非高斯有色噪声中的正弦信号频率估计

本文研究非高斯ＡＲＭＡ有色噪声中的正弦信号频率估计问题。利用自相关函数和三阶累积量相结合，提出了一种先估计噪声模型ＡＲ参数，然后对观测值进行预滤波，最后估计信号模型参数的新方法，模拟实验结果表明，新方法具有良好的频率估计性能。     

一种基于LS自适应AR建模的高分辨率时间延迟估计方法

本文提出了一种基于最小二乘（ＬＳ）自适应ＡＲ建模的时延估计方法。这种方法以接收信号的功率谱密度函数为时间序列，利用最小二乘格型自适应滤波器经由ＡＲ建模而得到高分辨率的时间延迟估计。文中给出了这种方法的原理、具体实现及性能分析，并以相关时延估计方法为参照进行了计算机模拟。     

非高斯ARMA噪声中谐波恢复的杂交ESPRIT方法

本文研究非高斯ＡＲＭＡ噪声中的谐波恢复问题，提出了一种基于二阶和三阶统计量的杂交ＥＳＰＲＩＴ方法，该方法先估计噪声过程的ＡＲ部分参数，然后对观测值进行预滤波，最后估计谐波信号参量。模拟实验还验证了该方法的有效性和高分辨率。     

基于平地干涉相位周期的基线估计方法

干涉合成孔径雷达（INSAR）技术是利用同一景区不同视角的复数据相位信息，获取地面高程信息或地形变化信息的技术。其中参数估计是INSAR数据处理中必不可少的步骤，基线是形成数字高程模型（DEM）中的一个重要参数。文中由合成孔径雷达干涉测量的原理出发，从理论上推导出平地干涉相位周期与基线的关系式，得出了一种利用干涉相位周期估计基线的方法，由此对估计区域的选取进行讨论，并进一步通过实际雷达数据，最后通过实际干涉图验证此基线估计方法。     

离散最小误差熵估计的原理及应用

本文简要讨论了离散Ｓｈａｎｎｏｎ信息熵测试及ＭＥＥ估计的一般描述，为有效地求解离散ＭＥＥ估计问题提供了新颖实用的算法，包括穷搜（ＥＳ）算法，降维搜索（ＲＳ）算法以及人工智能（ＡＩ）算法，最后用ＭＥＥ方法了浑沌系统的状态估计和预测问题。     

欠采样环境下信号多频率估计

在信号欠采样环境下，本文基于时延技术和ＭＵＳＩＣ算法提出了一种新的信号多频率估计方法，只要合适地选取时延器的延迟时间，频率估计是无模糊的。计算机模拟实验表明此方法是可行的。     

正弦参量估计的四阶累积量ESPRIT方法

本文讨论高斯有色噪声的正弦信号参量估计问题，利用观测值的高阶统计量信息，建立了四阶累积量ＥＳＰＲＩＴ方法，模拟实验结果表明，该方法不仅具有很高的频率分辨率，而且能抑制高斯有色噪声的影响。     

新型信道估计器

提出了一种新的信道估计器－－“结合型信道估计器”此估计器结构简单，容易实现。它可对固定信道和慢性变信道的采样冲激响应进行了估计。分析和计算机模拟表明；结合型信道估计器优于Ｈａｍｉｅｄ ＫＡ所提的非迭代器型估计器及ＬＡＳ估计算法，在一些条件下甚至估于ＲＬＳ算法。     

飞行器实时姿态估计系统

飞行器实时姿态估计系统（ＶＲＡＥＳ）是用多个光学传感器检测和跟踪运动目标。每个光学传感器获得的信息被实时地综合到一起，用以估计目标的三维空间位置和姿态（定向）。本文描述了系统的结构，算法以及实时处理。测试结果表明系统能实时地对大数据量进行运算，并精确地提供目标的位置和方向。     

利用改进遗传算法的DOA估计

用极大似然估计（ＭＬＥ）得到到达信号的方向（ＤＯＡ）,在统计性能方面要比其它一些理论优越,但是由于该方法为种多维参数估计,采用常规搜索方法,精度受到网格限制,不能任意逼近最优解,并且容易收敛到局部最优。而遗传算法是一种有导向的随机搜索方法,它具有适用条件宽松,有较大的概率收敛到全局最优等优点。在此通过改进的遗传算法（ＩＧＡ）,较好地解决了一般搜索算法存在的不足,计算机模拟实验证明可行。     

地形特征对粒子滤波导航算法精度影响分析

地形导航是利用飞行器下方地形估计飞行器空间位置的导航方法。由于地形是强非线性模型,因此地形导航可以看作非线性状态估计问题,地形特征直接影响导航精度。在讨论粒子滤波导航算法基础上,重点研究了地形特征对后验概率密度和Cramer-Rao下界的影响,得出了地形梯度和相似度是影响粒子滤波导航算法精度的根本原因,为飞行区域选择、飞行路径规划提供了依据,具有较强的实用性。     

无人飞行器基于前视序列图像的地形跟随技术

针对飞行器未知环境下自主地形跟随问题,提出了基于前视序列图像天地线的地形跟随方法,并利用适应角法设计了制导律,该方法利用被动成像实时探测飞行前方地形信息,降低了对数字地图保障及高精度导航的需求。六自由度非线性数学仿真结果表明:基于前视序列图像天地线的方法较传统基于数字地图的方法,地形跟随平均离地高度可降低35%以上,可大幅提高飞行器超低空突防性能。     

一种未知信源数的高分辨DOA估计算法

提出了一种未知信源数的高分辨 DOA 估计算法。该算法在未知信源数的情况下,利用线性预测(LP)法或 Pisarenko 法与 ASPECT 技术相结合来实现高分辨谱估计。该算法在消除 LP 法或 Pisarenko 法 DOA 估计中存在的伪峰的同时可判断出入射信源数,明显减小 DOA 估计算法的运算量,并可提高谱分辨力。计算机仿真结果证明了新算法理论的正确性和有效性。     

基于现代谱估计的PSK信号频率估计方法

现代谱估计方法是在强噪声背景下进行谱估计的有效方法。本文利用现代谱估计的方法．分别使用MUSIC算法，Welch算法和修正协方差算法对PSK信号中心频率进行了估计。本文给出了计算机仿真的结果，将3种算法的估计结果进行了比较。结果表明，利用现代谱估计方法可有效地估计PSK信号的中心频率，其中修正协方差法在几种谱估计方法中性能稳定，复杂度适中，且计算速度较快。     

基于地形高度域的数据压缩算法研究

随着遥感技术的发展,地形数据规模越来越大,远远超过了内存处理的范围,成为急需解决的问题.通过数据压缩提高系统吞吐量是常用技术之一,随着GPU技术的快速发展,传统的压缩算法无法充分利用GPU的能力.鉴于此,本文提出了一种基于GPU的地形数据压缩方法,实现了高度域和位置信息的压缩.不同于其他的算法仅对高度或位置进行压缩,本文的主要贡献在于将地形的位置和高度同时进行处理,当前顶点的所有信息都可以根据当前分段计算得到.算法对地形的高度域进行贝塞尔曲线的近似,保存每个顶点的差值,实现有损和无损的相结合的高比率的压缩.通过与传统方法的比较,实验结果表明,能够取得很好的压缩效果.     

Image autocoregistration and InSAR interferogram estimation using joint subspace projection

In this paper, we propose a new method to estimate synthetic aperture radar interferometry (InSAR) interferometric phase in the presence of large coregistration errors. The method takes advantage of the coherence information of neighboring pixel pairs to automatically coregister the SAR images and employs the projection of the joint signal subspace onto the corresponding joint noise subspace to estimate the terrain interferometric phase. The method can automatically coregister the SAR images and reduce the interferometric phase noise simultaneously. Theoretical analysis and computer simulation results show that the method can provide accurate estimate of the terrain interferometric phase (interferogram) as the coregistration error reaches one pixel. The effectiveness of the method is also verified with the real data from the Spaceborne Imaging Radar-C/X Band SAR and the European Remote Sensing 1 and 2 satellites.     

基于实测地形的米波雷达测高方法

基于二次雷达高度信息对地形参数进行优化的合成导向矢量算法对米波雷达测高具有较高的精度,但在没有二次雷达信息的情况下,测高精度较低。鉴于此,本文提出了一种基于实测地形的测高方法,首先对目标方位的地形起伏进行遍历,通过球面模型计算得到对应的反射点距离,将其与真实反射点距离差值最小的位置作为真实的反射点位置,然后将其距离和地形高度用于合成导向矢量算法测高,文中并给出了减小运算时间的优化算法流程,实测数据验证了该方法的有效性。     

基于自适应卡尔曼滤波的侧滑移动机器人运动模型估计

精确实时在线的运动模型对于侧滑移动机器人的运动控制和轨迹规划至关重要,相比于离线模型估计,该文在基于速度瞬心(ICRs)的侧滑移动机器人运动学模型基础上,采用扩展卡尔曼滤波(EKF),在同一特定地形下在线准确得到ICRs的参数值;并针对不同的地形情况,采用k-近邻法对地形进行分类,实时判别机器人当前运行的路面,采用自适应的卡尔曼滤波器(AKF)调整滤波器参数。仿真和实验对比表明,该方法在同一地形和变化地形下均能快速估计出侧滑移动机器人的运动学模型,收敛时间均为3 s以内,可以满足实际使用的需要。     

基于MUSIC迭代法的互耦误差校正

针对阵元之间存在互耦误差,阵列流型会出现一定程度的偏差和扰动的问题,提出了基于MUSIC(MUlti-ple SIgnal Classification)迭代法的互耦误差自校正算法及在互耦误差条件下的DOA(Direction of Arrival)估计算法。利用MUSIC迭代法对波达方向和互耦误差同时进行估计。该算法能够在互耦误差存在的情况下,有效地估计出波达方向和互耦矩阵,仿真实验证明了该算法的有效性。