基于四阶累积量的时延估计新方法

针对无线电定位中的时延估计问题,考虑接收信号为窄带信号以及背景噪声为高斯分布的情况下,将四阶累积量的一维切片作为高阶统计量,结合希尔伯特变换,给出一种新的时延估计方法.该方法对相关峰值进行了锐化处理,提高了估计精度.与广义互相关法相比,该算法可有效抑制空间相关高斯噪声的影响,计算量小,易于实现.仿真结果表明了该方法的有效性.     

改进的CUSUM传染病预警模型研究

CUSUM模型是当前国内外常见的传染病突发事件早期预警的核心方法之一,模型在计算预警统计量时直接分析基线窗口下的平均情况,未考虑疾病爆发时期前后的影响因素,使分析的及时性不够理想.本文提出改进CUSUM算法的预警C_CUSUM模型,根据历史发病量求取基线窗口下每天的期望发病量,在期望发病量基础上进行基线水平计算,进而得出所需的预警统计量,将两模型(CUSUM、C_CUSUM)对我省2016—2017边境发热的实际日报数进行分析研究得出,该模型(C_CUSUM)的预警检出时间(DT)较CUSUM算法模型提前1～2 d,有效地提前了预警信号发出的时间,增强了预警模型分析的及时性.     

部分线性单指标模型的序列相关性检验

部分线性单指标模型是一类重要的半参数统计模型,对于模型中的误差,如果存在序列相关,那么在进行统计推断时会遇到诸多问题。针对该情况,对部分线性单指标模型的序列相关性进行检验,用VT,P检验的方法构造VT,P检验统计量,得到了零假设下检验统计量的渐进分布。数值模拟验证结果表明,该检验有较好的检验功效。     

锚点稀疏的无线感知网络定位算法

为有效实现锚点稀疏无线感知网络中节点的定位,提出一种多跳协作分布式定位算法.利用与局域范围内的多跳锚点通信协作,对定位的伪位置进行排除或缩小位置范围;同时,对影响定位精度的测距误差、锚点位置误差进行研究,利用误差分析技术优化锚点的选择,排除冗余锚点带来的误差影响;通过Matlab仿真实验研究定位率与锚点密度之间的关系,验证了算法的有效性和正确性.试验表明,该算法能显著提高定位率(尤其对处于网络边缘的节点定位),有效降低定位误差和定位成本.     

导航信号模拟器可见卫星同步调度算法

针对高动态信号模拟过程中可见卫星星座变化问题,提出了一种基于卫星信号模拟器的同步可见卫星调度算法.该算法采用软件无线电体系架构,通过循环可见星判断和同步状态控制逻辑,实时改变模拟通道状态,实现任意模拟通道的同步加星和去星操作,并且能够支持卫星信号模拟器长时间持续稳定地工作,具有信号模拟精度高和算法复杂度低等优点.通过实际测试,将接收机定位结果与同步模拟器仿真数据进行了比对,验证了模拟器输出信号在可见卫星星座发生改变时没有产生明显的阶跃误差,未影响接收机的定位精度.     

图像重建的统计自适应子集算法

有序子集算法大大提高了图像重建迭代算法的收敛速度.增加子集的数目可以加速收敛,但图像质量会由于子集内缺少统计信息而下降.提出了一种基于假设检验的子集划分方法,建立了检验统计量,给出了算法的迭代公式.该算法可以根据用户定义的显著性水平,在每次迭代时自动调节子集的个数,生成含有相同统计信息量的子集.实验结果表明:该方法可以在少数次迭代后得到较高质量的重建图像.     

基于多分布式天线阵列的移动台定位算法

在无线定位环境中尤其是闹市区,为了减少非视距(NLOS)误差对定位精度的影响,研究了一种基于多分布式天线阵列的移动台定位算法在不同基站数目下的性能.多分布式天线阵列定位算法是在散射体信道中,利用NLOS附加误差的相关性分析,提取散射体位置信息,进而得到移动台坐标.利用计算机仿真,改变参与定位的基站数目,比较该算法在3～7个基站时的定位精度.结果表明,该算法在基站数目为3时性能较好,能有效抑制NLOS误差影响,提高定位精度,具有一定的实用性.     

误差修正的声源目标混合定位算法

针对定位系统因非视距传播、多路径效应等因素所导致定位精度降低的问题,提出了一种基于到达时差的误差修正声源目标混合定位算法。首先,该算法在传统加权最小二乘法中引入动态权值修正技术获得泰勒级数迭代法初值,减少了迭代次数;其次,提出了后项时延选择算法,并结合标准残差函数剔除了误差较大的时差对定位性能的影响,选择最优的时差组合方式进行目标位置解算;最后,通过标准残差加权的方式修正混合定位算法误差,得到声源目标位置。 实验结果显示,新提出的误差修正混合定位算法性能优于参考算法,且对非视距误差具有显著的抑制作用,有效地提高了定位精度。     

基于距离测量的多无人机协同目标定位方法

提出了一种利用多无人机与目标之间的距离以及无人机站址坐标估算目标位置的协同定位算法。通过一阶Taylor展开,把非线性距离测量方程转化为量测距离信息加上无人机的站址误差以及测距传感器的测距误差信息方程,进而对定位方程求解,得到目标的位置。最后利用在线枚举法寻求最小GDOP值所映射的最优编队队形以提高定位精度。计算机仿真结果验证了该算法的有效性和适应性。     

格缩减辅助MIMO检测的非线性量化

针对格缩减辅助(LRA)多入多出(MIMO)检测中,采用格缩减技术后导致星座畸变、引起变换域信号非线性联合量化复杂度高的问题,提出了一种排序反馈的非线性量化算法. 该算法同时考虑了变换星座的边界和各元素间的相关性,且根据量化误差的大小选择信号量化判决的顺序,依次量化判决信号的各元素. 仿真证明,基于该算法的格缩减辅助MIMO检测性能优于无排序反馈量化和逐元素独立量化的格缩减辅助MIMO检测,且能很好地逼近最大似然检测的性能;在平坦块衰落信道下,计算复杂度为多项式复杂度.