GNSS接收机矢量跟踪算法研究综述

GNSS接收机信号跟踪的实质是对卫星信号的扩频码延迟和载波频率偏移进行连续估计的过程。从信号跟踪的基本原理出发,综述了矢量跟踪算法的基本思想和研究历程,分析了算法中系统建模、模型参数确定和滤波器设计等关键环节,总结比较了算法的最新衍变形式,包括极大似然估计矢量跟踪环和联合矢量位置跟踪环的模型、特点和优势,通过仿真验证了矢量跟踪相比标量跟踪具有失锁重捕快、跟踪误差小和稳定性好的优点,最后总结了矢量跟踪技术的应用并展望了其未来发展方向。     

MLE辅助PLL的高动态GPS载波跟踪

针对传统锁频环（FLL）鉴别器存在一步延迟效应和近似误差的问题,提出一种基于极大似然估计器（MLE）辅助锁相环（PLL）的高动态载波跟踪环路。该方法从极大似然估计理论入手,构造多普勒频移的非相干极大似然代价函数,采用非迭代估计方法求取各通道多普勒频移偏差的极大似然估计,与PLL进行融合滤波并计算频率修正量,进而控制本地数控振荡器（NCO）完成载波跟踪。仿真结果表明：在同等环路阶数和滤波器带宽条件下,新方法的响应速度、动态忍受力优于基于FLL辅助PLL的方法,可以跟踪加加速度达到100 g/s的超高动态 信号。     

涡扇发动机故障诊断中粒子滤波改进方法

针对标准粒子滤波算法诊断步数多且诊断结果噪声水平高的问题,提出伪协方差和自适应似然分布结合的改进粒子滤波算法。该算法通过使用伪协方差代替了粒子集协方差,保证采样得到的粒子能够更真实地反映突变情况,减少诊断步数;通过对似然分布自适应调整,增加其与先验分布的重叠区域,提高抽样率,增加有效粒子数,降低诊断结果噪声水平。发动机健康参数估计仿真结果表明:与标准粒子滤波算法相比,改进的粒子滤波算法能使诊断速度提高约27%,诊断精度提高约38%,有效地减少了突变故障的诊断步数,并显著降低了诊断结果的噪声水平。     

基于极大熵聚类的工程项目风险预警模型

该方法针对当前大部分工程风险预警模型只能报警,不能预测的现状,提出了基于熵最优化的工程项目风险预警方法.利用判别熵最小化选取项目风险预警指标值,通过特征选取找出那些最有效的特征,研究出一种新的聚类算法——极大熵聚类算法,极大熵聚类算法是以概率为比例将任一指标向量分配给所有码向量,而不是仅仅只分配给与之最近的码向量,该算法是C-均值算法的一种推广.最后用实例验证该模型,用此算法对预测结果进行分类,判断项目的风险状态.结果表明这种方法估计工程项目风险快捷有效,与实际情况基本一致,可以应用于工程分析.      

利用重要性采样的时差-频差联合估计算法

针对无源定位中参考信号真实值未知的时差(TDOA)-频差(FDOA)联合估计问题,构建了一种新的时差-频差最大似然(ML)估计模型,并采用重要性采样(IS)方法求解似然函数极大值,得到时差-频差联合估计。算法通过生成时差-频差样本,并统计样本加权均值得到估计值,克服了传统互模糊函数(CAF)算法只能得到时域和频域采样间隔整数倍估计值的问题,且不存在期望最大化(EM)等迭代算法的初值依赖和收敛问题。推导了时差-频差联合估计的克拉美罗下界(CRLB),并通过仿真实验表明,算法的计算复杂度适中,估计精度优于CAF算法和EM算法,在不同信噪比条件下估计误差接近CRLB。     

极大代数在柔性制造系统建模中的不适用性

正确地认识和描述一个问题,是解决问题的前提条件。一个良好的柔性制造系统(FMS)模型可以反映其结构特性和预测其动态运行状况,为分析评价FMS的技术经济效益提供必要的信息,并为FMS的规划设计和运行决策提供依据。极大代数理论是目前常用的FMS建模方法之一,通过对极大代数理论和相应的FMS模型的分析,作者认为基于极大代数理论的FMS模型与实际系统相距甚远,无法反映FMS的柔性和FMS的动态运行过程。因此,极大代数理论不适合FMS的建模分析。     

利用电磁仿真数据研究ISAR运动补偿和成像

本文利用板块法对运动目标进行电磁仿真,根据Stratton-Chu积分,通过目标CAD造形和表面板块生成,每一板块元与目标实际表面之间的最大误差不得大于入射雷达波波长的十六分之一,从而将目标的三维曲面矢量电磁散射积分简化为每一板块面元上的二维平面矢量积分之和,获得静止目标的散射场,然后通过目标运动轨迹模拟,考虑由于目标的运动而引起的雷达回波相位的变化,实现运动目标的电磁仿真。利用这种电磁仿真方法模拟产生64×128个回波数据,用频域法进行距离对准,用最大似然方法进行相位补偿,目标轨迹运动引起的距离变化用时间的二次函数拟合,研究了用X波段雷达对一架匀速直线飞行飞机的ISAR运动补偿和成像。     

Weibull分布逐步增加的Ⅱ型截尾试验的统计分析

本文给出Weibull分布在逐步增加的Ⅱ型截尾寿命数据参数的极大似然估计与逆短估计，并通过Monte—Cardo模拟考察了估计的精度，认为极大似然估计优于逆短估计。     

极大似然最大熵概率密度估计及其优化解法

针对经典最大熵概率密度估计中拉格朗日乘子计算目前存在高度非线性、计算精度不高或有时难以收敛等问题,提出了一种"最大似然+逐次优化"的方法。基于最大似然估计法,推导建立了简化的拉格朗日优化函数;在此基础上,基于样本原点矩约束,提出了逐次寻优算法。根据优化过程不稳定,重新推导了拉格朗日乘子的线性变换公式,避免矩阵求逆运算引起的奇异现象。针对几种常见的概率分布类型及可靠性问题,采用极大似然最大熵概率密度估计法与经典型最大熵概率密度估计法分别计算概率密度及可靠度的对比表明:极大似然最大熵概率密度估计法的优化函数非线性程度低,形式简单,而且"极大似然最大熵概率密度估计+逐次优化法计算"精度高,收敛性好。     

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。