非平稳色噪声背景下非相关与相干信源数估计算法

在空间色噪声背景下传统基于信息论准则的信源数估计算法性能将下降,且无法实现非相关信源与相干信源并存时信源数估计。针对该问题,提出了非平稳色噪声背景下非相关与相干信源数估计算法。该算法利用特征值总体最小二乘线性拟合,估计得到非相关信源和相干信源组数的联合估计,然后通过空间差分平滑剔除非相关信源,最后利用线性拟合技术实现相干信源数估计。仿真结果表明,与基于信息论准则的信源数估计算法相比,所提算法能实现非相关与相干信源数的联合估计,检测信源数可以超过阵元数,尤其对于角度相近的信源,信源数估计性能更优。     

辐射声源数估计方法研究

研究了信息论准则的3种辐射声源数估计算法和盖氏圆辐射声源数估计算法,通过数值仿真对这4种算法的性能做出了对比分析,通过分析得知信息论方法适用于白噪声背景,盖氏圆方法不仅适用于白噪声背景也适用于有色噪声背景。     

基于四阶累积量的信源数估计新方法

针对在基于四阶累积量的空间谱估计方法中,基于信息论准则的信源数估计方法完全失效的问题。提出了一种新的信源数估计方法,该方法利用与特征值互补的集合的数值的特点,降低了噪声对应特征值的发散度,然后再利用信息论准则估计信源数。该方法具有计算复杂度低的优点,适用于空间色噪声,仿真分析证明了该算法的有效性。     

有色噪声下基于总体最小二乘和卡尔曼滤波的无源定位方法

研究了有色量测噪声条件下存在系统误差时的单站纯方位角无源定位问题, 给出了一种新的迭代总体最小二乘Kalman滤波算法.该算法利用总体最小二乘法(TLS)进行无源定位,并通过有色量测噪声下的Kalman滤波对系统误差进行估计,将该滤波与TLS进行迭代,可有效抑制色噪声的干扰并大大减小系统误差对定位精度的影响,计算机仿真验证了该算法的有效性,且其性能优于文中其他几种算法.     

一种基于改进传播算子的波达方向估计方法

提出了一种新的适用于α稳定噪声环境的基于改进传播算子的DOA估计算法(或称为FLOM-PM算法).由于在α稳定分布噪声的环境下不存在有限的二阶矩,因此采用最小二乘(LS)方法来求解传播算子的算法将不再适用.在原传播算子算法(PM)的基础上,通过引入分数低阶矩建立新的误差代价函数,并通过对该代价函数的最小化,来估计传播算子,进而完成DOA估计.由于该算法可直接通过对阵列接收的数据向量进行分块来求解噪声子空间,不需要估计和计算共变矩阵(或分数低阶矩)及其特征向量,不但可减小估计的误差,而且可实现对小快拍数据的高分辨处理.仿真实验验证了该算法的有效性和正确性.     

基于高阶累积量的信源数目估计方法

信源数目确定在许多高分辨阵列信号处理中具有至关重要的作用.提出了一种基于阵列输出4阶累积量信息的信源数目估计方法.通过构造阵列输出的4阶累积量矩阵,根据4阶累积量矩阵特征值分布并采用最小描述长度(MDL)准则估计信源数目.由于信号高阶累积量具有盲高斯特性,该方法能有效地抑制色噪声干扰,可实现色噪声背景下的信源数目估计.仿真分析验证了该方法的有效性.     

非平稳非高斯测量噪声条件下改进差分粒子滤波算法研究

针对非平稳非高斯测量噪声(NSNGN)条件下差分粒子滤波(DDPF)算法状态估计精度低、易发散的问题,提出了一种改进DDPF(IDDPF)算法. IDDPF算法采用高斯混合密度函数近似估计测量噪声,替代传统算法中测量噪声的高斯密度函数近似估计,采用似然函数的对数最大化法求解高斯混合密度函数模型参数,并将该模型应用于粒子权值计算,避免了高斯密度函数近似估计噪声模型所易于导致的粒子退化问题;通过建立水下目标纯方位角跟踪系统模型,将IDDPF算法应用于闪烁测量噪声条件下水下目标纯方位角跟踪问题的求解。50次Monte Carlo对比仿真实验结果表明：在NSNGN条件下IDDPF算法具有跟踪响应快、估计精度高、鲁棒性较好等优点。     

基于延时相关的稀疏恢复高分辨来波方位估计

针对MUSIC算法和基于四阶累积量的MUSIC-like算法在高斯色噪声背景下测向精度不理想的问题,提出基于延时相关的稀疏恢复高分辨来波方位估计算法。该算法利用蕴含在接收数据延时相关函数中的角度信息,采用所有阵元接收数据的延时相关函数构造新的阵列输出矩阵,进而构造新的协方差矩阵,并进行奇异值分解,建立稀疏表示模型,使用l1范数法对稀疏模型进行求解实现色噪声环境下高分辨DOA估计。仿真实验表明,基于延时相关的稀疏表示模型的测向分辨率好于基于传统子空间的MUSIC算法和基于四阶累积量的MUSIC-like算法,能降低协方差构造的复杂度,增强色噪声抑制能力。     

流形分离在非均匀圆阵上的应用

流形分离技术(MST)将任意结构阵列的阵列流形矢量分解为采样矩阵(只与阵列结构有关)和范德蒙德结构矢量的乘积(只与来波有关),使只适用于均匀线列阵的DOA估计方法可用于任意结构阵列.建立了任意结构阵列模型,选取非均匀圆阵作为研究示例,将MST中采样矩阵的求取转化为最小二乘问题,而后利用root-MUSIC对范德蒙德结构...     

基于经验模式分解的广义互相关时延估计

提出一种基于经验模式分解(Empirical Mode Decomposition,EMD)的广义互相关时延估计方法,用来解决信号非稳态且采集信号的各个通道间存在相关性噪声的条件下如何提高时延估计精度的问题.利用EMD处理非稳态、非线性信号具有良好的自适应性的特点,将声信号分解为多个本征模态函数(Intrinsic ModeFunction,IMF),然后对相应的IMF进行互相关获得多尺度时延值.针对多个时延值不相等的问题,给出了选择精确时延的频谱一致性和时延矢量匹配两个准则,提高了该方法的实用性;并将这一理论应用于声阵列对声源的定位.试验证明:该方法能够在信号非稳态且采集信号的各个通道间存在相关性噪声条件下实现时延的精确估计,并提高了定位精度和时延估计的稳健性.     

基于改进的K-均值聚类信源数目估计算法

针对盖尔圆盘法在低信噪比和少快拍数背景下进行信源数目估计时会出现错误判断的问题,提出了色噪声背景下改进的K-均值聚类信源数目估计方法.求出数据相关矩阵后按照信号和噪声的类均值对信号特征值和噪声特征值进行K-均值聚类,然后不断更新类均值直到信号特征值收敛.计算机仿真实验证明了该方法在低信噪比和少快拍数时的估计成功概率高于盖尔圆盘法.     

舰载相控阵雷达组网资源管理的一致性算法

在舰载相控阵雷达网分布式资源管理中,由于各雷达对其他节点的状态估计存在偏差以及节点间信息传输受到噪声扰动,会导致资源管理方案不一致的问题。针对该问题,采用图论方法表示相控阵雷达网的拓扑结构,并进行舰载相控阵雷达网一致性资源管理的需求分析,进而从均衡雷达负载和资源消耗最小两方面构建各雷达的本地资源管理优化模型,各节点根据该模型给出具有差异性的本地优化资源管理方案,通过网络节点间的信息传输,运用一致性算法对各方案进行迭代处理,得到全局一致性方案。仿真结果表明,该算法能够有效地给出全局一致的资源管理方案,并且针对不同拓扑结构以及信息传输噪声的舰载相控阵雷达网都能实现收敛。     

一种鲁棒自适应容积卡尔曼滤波方法及其在相对导航中的应用

针对无人机编队相对导航系统中视觉导航传感器量测噪声服从非高斯分布的问题,提出一种带噪声估计器的鲁棒自适应容积卡尔曼滤波(CKF)算法。该算法将Huber求解线性回归问题与协方差匹配方法相结合,利用残差序列实时估计,调整系统过程噪声和量测噪声的统计特性,并采用遗忘加权参数对接收到的测量数据进行加权,从而准确地估计出无人机之间的相对位置、速度和姿态信息,提高了鲁棒CKF算法的自适应能力。仿真结果表明,与标准CKF算法和鲁棒CKF算法相比,该算法对受污染的噪声统计特性有较强的自适应性,估计精度高,鲁棒性更强。     

非高斯噪声环境中基于梯度范数的自适应滤波算法

针对传统最小均方类算法在非高斯噪声中自适应滤波性能下降的问题,提出了一种基于梯度范数的变步长归一化最小平均P范数算法.算法将α稳定分布作为非高斯噪声分布模型,依靠梯度范数与均方权值偏差(MSD)的关系自适应调整步长,加快收敛速度的同时减小稳态误差,理论推导证明了算法的有效性.仿真结果表明,在非高斯噪声条件下,该算法具有更好的收敛性能和抗突变能力以及更小的稳定误差.     

空间非平稳噪声下的信源数估计算法

针对空间非平稳噪声环境下信源数估计问题,分析了利用特征向量正交性估计信源数方法存在的不足,并讨论了常见对角矩阵在消除非平稳噪声时存在的问题,提出了一种新的信源数估计算法。该算法先利用特殊构造的对角矩阵进行变换消除非平稳噪声影响,然后将Bootstrap和假设检验理论相结合估计信源数。该算法无需噪声分布模型假设,在低信噪比下有较好的估计性能,有一定实用价值。     

双基多输入多输出雷达准平稳目标空间定位算法

针对现有双基多输入多输出(MIMO)雷达目标定位算法不适用于准平稳目标的问题,提出了双基多输入多输出雷达准平稳目标空间定位算法。该算法利用目标的准平稳特性和旋转不变特性估计参数(ES-PRIT)方法来估计目标相对于发射阵列和接收阵列的二维角度,从而实现对准平稳目标的空间定位。仿真验证表明：该算法不需要多维谱峰搜索和参数配对,具有较小的运算量,并能对消空间阵列噪声,适用于更广泛的未知噪声背景和低信噪比环境。     

基于人工免疫粒子滤波算法的MIMO-SCFDE系统信道估计方法

针对经典粒子滤波(PF)算法在MIMO-SCFDE系统时变信道估计中出现权值退化的问题,提出了基于人工免疫粒子滤波(AIPF)算法的MIMO-SCFDE系统时变信道估计方法。该方法将人工免疫的思想引入到PF算法中,有效缓解了PF算法权值退化的问题,提高了信道估计的精度。仿真结果表明,相比LS算法,Kalman滤波算法以及经典PF算法,AIPF算法在高斯分布噪声环境以及非高斯分布噪声信道环境下均可以得到较低误码率(BER)以及归一化均方误差(NMSE),而且在非高斯分布噪声环境下具有较好的顽健性,可以有效提高MIMO-SCFDE系统信道估计的性能。     

统计特性突变下的机器人同步定位与地图构建

针对未知环境中,机器人同步定位与地图构建( SLAM)时,系统的统计特性发生突变问题,提出了一种基于非线性交互式多模型(IMM)的SLAM算法。该算法的主要思想是：用多个非线性高斯模型近似非线性非高斯模型;每个模型都采用扩展卡尔曼滤波(EKF)对非线性系统线性化;在每一步采用IMM方法获得融合估计值;从而演化机器人的SLAM. Monte Carlo仿真结果表明,在过程噪声均方根误差、量测噪声均方根误差和两者噪声均方根误差都发生变化的情况下,与EKF-SLAM算法和快速SLAM算法相比,该算法具有更好的估计精度。     

一种基于IMM-PF的MMW/TV复合制导UCAV火力解算融合跟踪算法

针对目标融合跟踪算法在解算时,假定测量噪声为高斯白噪声与实际测量为"闪烁噪声"不相符的情况,提出一种交互式多模型粒子滤波的毫米波/电视复合制导无人攻击机火力解算融合跟踪算法,该算法适用于非线性、非高斯条件下、多传感器信息融合跟踪;可在有干扰的情况下,通过模型转换,实现模型的匹配,有效跟踪机动目标。通过数字仿真,验证了该算法具有较强的目标机动自适应能力,对提高MMW/TV复合制导UCAV的攻击效果有重要意义。     

不完全量测下基于信息一致性的分布式容积卡尔曼滤波算法

针对不完全量测条件下分布式火控系统中的非线性目标跟踪问题,为提高跟踪系统的估计精度并保证各探测单元估计结果的一致性,提出一种基于信息一致性的分布式容积卡尔曼滤波(ICDCKF)算法。针对非线性系统,给出不完全量测下的改进容积卡尔曼滤波。考虑到各探测单元间局部估计信息的相关性,该算法首次将协方差交叉方法应用于非线性一致性滤波算法,提高互协方差未知情形下分布式融合的估计精度。特别地,为确保算法的可行性,给出不完全量测情形下,ICDCKF算法估计结果收敛的条件,并从理论上严格证明在该条件下ICDCKF算法可以保证估计方差的有界性。ICDCKF算法应用于一类光电跟踪网络,与现有CKFI算法、CKF_CI算法、KCF_ Me算法对比分析表明：ICDCKF算法在保证各探测单元估计结果一致性的同时,大幅度提高了跟踪系统的估计精度。