基于极化敏感阵列的高效DOA与极化参数联合估计算法

提出一种基于极化敏感阵列的二维波达方向(DOA)和极化参数联合估计算法.首先建立入射信号模型,然后利用重构的x轴、y轴、z轴阵列导向矢量之间的关系计算出入射信号的DOA和极化参数的无模糊粗估计值;同时根据重构阵列导向矢量内在的旋转不变结构估计出x轴和y轴空间相移因子,得到入射信号的高精度无模糊DOA估计.最后利用粗估计精估计相结合的方式进行解模糊,进而完成DOA估计.算法允许阵元间距大于入射信号的半波长,扩展了有效阵列孔径,提高了算法的测向精度.此外,算法避免了复杂的四维谱峰搜索,具有较低的运算复杂度.仿真实验结果验证了算法的有效性和良好的估计性能.     

一种基于多普勒频率的恒模信号直接定位方法

相比于传统的差分多普勒(DD)两步定位方法,以Amar和Weiss提出的基于多普勒频率的单步直接定位方法在低信噪比和小样本条件下具有更高的定位精度。在该类新型定位体制的基础上,提出了一种基于多普勒频率的恒模信号直接定位方法。首先,依据最大似然(ML)准则以及恒模信号的恒包络特征,建立相应的直接定位优化模型。然后,根据目标函数的代数特征将全部未知参量分成两组,并提出一种有效的多参量交替迭代算法,用以获得该优化问题的最优数值解。新算法包含了针对这两组未知参量的Newton型迭代公式,用以避免网格搜索,并能实现多维参数的"解耦合"估计。最后,推导出针对恒模信号的目标位置直接估计方差的克拉美罗界(CRB)。数值实验验证了新方法的优越性。     

基于随机有限集的空间碎片群运动状态估计

传统的空间目标监测是建立在单目标状态估计基础之上,在面对突发产生的大量空间碎片时,由于碎片尺寸小,且密集分布以"群"的方式出现,传统单目标处理方法很难奏效。以"群"整体作为处理对象,基于随机有限集(RFS)技术,对"群"的状态特征进行估计。为了解决漏检目标密度分配问题和轨迹关联问题,提出一种面向量测的改进集势概率假设密度(CPHD)滤波器,并结合滤波后的信息处理过程,完成了对低轨空间碎片群的目标密度分布、群内目标数以及群内显著目标的状态估计。在仿真实验中,提出的滤波器表现明显优于传统滤波器和标准CPHD滤波器,且在某些传统滤波器和标准CPHD滤波器已失效的情况下,所提技术仍能有效工作。     

互质阵中空间谱估计研究进展

阵列信号处理技术是信号处理领域一个重要分支,广泛应用于雷达、声呐、水电天文等领域。空间谱估计是阵列信号处理中一个主要研究热点,为了避免角度模糊,要求阵元间距要小于等于载波波长的一半。互质阵突破半波长的限制,其阵元间距一般大于半波长。因此,互质阵能够在阵元数固定的情况下,获得更大的阵列孔径。互质阵空间谱估计算法可以利用互质特性辨识目标源,且能够获得更高的测向精度与分辨率。互质阵空间谱估计研究逐渐成为当今阵列信号处理领域的热点。本文总结了互质线阵与互质面阵下的空间谱估计的研究进展,分析了互质阵列相对于普通均匀阵列在阵列孔径扩展以及提高空间自由方面的优势。仿真结果展现了互质阵下高效的波达方向估计性能。     

相关信道下一种新的发射天线选择算法

现有的天线选择算法大多都是假设信道是独立同分布的,而实际的信道是相关的。针对这一问题,本文在研究盖尔圆算法的基础上,提出了一种新的用于相关信道的低复杂度天线选择算法。算法利用奇异值估计方法给出最小奇异值的下界,通过递增的方法,选择使信道矩阵最小奇异值的下界最大的列从而提高最小奇异值,使得容量最大化并得到较好的误码性能。理论分析与仿真结果表明,该算法在射频链路较少时具有很低的复杂度,同时容量和误码性能优于随机选择算法,接近最优选择算法。     

一种改进的OPM方法

OPM方法是一种简便的求解噪声子空间进而估计DOA的方法,在高信噪比时,该方法性能很好,但随着信噪比的降低,算法性能很快下降,特别是其分辨概率下降很快.其主要原因就是低信噪比和DOA相邻较近时,信号源之间的空间相关性较强.提出了一种逐次消除空间相关性并逐次搜索DOA的改进OPM方法,该方法提高了分辨概率.仿真结果证明了方法的有效性.     

基于累积量的时差频差联合估计算法研究

介绍了无源定位中二阶累积量和高阶累积量的时差频差联合估计(TDOA/FDOA)算法.分析了噪声相关性对该算法的影响.仿真结果表明,这一方法是切实可行的,可以有效地同时估计出时差和频差信息.     

一种不需要源个数估计的MUSIC算法

MUSIC方法是阵列高分辨测向子空间方法中的经典算法,该算法的一个缺点就是需要进行源个数估计,源个数估计不正确将会导致虚假峰和漏峰.提出一种不需要源个数估计的MUSIC方法,该方法首先将快拍分组,对每一组的自相关进行特征值分解,以最小特征值对应的特征向量作为噪声向量,然后将搜索向量在每一组噪声向量上的投影构成新的矩阵,DOA对应的新矩阵将缺秩,根据新矩阵的缺秩程度来估计DOA.仿真结果证明了该方法的有效性.     

基于无迹卡尔曼滤波的柔性自由翻滚目标姿态估计

在进行在轨维修以及清除等任务时,需要确定航天器的姿态四元数和角速度。失效卫星常处于自由翻滚状态,通常带有柔性帆板,其运动规律相较于刚性帆板更为复杂。一方面,空间失效卫星的姿态确定常使用激光雷达、双目相机作为测量装备,其测量精度常受到光照、磁场等的影响,会对识别精度产生较大干扰。另一方面,柔性航天器的质量特性容易发生变化,导致很难对其动力学模型进行精确描述。针对柔性自由翻滚目标的状态难以获取的问题,本文提出基于无迹卡尔曼滤波的姿态估计方法,并采用神经网络补偿柔性航天器模型误差。仿真结果显示：无损卡尔曼滤波器(Unscented Kalman filter,UKF)算法对柔性航天器的姿态四元数预测误差值在10^-3范围内,角速度误差值最高0.08 rad/s,采用神经网络补偿动力学模型后对四元数的预测误差稳定在9×10^-4范围内,角速度误差稳定在1.5×10^-3范围内。结果表明,使用神经网络补偿柔性航天器动力学模型的不确定项之后,UKF对柔性自由翻滚目标的姿态估计精度满足工程要求。     

固体火箭发动机加延时间试验的可靠性增长Bayes分析

针对含有加延时间试验的固体火箭发动机研制过程,将Mazzuchi-Soyer可靠性增长模型用于此类研制试验的可靠性分析,扩展了模型应用范围。首先,采用威布尔分布描述发动机可靠性随试车时间变化,经过一定的数学变换后,采用Mazzuchi-Soyer可靠性增长模型融合了先验信息和各阶段试验信息,给出了研制试验结束时产品可靠性的联合后验分布;然后,利用Gibbs抽样算法解决了后验推断计算问题,最终得到了各阶段产品可靠性的Bayes点估计和区间估计;最后,给出了产品可靠性增长分析实例,表明了模型的优越性。