基于阵列天线的UWB定位方案研究

为实现简单而精确的定位,提出了一种基于阵列天线的超宽带(ultra wideband, UWB)定位方案。在定位源末端设置4根阵元天线,用于检测未知节点发射的UWB信号,各天线接收的信号经统一的中央处理单元,只需单个定位源就能完成未知节点的三维定位。通过UWB多径信号检测算法进行到达时间差(time difference of arrival, TDOA)估计,无需收发两端时钟同步,且避免了使用复杂的波束赋形技术。同时,提出了一种UWB多径信号检测算法,在分析误差模型对定位精度影响的基础上,以IEEE 802.15.4a信道模型的CM1~CM8为依据,对方案进行了误差性能仿真实验。结果表明,所提方案可实现精确定位,误差达厘米级。     

基于快速数据投影法的多目标角跟踪

提出了一种新的多目标波达方向（direction of arrival, DOA）跟踪方法。首先利用可靠且低复杂度的快速数据投影法(fast data projection method, FDPM)自适应更新阵列接收信号的时变信号子空间,再采用高斯〖CD*2〗牛顿法在更新后的信号子空间中,估计多个目标实时变化的DOA观测值,最后采用卡尔曼滤波获得当前时刻多个目标的最优DOA估计值。仿真多个交叉运动目标的情况,验证了该方法具有跟踪速度快、精度高的特点,并且可以避免数据关联。     

无源系统中时间差和角度变换跟踪算法

在使用时间差方法对目标进行无源跟踪时,跟踪系统中的各站点有时无法同步截获目标的信号,使跟踪过程中误差增大。提出基于时间差与角度切换的跟踪算法。该算法利用时间差和角度测量的结果,使用扩展卡尔曼滤波对目标跟踪,通过对每个周期各站截获信号和对目标跟踪精度的情况,选择输出两种方法对目标位置估计结果。算法比仅利用时间差的方法有更强的适应性,同时精度并没有下降。给出了算法的具体步骤,通过仿真实验验证该算法的有效性。     

基于时差和频差的固定多站定位方法及分析

针对利用信号时差和频差信息的固定多站对运动辐射源定位问题,提出了一种基于加权最小二乘的单次定位解算新方法和基于扩展卡尔曼滤波的多次定位跟踪滤波方法。分析了存在时差和频差参数测量误差条件下的单次定位误差克拉美-罗下限几何分布图,并仿真了多次定位条件下的定位性能,将其与仅测时差定位的性能进行了比较。仿真表明,增加频差信息有助于提高对运动辐射源的定位跟踪精度。     

基于L型阵列的多目标二维角跟踪算法

基于L型阵列,提出了一种新的多目标二维角跟踪算法。该算法通过相邻时刻X阵列及Y阵列协方差矩阵之差得到了两组关于角度差的线性方程组,重复解方程组可以估计出不同时刻各个目标的方位角及俯仰角。本算法可以减小阵元噪声的影响,相邻时刻估计得到的角度是自动关联的,省去了运算量较大的数据关联过程;同时在跟踪过程中,不需要进行子空间分解和参数配对。仿真结果表明,该算法的运算量低,跟踪精度高。     

基于单快拍空间平滑的多伯努利DOA跟踪算法

针对阵列信号处理中单快拍情况下的多源时变波达方向(direction of arrival, DOA)跟踪问题, 提出了一种基于单快拍空间平滑的多伯努利DOA跟踪算法。首先,利用多伯努利随机有限集(random finite set, RFS)描述状态过程的随机性, 并直接利用从传感器阵列中获得单快拍量测。其次, 采用空间平滑技术对单快拍量测进行处理, 得到伪协方差矩阵, 并进行奇异值分解。最后,用多重信号分类(multiple signal classification, MUSIC)谱函数作为伪似然函数进行多伯努利DOA跟踪。仿真结果表明, 该算法能实时有效跟踪单快拍量测下的时变信源DOA状态, 且能准确估计信源个数。     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival,AoA)的三维目标跟踪中,伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点,但是严重的偏差问题使其跟踪精度迅速下降.针对该问题,提出一种二次约束卡尔曼滤波(quad-ratic constraint Kalman filter,QCKF)算法.首先引入涉及所有观测噪声项的...     

基于压缩感知和递归最小二乘的IR-UWB信道估计算法

为了减轻脉冲无线超宽带(impulse radio ultra-wide band, IR-UWB)接收机高采样频率的负担,提出了基于压缩感知和递归最小二乘的低采样率信道估计算法。该算法先令接收到的训练符号通过随机滤波器,并对其欠采样,对采样到的信号进行递归最小二乘计算,最后利用压缩感知重构算法得到信道参数的估计值。提出的算法能够在低采样率的情况下对IR-UWB信道参数进行有效估计。该算法一方面降低了接收机对于模数转换器的要求;另一方面,低采样率产生较小的数据量,从而降低了估计算法的计算量。     

基于目标跟踪的移动信标辅助节点定位算法

针对无线传感器网络的节点自定位问题,提出一种基于单个移动信标的节点定位算法。信标节点周期性地发布自身位置信息,未知节点被动接收该信息得到与移动信标之间的距离,先求取自身位置的近似估计,再利用无迹卡尔曼滤波进行目标跟踪,完成进一步位置求精。未知节点之间无需测距,降低了通信量和能量消耗。仿真结果表明,该方法能够有效提高节点的定位精度,适用于户外部署的大规模无线传感器网络。     

粒子滤波和多站TOA的外辐射源雷达跟踪方法

针对外辐射源雷达跟踪常采用扩展卡尔曼滤波（extended Kalman filter,EKF）算法导致其跟踪精度受闪烁噪声影响较大的问题,结合到达时间（time of arrival,TOA）定位技术和粒子滤波（particle filter,PF）算法,提出一种适于闪烁噪声环境的外辐射源雷达跟踪方法。该方法通过多站TOA获得测量信息,利用双基地角来减弱目标雷达散射截面积（radar cross section,RCS）闪烁,采用非线性和非高斯的PF进行跟踪,能减小因闪烁噪声而导致的跟踪误差,避免EKF算法因线性化而带来的误差,从而提高跟踪精度。实验表明,该方法的跟踪性能优于EKF,尤其受闪烁噪声影响小,能提高闪烁噪声环境下的跟踪精度。实测数据验证了该方法的有效性。     

基于MCSM的自适应跟踪算法

针对基于"当前"统计模型的算法跟踪突发强机动目标性能下降的问题,提出了一种通过强机动自适应检测调整模型参数的改进算法。该算法利用残差统计距离的概率分布设置目标强机动的检测门限,根据目标的机动水平联合调整模型的机动频率、最大机动加速度以及滤波器增益,在保持"当前"统计模型跟踪算法对一般机动目标跟踪精度的前提下,增强了系统对突发强机动目标的自适应跟踪能力。仿真结果表明,该算法扩大了跟踪机动目标的动态范围,提高了跟踪性能。     

基于随机集理论的多个声目标融合跟踪

针对杂波环境下,采用多个被动声传感器跟踪多个声目标的应用场合,建立了多个声目标跟踪的随机有限集模型,采用概率假设密度(probability hypothesis density, PHD)粒子滤波对该模型进行求解。针对PHD滤波器只适用于单传感器的问题,提出了一种实现多个声传感器融合跟踪的方法。该方法在序贯PHD滤波器的基础上进行改进,提高了目标检测率,通过仿真实验验证了该方法的有效性。     

基于量测转换与输入估计的机动目标跟踪算法

针对雷达系统中机动目标的跟踪问题,提出输入估计(input estimation,IE)与无偏量测转换（unbiased converted measurement,UCM）相融合的自适应算法。用无偏量测转换技术将观测量转换到直角坐标系,使得在极坐标系内应用IE成为可能;提出检测窗内加速度阶梯变化的假设并推导相关模型,使得单个输入估计器能够跟踪各种变化机动。仿真分析表明,算法与基于多滤波器并行工作的交互式多模型相比,跟踪精度相当,但运算量大大降低,因此适用于对性能和实时性要求较高的场合,有很好的应用前景。     

基于子空间跟踪的扩频码盲估计算法

针对直接序列扩频(DS/SS)信号的扩频码盲估计问题,改进了特征分解的方法,利用滑动窗技术取得码同步,并提出了一种基于信号子空间跟踪的PN(pseudo noise)码恢复算法。计算机仿真表明,由于这种算法避开了直接的特征分解求解,降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能上优于已有的梯度算法和神经网络算法。     

基于SVM的来波方向估计方法

提出了一种采用支持向量机(support vector machine, SVM)建立模型实现来波方向估计的新方法。提取已知方向来波信号在天线阵元间感应的相位差作为模型的输入,利用支持向量回归机对复杂函数的逼近能力构建方向估计模型。充分利用了SVM的结构风险最小原则和泛化能力,使得模型对低信噪比和通道误差具有较强的适应能力。通过正弦和余弦函数变换的方法,有效解决了360°~0°转换不连续性引起的逼近误差,提高了估计精度,并给出了算法的具体实现步骤。实验结果验证了该方法的优越性和可行性。     

Electronic image stabilization system based on global feature tracking

A new robust electronic image stabilization system is presented, which involves feature-point, tracking based global motion estimation and Kalman filtering based motion compensation. First, global motion is estimated from the local motions of selected feature points. Considering the local moving objects or the inevitable mismatch, the matching validation, based on the stable relative distance between the points set is proposed, thus maintaining high accuracy and robustness. Next, the global motion parameters are accumulated for correction by Kalman filteration. The experimental result illustrates that the proposed system is effective to stabilize translational, rotational, and zooming jitter and robust to local motions.     

基于时变偏差分离估计的杂波下机动目标跟踪

在杂波环境机动目标跟踪问题中,波门位置和范围的确定是关键技术之一。在分析了时变偏差分离估计算法的有偏差的状态估计协方差基础上,提出了基于时变偏差分离估计(separate bias estimation, SBE)和概率数据关联(probabilistic data association, PDA)的新算法,利用了偏差估计和有偏差的状态估计协方差来确定波门位置和范围,并结合PDA处理多个回波的能力,实现杂波环境下机动目标的跟踪。通过仿真实验,说明了新算法的优势和有效性。     

基于AOA的双机无源定位模型及其解算方法

在双机协同的无源定位算法中,角度信息有着非常重要的作用。为解决双机无源定位问题,提出了一种只利用角度信息的定位模型,并同时消去中间变量距离的影响。对比了最小二乘法、加权最小二乘法、总体最小二乘法、渐进无偏估计法等方法对该双机定位模型的解算。相比时差/到达角联合定位算法模型,该算法需要更少的观测信息和更少的观测误差,就能提高定位精度。仿真结果验证了上述4种解算算法的定位性能,证明了该算法在定位精度上的优秀性能。最后,还对4种算法在不同误差和约束条件下在双机协同观测定位中的定位精度进行了对比。     

声速不确定条件下的运动水下航行器自定位

传统利用水下声学定位系统的航行器自定位存在两方面问题, 一方面没有考虑测量周期内航行器的运动, 另一方面没有考虑水声声速的不确定。为解决上述问题, 构建了航行器运动状态下的时间测量定位模型, 并对声速不确定性进行建模。分别推导了基于加权最小二乘的运动航行器定位方法和基于最大似然估计的声速更新方法。利用所提模型和时间测量, 不仅可以估计航行器位置, 还可以更新声速。仿真结果验证了本文所提方法在各种参数设置下均优于现有方法, 并且在时间测量噪声不大时可以达到克拉美罗下界(Cramer-Rao lower bound, CRLB), 在时间误差不大时, 声速更新结果显著提高。     

跟踪窗自适应的Mean Shift目标跟踪算法

针对Mean Shift算法不能很好地跟踪尺度变化目标的缺点,提出一种将Mean Shift算法和目标几何特征相结合的目标跟踪算法。该方法在Mean Shift框架下提取目标的几何特征,根据目标的面积和型心坐标对跟踪窗的位置和大小进行修正,最后更新Mean Shift的目标模板。通过大量实验仿真证明,改进的算法能很好地跟踪尺度变化的目标,对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性。