Static Frame Model Validation with Small Samples Solution Using Improved Kernel Density Estimation and Confidence Level Method

An improved method using kernel density estimation (KDE) and confidence level is presented for model validation with small samples. Decision making is a challenging problem because of input uncertainty and only small samples can be used due to the high costs of experimental measurements. However, model validation provides more confidence for decision makers when improving prediction accuracy at the same time. The confidence level method is introduced and the optimum sample variance is determined using a new method in kernel density estimation to increase the credibility of model validation. As a numerical example, the static frame model validation challenge problem presented by Sandia National Laboratories has been chosen. The optimum bandwidth is selected in kernel density estimation in order to build the probability model based on the calibration data. The model assessment is achieved using validation and accreditation experimental data respectively based on the probability model. Finally, the target structure prediction is performed using validated model, which are consistent with the results obtained by other researchers. The results demonstrate that the method using the improved confidence level and kernel density estimation is an effective approach to solve the model validation problem with small samples.     

基于相减式信号抵消的带内隐藏干扰检测

为实现对通信信号的实时监测,提出一种带内隐藏干扰检测方法。该方法先利用解调结果重构期望信号,然后通过时延估计及自适应滤波使其与接收信号中的有用信号在时间、幅度和相位上尽量保持一致,最后利用相减式信号抵消技术将其从接收信号中消除,能够在不中断通信业务的前提下检测出信号带宽内隐藏的干扰。仿真结果表明,当信干比不低于6 dB、信噪比不低于3 dB时,期望信号、干扰信号与各自原信号的相似系数均能达到0.9以上,提取的干扰信号非常准确。将利用文中方法估计出的干扰抵消后,信号的星座图也得到了显著的收敛。     

基于Gabor滤波器的航空图像居民区域提取

中低分辨率航空图像中居民区域的自动提取对地理信息系统更新和无人机导航具有重要作用.详细分析了Gabor滤波器参数对纹理提取的影响,提出了一种基于Gabor滤波器的居民区快速提取算法.算法包含4步:运用Gabor滤波器分析图像纹理,采用核密度估计生成居民区域置信图像,进而计算自适应阈值分割置信图得到候选区域,最后根据区域几何形状去除干扰得到居民区.算法平均运算时间为0.42s,实验结果表明了算法的高效性和准确性.     

基于比例失效率模型的退化数据分析方法

利用产品的性能退化数据进行可靠性评估是一个解决失效寿命数据不充分的重要方法.在分析产品的失效率与失效阀值具有紧密相关性的基础上,通过引入比例失效率模型描述产品可靠性与失效阀值的关系,并根据产品寿命分布与退化量分布之间的关系建立了退化分析模型.在不假定物理退化轨迹模型和退化量分布的情况下,利用产品的退化信息获得产品在不同检测时刻和失效阀值下的可靠度,通过分布拟合方法获得未知参数的估计值,进而对产品进行可靠性评估.该方法不仅放松了模型的假设条件,也适于处理一些具有非平衡数据结构的退化数据,具有较广的适应性.最后,通过实例进行了不同方法的比较,验证了该方法的有效性.     

Markov随机跳变系统的传感器系统误差估计

 针对Markov随机跳变系统的系统误差估计问题,提出一种基于马尔可夫链蒙特卡罗(MCMC)和最大似然估计相结合的在线系统误差估计方法。利用最大似然估计给出系统误差等效后验概率分布函数,采用Metropolis-Hastings抽样方法从该概率分布函数中进行抽样;利用系统误差估计和状态估计互为因果的关系,采用期望极大化(EM)方法迭代估计出最优的系统误差;分别对时变和时不变系统误差场景进行仿真分析,结果表明,在考虑系统误差统计特性的同时,所提方法对解决目标运动模型难以建立情况下的系统误差估计问题具有可行性和有效性。     

非高斯杂波背景中距离扩展目标的盲积累检测器

在采用球不变随机向量(SIRV)建模的非高斯杂波背景下,研究了导向矢量失配或未知时距离扩展目标的检测问题。先假设导向矢量已知,采用广义似然比检验(GLRT)得到每个距离单元的归一化匹配滤波器(NMF)统计量,再将多个距离单元的统计量进行非相干积累得到扩展目标的NMF积累检测器(NMFI),然后通过最大化检测统计量的方法,结合特征值分解技术,对导向矢量进行估计,提出了距离扩展目标的盲NMFI(B-NMFI)。仿真分析表明:当导向矢量失配时,NMFI的检测性能优于GLRT;当导向矢量未知时,B-NMFI能有效地检测目标,并且对不同方位的目标具有很好的鲁棒性。     

基于极大似然的单传感器误差配准算法

对单传感器系统误差配准问题进行了研究,首先理论分析了传感器量测系统误差对固定目标探测定位的影响,给出了传感器运动将造成固定目标产生虚像做类似运动的结论;在此基础上,提出了一种基于极大似然的单传感器误差配准算法,该算法基于极大似然准则,利用运动传感器对固定目标虚像位置的多时刻跟踪滤波信息,构建对传感器量测系统误差的极大似然估计,并通过进一步迭代估计获得系统误差最终估计结果,从而能够利用位置未知的固定目标实现运动平台单传感器量测系统误差的精确配准。     

基于张量子空间的信号参数估计算法

针对低信噪比条件下多通道信号特征参数估计问题,提出了两种基于张量子空间的信号参数估计算法,分别是基于矩阵堆叠的张量分解算法和基于张量矩阵因子的联合算法。通过研究参数化信号模型、信号子空间旋转不变性和张量范德蒙分解原理,分析了多通道数据的三维张量数据模型的构建;矩阵堆叠的张量分解算法验证了张量高阶奇异值分解是矩阵奇异值分解的推广,矩阵因子联合算法进一步提高了低信噪比条件下的信号参数估计精度。仿真以信号频率和初相位的估计精度为衡量指标,验证了低信噪比的条件下,张量子空间信号参数估计算法要优于传统的矩阵子空间信号参数估计算法。
     

一种针对短码、周期长码直扩信号扩频序列盲估计方法

提出一种新的针对短码和周期长码直接序列扩频(DSSS,Direct Sequence Spread-Spectrum) 信号的扩频序列盲估计方法。将周期长码DSSS信号建模为多用户短码DSSS信号系统,根据接收信号相关矩阵最大特征值个数,判断一个PN周期内调制信息符号个数,依此盲估计信息速率,同时形成分段相关矩阵矢量。利用改进二阶统计盲辨识（SOBI,Second Order Blind Identification）算法盲估计多用户分段DSSS的PN序列,根据特定约束条件(如m序列、Gold序列)去分段相位模糊,最终形成周期长码PN序列。仿真结果表明该算法的有效性,且适应较低信噪比。     

基于半光程差的天线反射面型面精度检测

型面拟合最小量的选取是天线面板型面检测中的关键技术之一.天线表面各点半光程差的均方根是衡量天线型面精度的指标.根据圆锥曲面的几何定义及其光学性质,提出了圆锥曲面天线面板半光程差的直接计算方法,给出了基于半光程差的非线性最小二乘曲面拟合算法.以旋转抛物面天线面板为例,通过模拟和实际测量,对比分析了分别选取轴向误差和半光程差作为最小量拟合计算结果.试验验证了选取半光程差作为最小量拟合的算法具有更高的数值计算精度及稳定性.