新息净积累量序列估计算法

 现有的伪随机序列捕获算法会重复积累历史错误信息,在低信噪比、高误码率下性能不理想,尤其是在初始相位未知的情况下.针对此问题,文中提出一种新息净积累量序列估计(INASE)算法,通过设计新息净积累方式,更有效地积累正确信息.仿真分析并与现有算法对比表明,INASE算法在极端恶劣的环境下仍能保持稳定收敛,最终捕获伪随机序列.     

基于信号估计的扩频测控信号快捕方法

为进一步提高扩频测控系统的捕获速度,研究了借助辅助序列估计伪码相位的方法,分析了该估计算法的精度。针对该算法在高动态条件下估计偏差较大引起捕获概率骤降的问题,提出引入最大似然频偏估计修正相干载波的方法,显著提高捕获概率。设计了基于码相位估计和载波频率估计的快速捕获算法,仿真结果表明,该算法在载噪比较好的情况下可以有效完成捕获。为提高算法在较低载噪比时捕获的可靠性,提出将估计值作为部分匹配滤波辅助快速傅里叶变换( PMF-FFT )初值的综合捕获方法,与传统捕获方法相比,平均捕获时间显著降低,且并没有带来硬件复杂度的提高,具有一定的理论意义和工程应用价值。     

基于改进传播算子的DS-SS信号扩频序列盲估计方法

本文研究了DS-SS信号的扩频序列盲估计问题,针对现有特征值分解算法失步时间估计不准和计算量大等缺点,提出一种基于改进传播算子的扩频序列盲估计算法,该算法对传统传播算子估计信号子空间的方法进行了改进,使之能够估计扩频序列,并利用信号子空间估计信号失步时间.与基于特征值分解的方法相比,本文算法提高了失步时间的估计精度,并有效的降低了计算量.最后对算法计算量和性能进行了仿真分析和验证,结果表明本文算法有效,计算量远小于现有特征值分解算法,且估计性能在低信噪比条件下更优.     

基于正反向联合TCF的序列多项式估计算法

针对高误码条件下序列高阶多项式估计算法容错性能差、计算复杂度高等问题进行研究,提出一种基于正反向联合TCF(三阶相关函数)的序列多项式估计算法。引入多项式线性相关对,分析研究TCF估计模型。针对模型缺点,将TCF估计问题转化为序列捕获问题,采用循环相关方式求解正反向联合TCF峰值位置。运用概率分析方法,分析研究正反向TCF峰值求解中各参数关系,为算法应用提供依据。仿真结果表明,该算法在误码率37%的条件下能够较好地完成17阶m序列多项式估计,且性能不受制于多项式抽头个数,计算复杂度和容错性能均优于TCF算法。     

基于相位估计器的直接序列快捕方法

该文提出一种基于直接序列扩频系统(DS/SS)的码相位估计器。它能根据输入信号与一个特殊序列不同相位下的互相关值,相当准确、有效地估计出本地伪随机序列的改进方向和大小,成倍地缩短了捕获的时间。理论分析和计算机模拟表明,对于周期511以上的伪随机码而言,该算法在正常工作条件下平均捕获时间仅为常规捕获方法的一半。     

基于隐训练序列的MIMO通信系统信道估计与跟踪

针对MIMO通信系统的信道估计与跟踪问题,提出了一种基于隐训练序列(ITS)的信道估计算法,分析了该算法的均方误差性能,给出了训练序列的优化方案.仿真表明,该算法与传统的最小二乘信道估计算法、预编码隐训练序列算法相比,具有估计精度高、计算量低、易于优化训练序列等特点,且算法不受接收端存在直流偏移的影响,其自适应结构能够很好地实现对快时变通信信道的跟踪,对解决电子战中快时变通信信道的捕获和跟踪问题具有一定的指导意义和应用价值.     

一种改进的DSSS信号扩频码估计算法研究

在低信噪比条件下检测出直接序列扩频(DSSS)信号后,要恢复出原始信息,估计出扩频码序列是非常关键的,因此有必要研究DSSS信号的扩频码序列估计算法。提出了一种基于改进的协方差矩阵迭代算法应用于估计扩频码序列。理论分析和计算机仿真实验都表明了该算法能在低信噪比下估计出扩频码序列,与其他一些扩频码序列估计算法如基于投影子空间的算法、基于神经网络的算法相比,具有运算量更小等优势。     

一种新的信号识别和扩频码捕获(SR/CA)算法

DS-SS系统中信号识别和扩频码捕获(SR/CA)会存在检测概率和虚警概率难以同时优化的矛盾,在分析现有SR/CA算法的基础上,提出了一种带有频偏估计的软SR/CA算法。通过引入高低双重判决门限和频偏估计校正环路,该算法在保持较低的虚警概率的条件下能提高信号的检测概率。数值仿真结果表明,软SR/CA算法结构相对传统的SR/CA算法能在检测概率和虚警概率之间取得较好的折衷。     

几种发射分集OFDM系统信道估计方法性能评估

给出了3种基于发射分集的OFDM系统信道估计方法,分别从训练序列对算法的影响、估计准确度、算法复杂度和算法适用性等方面对各自性能作了分析比较,并进行了仿真.分析比较和仿真结果表明,训练序列对3种算法的影响很大,通过训练序列的正交化设计,LS和EM算法可以得到很大程度的简化;EM算法与LS算法估计精度相当,信噪比较大时,多项式模型算法估计精度要远远高于LS和EM算法;总体上来说,多项式模型算法复杂度最高,EM算法复杂度最低.     

基于PMF-FFT的高精度伪码捕获算法

针对低信噪比、高动态环境下传统的伪码捕获算法捕获概率较低的问题,提出一种高精度的时频联合两轮频偏校正捕获算法.算法以两级PMF-FFT(Partial Match Filter-Fast Fourier Transform)捕获单元为模型,在不增加FFT点数的前提下对第一级增加差分相干累积模块提高信噪比,并运用时频联合频偏估计分别对信号进行两轮频偏校正,第二级输入经加窗处理,同时适当增加PMF长度,进一步提高捕获精度.理论分析和仿真结果表明,该算法与传统的PMF-FFT算法相比,有效地提高了多普勒频偏估计精度,且系统在低信噪比、高动态条件下捕获概率得到提升,具有良好的捕获性能.     

状态积累递归软序列估计

目前对于数字电视应用的长周期伪随机序列,捕获性能有限。提出状态积累递归软序列估计算法,在递归软信息积累过程前端建立状态积累移位寄存器,通过积累多个周期的信息来提供较为可靠的初始积累值,最终加速后续软信息积累,从而取得较好的捕获性能。     

Model-based similarity estimation of multidimensional temporal sequences

Content-based queries in multimedia sequence databases where information is sequential is a tough issue, especially when dealing with large-scale applications. One of the key points is similarity estimation between a query sequence and elements of the database. In this paper, we investigate two ways to compare multimedia sequences, one—that comes from the literature—being computed in the feature space while the other one is computed in a model space, leading to a representation less sensitive to noise. We compare these approaches by testing them on a real audio dataset, which points out the utility of working in the model space.     

多站ISAR空间目标姿态估计方法

该文提出一种基于多站逆合成孔径雷达(ISAR)序列成像的空间目标姿态估计方法。方法提取各帧ISAR图像中目标的典型线性结构,结合目标轨道信息实现关键部件姿态估计。该文建立了较为稳健的空间目标ISAR几何结构分析流程,采用Radon变换对太阳能翼、平板天线等线性结构进行提取和关联,继而估计典型线性结构在距离-多普勒成像平面的姿态角变化,同时利用卫星轨道信息获得ISAR距离-多普勒投影矩阵进行线性结构的3维姿态解算,最终实现典型部件姿态的优化求解估计。仿真实验验证了所提算法可有效实现空间目标典型部件的姿态估计,同时利用多站ISAR观测数据可有效提升算法的估计精度。     

2D-RAKE接收技术与第三代移动通信系统

首先对第三代移动通信系统作了简要叙述,然后在分析空时信道模型的基础上着重讨论了2D-RAKE接收技术和空时信道估计,最后介绍了2D-RAKE接收技术的研究现状及未来研究方向。     

Adaptive image matching via spatial varying gray-level correction

This paper deals with the adaptive image matching and displacement estimation problems of dissimilar sequential images. Adaptive matching may be referred to a kind of functional optimization. Based on the additive measuring model for sequential images with gray-level deviation and the finite element technique, a class of gray-level correction model and robust matching criterion function are proposed, and an adaptive hierarchical searching algorithm is studied, which can automatically evaluate the temporal and spatial gray-level deviation existed in sequential images and filter out the interference thereof to increase the probability of correct estimation of displacement. Experimental results for the estimation of displacement fields with translation and/or small angle rotation in medical digital subtraction angiography (DSA) imaging and aerial remote sensing pictures are presented     

Extensions of the SMC-PHD filters for jump Markov systems

The probability hypothesis density (PHD) filter is a promising algorithm for multitarget tracking, which can be extended for jump Markov systems (JMS). Since the existing multiple model sequential Monte Carlo PHD (MM SMC-PHD) filter is not interacting, two extensions of the SMC-PHD filters are developed in this paper. The interacting multiple-model (IMM) SMC-PHD filter approximates the model conditional PHD of target states by particles, and performs the interaction by resampling without any a priori assumption of the noise. The IMM Rao-Blackwellized particle (RBP) PHD filter uses the idea of Rao-Blackwellized to further enhance the performance of target state estimation for JMS with mixed linear/nonlinear state space models. The simulation results show that the proposed algorithms have better performances than the existing MM SMC-PHD filter in terms of state filtering and target number estimation.     

OFDM系统导频信道估计算法的性能研究

研究基于块状导频的最小平方（LS）信道估计、线性最小均方误差（LMMSE）和低秩LMMSE信道估计算法,并进行了算法仿真,得出不同信道估计算法下正交频分复用（OFDM）系统误比特率（BER）和信噪比（SNR）之间的变化关系,以及在不同导频符号间隔下的误比特率曲线图。仿真结果表明：LMMSE、低秩LMMSE和LS算法的性能依次变差,且导频符号间隔对误比特率性能影响较大。     

一种基于费歇信息增量的多传感器对多目标的分配方法

在对序贯Kalman滤波在多传感器多目标跟踪中的应用情况进行分析之后，提出了一种基于费歇信息增量的多传感器对多目标的分配方法．该方法较好地解决了传感器的组合分配问题，并能对目标的跟踪精度实施控制，仿真结果证明了该方法的有效性．     

基于信赖域的序贯拟蒙特卡洛滤波算法

针对系统状态估计、目标跟踪等是包含多源不确定性信息的非线性非高斯随机过程,提出了一种基于信赖域的序贯拟蒙特卡洛(Sequential Quasi-Monte Carlo,SQMC)滤波算法.该算法利用拟蒙特卡洛积分技术优化采样粒子在状态空间的分布特性,降低了滤波过程中的积分误差,提高了状态估计精度;同时,利用信赖域(T...     

基于HOURGLASS网络语义关键点提取的光学图像空间目标姿态估计方法

空间目标姿态估计是有效实现各类航天任务的重要前提,基于空间光学观测图像的目标姿态估计关键一环在于快速准确地建立起观测图像与空间目标之间的“二维特征点-三维实体结构”映射关系。传统的方法往往将这一任务分解为特征提取和特征关联两个步骤序贯进行,然而在空间目标光学观测场景中,高动态的光照变化和目标的相对高速运动特点会显著降低图像特征提取的可靠性,影响后续特征关联匹配的正确率并最终降低对空间目标的姿态估计精度。针对这一问题,本文提出了一种基于语义关键点提取的光学图像空间目标姿态估计方法,利用Hourglass网络端到端地提取包含语义信息的关键点,直接实现了光学图像中二维特征点与目标三维实体结构的关联映射,并在此基础上利用EPnP算法求解待估计的目标姿态值。实验结果表明,本文所提的方法能较好地兼顾算法精度与效率,其在仿真数据集上的姿态估计最小误差为0.83°,且在数据降质的情况下平均误差依然优于传统方法。