨道双星观测条件下推导了将PCA方法应用到导弹轨迹重建及射向估计的原理,论证了目标三维轨迹最小方差投影直线在像面上的投影即为目标成像轨迹的最小方差投影直线,给出了通过求取目标成像轨迹的最小方差投影直线重建导弹发射面和轨迹点的算法。仿真实验表明了该方法可以有效地进行弹道轨迹的三维重建及射向估计,与现有方法相比,PCA方法重建精度更高,相机定标误差在一定范围内时,射向估计误差更小。     

一种基于非线性跟踪-微分器的角加速度估计方法

针对仅能获取角度信息的角加速度估计问题,基于卡尔曼滤波和非线性跟踪-微分器设计了一种角加速度估计算法。该算法利用卡尔曼滤波得到角速度的估计值,并以此为基础采用非线性跟踪-微分器对角加速度进行估计,通过对卡尔曼滤波与跟踪-微分器角加速度估计进行合理融合获得最终的角加速度输出。仿真结果表明,所设计的估计方法能满足视线角加速度的估计精度要求,具有一定的工程应用价值。     

一种用于符号同步MF—TDMA系统的定时偏差估计算法

文章给出了一种用于符号同步MF—TDMA系统的定时偏差估计算法。该算法利用一种特殊的辅助序列成型后所表现出来的正弦特性,从中提取出精确的定时偏差,算法工作在每符号1个采样点下。理论和仿真结果表明,该算法实现简单,估计精度高,在相同条件下,其性能优于常用的数字平方滤波法,并且该算法对载波相位偏差不敏感,对载波频偏的敏感度比较低。     

基于模糊控制的组合导航算法

文章提出一种根据信号残差（新息）对导航信息进行自适应噪声协方差调整的算法,由此得到导航参数的最优状态估计。其中重点研究了模糊控制对滤波器的动态调整,建立模糊滤波控制的模型,并与传统卡尔曼算法进行比较。仿真结果表明,基于模糊控制器的卡尔曼滤波器很好地限制了数据的发散,并在很大程度上提高了系统的稳定性。     

冲击杂波下的MIMO雷达DOA估计方法

研究了对称α稳定分布(SαS)冲击杂波下的多输入多输出（MIMO）雷达目标波达方向（DOA）估计问题,分别提出基于分数低阶最小方差无畸变响应(FrMVDR)的MIMO雷达DOA估计算法和无穷范数归一化最小方差无畸变响应（Inf-MVDR)算法。FrMVDR算法,首先进行冲击杂波特征指数的估计,然后使MIMO雷达接收阵列的分数低阶输出功率最小,实现MIMO雷达的DOA估计。为了避免FrMVDR算法对杂波特征指数估计,提出Inf-MVDR算法,首先用无穷范数对接收信号进行归一化处理,使归一化后的阵列输出功率有界,继而采用传统MVDR算法进行DOA估计。计算机仿真验证了上述两种算法的有效性;同时仿真结果还表明在冲击杂波下,MIMO雷达的空间分集特性可显著提高DOA估计的精度。     

基于MCIS技术的相位差变化率单站无源定位

针对最大似然估计（ML）方法求解测相位差变化率单站无源定位问题计算量大、定位慢的问题,本文提出一种利用蒙特卡洛重要性抽样技术（MCIS）高精度、低复杂度的估计方法。根据Pincus定理推导出ML问题的近似全局解,利用重要性抽样（IS）技术构建符合高斯分布概率密度（PDF）的重要性函数,作为样本选取的依据,通过逆变换采样获得样本集,统计样本均值直接得到辐射源位置估计结果。MCIS方法简单易实现且运算量低,能够克服传统ML估计多维网格搜索耗时较长的缺陷,而且对目标位置初始估计误差有较低的敏感性。实验结果表明,MCIS算法在相同测量噪声水平下,定位精度优于EKF、NLS算法,有效减小了初始化估计误差对算法定位精度的影响,也进一步讨论分析了算法参数和不同观测条件对定位性能的影响。     

提高卫星导航性能的阵列参数估计算法

针对卫星导航信号参数估计性能严重影响导航定位精度,提出了一种利用电磁偶极子对提高信号波达方向和极化参数估计性能的方法。充分利用接收数据协方差矩阵,通过两次特征分解,由特征分解的特征值进行极化参数估计。利用小圆环子阵导向矢量得到波达方向的粗略而无模糊的估计,大圆环子阵导向矢量得到有模糊的估计,通过解模糊得到精确的无模糊的估计,从而大幅提高了到达角的估计精度。比较了单个圆环阵列和同心圆环阵列的参数估计性能,分析了参数估计精度对抗干扰性能的影响,仿真结果表明参数估计精度的提高有效改善了卫星导航抗干扰的性能。     

强信号背景下弱信号角度时延的联合Capon估计方法

针对强信号背景下弱信号角度时延联合估计过程中的弱信号数目难以精确估计问题,在分析Capon谱估计法估计信号DOA原理的基础上,将Capon谱估计法进行扩展,提出了一种在强信号背景下弱信号角度时延联合估计方法。为弥补Capon法分辨力较差的劣势,将扩展的Capon法与有高分辨性能的m-Capon算法结合,提出了一种改进的m-Capon方法,能区分来波方向接近的不同目标信号。研究和仿真结果表明:该方法无需对弱信号的信源数进行估计,也无需分解特征值,且在快拍数较少时仍具适用性。