时空DOA矩阵方法的分析与推广

本文在对时空DOA矩阵方法进行详细分析的基础上,提出了该方法的几种改进与推广形式.理论分析和仿真结果表明,时空DOA矩阵方法作为一种新的基于信号时空特征结构的高分辨率二维DOA估计方法,可以通过空时二维处理在时空域中衍生出大量虚拟阵元,因此对阵列结构的约束较松,能够根据需要灵活地派生出多种形式的阵列和相应的估计方法,并具有较强的抗噪能力和实用性.     

空时虚拟DOA估计

智能天线是当前通信领域的热门技术之一。提出了一种基于智能天线的有效的超分辨二维DOA估计算法。该算法同时在空域和时域进行变换,产生大量虚拟阵元,使得阵列在空间的阵元数大量增加,实现了对二维DOA的有效估计。仿真结果验证了此结论。     

基于累积量的极化敏感阵列信号DOA和 极化参数的同时估计

本文研究极化敏感阵列非高斯窄带信号二维波达方向(DOA)和极化参数的同时估计问题.所考虑的极化敏感阵列包含一个特定子阵,该子阵由空间稀疏伸展三极子天线和两个导引阵元组成.分析了3维极化-角度域相干结构的平凡模糊问题,对利用并行累积量ESPRIT分别恢复出的信号3维极化-角度域相干结构和空域相干结构信息进行联合完成了非线性极化信号二维DOA和极化参数的同时估计.给出了一种相位缠绕解决方案并讨论了空间伸展三极子天线的可选择结构.     

基于时空处理的频率与二维DOA联合估计算法

提出了一种适用于任意阵列的频率与二维DOA联合估计算法.该算法同时利用空域采样与时域采样构造二维时空矩阵,基于2D-ESPRIT方法进行二维参数估计,仅需3个校准阵元就可通过M个阵元估计出M个独立信源的载波频率、方向角和仰角,无需二维谱峰搜索,计算量较小.仿真实验验证了算法的有效性.     

基于L型和差嵌套阵的二维波达方向估计

针对传统L型均匀阵列二维波达方向（Direction of Arrival,DOA）估计中可估计信源数目受限于阵元数、分辨率低等问题,提出了一种新的L型和差嵌套阵列结构。该L型阵列的两个子阵布置相同,是非均匀的稀疏阵,通过阵元位置之间的差分、求和操作达到虚拟扩展阵元数目的效果,从而提升阵列的自由度。采用该阵列进行二维DOA估计时,两个子阵分别先进行一维的DOA估计,再采用PSCM（Pair-matching Signal Covariance Matrices）算法进行一维角度配对。每个子阵进行一维波达方向估计时,先采用VCAM（Vectorized Conjugate Augmented MUSIC）算法生成非均匀稀疏阵的求和求差协方差矩阵,再采用矩阵重构的方法恢复协方差矩阵的秩,最后对协方差矩阵采用MUSIC（Multiple Signal Classification）算法进行DOA估计。实验仿真表明,本阵列有着更高的自由度和估计精度。      

智能天线中时空虚拟DOA矩阵算法与改进

本文主要研究智能天线中二维DOA估计算法.首先研究时空DOA矩阵估计方法,并进行了仿真.然后结合虚拟阵列变换技术对该算法进行有效的改进一时空虚拟DOA矩阵方法.改进后得到的仿真结果证明了该改进算法可以估计超过阵元数的信号,具有较高的分辨性能和较好的稳健性.     

宽带谱相关时空DOA矩阵方法

本文提出了一种新的基于信号时空特征结构的二维DOA估计方法－－宽带谱相关时空DOA矩阵方法。该方法利用信号的循环平稳特性实现了对宽带信号的有效处理,同时通过空时变换将传统的一维空域处理拓展到了二维空间处理,更充分地利用了信号的时域特征,从而大大简化了阵列结构,提高了算法的性能。理论分析与仿真结果表明,该方法既继承了循环平稳方法在谱估计方面的优势,又具有原DOA矩阵方法无需二维谱峰搜索和参数配对的特点。     

宽带频谱稀疏信号的空时互质采样及参数估计

针对宽频段多窄带信号的联合参数估计问题,该文提出一种基于空时互质采样的频率和DOA联合估计方法。该方法基于互质采样理论,在空间上采用互质阵列模型,并对阵列中每个阵元进行时域互质采样,通过构造空时协方差矩阵产生出空时二维差分有限阵列来完成空频联合估计。此方法可以极大地提高空时域的可探测目标数。另外,该文推导了空时互质参数的最优选取准则。仿真结果验证了此方法的正确性和有效性。      

基于高阶累积量虚拟阵列扩展的DOA估计

该文提出了一种基于高阶累积量虚拟阵列扩展的DOA估计新方法.该方法基于高阶累积量孔径扩展的性质,由实际阵元的坐标与方向矢量直接计算出虚拟阵元的坐标与方向矢量,利用两种阵元的坐标之间的关系构造四阶或六阶协方差矩阵,运用MUSIC方法对非高斯独立信号源进行DOA估计.该方法在任意阵列的情况下,对非高斯独立信号源进行一维与二维DOA估计,均能准确地估计出多于实际阵元数目的方向角与仰角.实验表明,该方法简单、有效地扩展了阵列孔径,提高了阵列的空间分辨能力,有效地抑制了高斯噪声的干扰,降低了高阶累积量协方差矩阵的计算量.     

一种新的二维MUSIC算法的研究

提出了一种新的基于垂直阵列结构的二维MUSIC方法来估计信号的DOA(direction of arrive)，此方法只需三个均匀直线阵就可估计用户的二维DOA。该方法利用其中的一个直线阵来组合两个线阵分别估计的一维DOA，大大改善了DOA的估计性能。仿真结果证明了该方法的有效性。     

一种基于双通道CMOS相机的低照度动态场景HDR融合方法

高动态范围成像技术能够全面有效反映场景信息,有利于在高动态范围场景下获得高质量的成像。但当前常用的基于单台相机的多次曝光融合方法在动态场景下易出现“鬼影”问题,基于多个传感器同时曝光的系统复杂且价格昂贵,基于单幅低动态范围图像的拓展方法易丢失欠曝光或过曝光区域的细节信息,且多用于较好的照明条件。针对低照度动态场景成像,研究了一种基于双通道低照度CMOS相机的高动态范围图像融合方法,对双通道CMOS相机采集低照度动态场景两幅不同曝光图像,依据累计直方图拓展原则分别进行动态范围拓展,并采用像素级融合方法对动态范围拓展的序列图像进行融合。实验表明,动态范围拓展融合方法可满足低照度动态场景下获取高动态范围图像的应用要求,获得更佳的成像质量。     

一类多速率传感器动态系统的建模与估计

研究了一类时变线性动态系统的多速率多传感器数据融合状态估计问题.首先,在不同传感器以不同采样率对同一目标进行观测的情况下,提出了一种多速率建模方法,该方法可将多采样率的融合估计问题转化为同采样率的状态估计问题.随后,利用Kalman滤波对目标状态进行了在线估计,并利用有反馈分布式融合结构对上述估计进行了有机融合,从而获得了目标状态的最优融合估计值.该方法不需要对状态或观测进行扩维,计算量适当,保证了算法的实时性.以景象匹配辅助GPS/INS组合导航为例,在两种采样关系下,分别做了仿真,仿真结果验证了算法的有效性.     

基于容积卡尔曼滤波的异质多传感器融合算法

针对机动目标跟踪系统建模中的非线性问题,提出一种基于容积卡尔曼滤波(CKF)的雷达与红外传感器融合算法。考虑到被估计系统对目标跟踪算法实时性与精度的要求,在容积滤波框架下构建了集中式量测融合(CMF)和分布式状态融合(DSF)两种结构形式。CMF结构采用最优加权方法,首先对雷达和红外两种异类传感器的方位角度量测信息进行融合,并将其与融合后的雷达径向距量测构建新的量测数据,进而通过CKF算法对机动目标进行跟踪。DSF结构则首先对雷达量测中径向距信息进行加权融合,并将融合结果作为红外传感器的虚拟径向距量测,以实现红外量测的扩维处理,进而对每组量测数据应用CKF进行分布式并行加权融合,获得目标运动状态的最终估计。仿真场景中,对两种融合方法的性能进行比较,理论分析与仿真实验验证了算法的可行性与有效性。     

多变量自回归信号信息融合辨识方法

近年来,为了提高系统模型和状态估计的精度,多传感器数据融合引起了广泛关注。对于带白色公共干扰噪声和有色观测噪声的多传感器多变量自回归（AR）模型,当AR模型参数和噪声方差未知时,提出了一种信息融合多段辨识方法,其中采用多维递推辅助变量（MRIV）方法得到AR模型参数的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性,通过一个信号仿真例子验证了其有效性。     

基于当前模型自适应改进的航迹跟踪算法

在航迹跟踪过程中,目标发生转弯、变加速等强机动行为,会导致传统"当前"统计模型的跟踪精度变差,通过提取残差新息序列和测量方差序列中的信息,分别在"当前"统计模型中添加机动频率、最大加速度自适应修正因子,以及在卡尔曼滤波框架中增加协方差自适应因子,改善了该算法对强机动目标跟踪的适应能力。通过改进,该算法即保持了对一般机动目标良好的跟踪特性,又提高了对强机动目标的跟踪性能。通过使用蒙特卡洛模拟仿真验证了改进算法的有效性。     

异步多基地雷达分布式批估计方法研究

在实际应用中,由于初始偏差、采样速率不同等原因,系统量测一般也非同步。多基地雷达数据通常面临异步数据融合问题。为了解决该问题,该文按照批处理的思路,联合一段时间内的多个异步数据对同一目标状态进行估计,并基于最优贝叶斯估计原理,提出了一种新的批估计数据融合准则;然后,依据该准则推导出了一种解析的分布式批估计方法;最后,针对非线性非高斯场景,提出了一套完备的粒子滤波实现方案。仿真结果表明,文中提出的方法相比现有方法具有跟踪精度高,计算量小等优点。     

一种双模导引头目标检测的模糊数据融合算法

本文利用模糊集合来描述传感器的检测率和虚警率,提出了一种双传感器目标检测的模糊数据融合算法,并将其应用于双模复合导引头的目标检测,仿真结果表明算法合理。     

基于强跟踪滤波器的多传感器非线性动态系统状态与参数联合估计

本文将强跟踪滤波理论与多传感器数据融合技术相结合,提出基于强跟踪滤波器的多传感器状态与参数联合估计新算法;对拥有相同采样率的分布式多传感器单模型非线性动态系统,应用强跟踪滤波器,得到目标状态基于全局信息融合估计结果,并利用计算机仿真结果对算法的有效性进行了验证;这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题,从而丰富和发展了多源信息融合理论.     

一种提高目标参数估计精度的雷达、红外数据融合方法

介绍了一种雷达、红外数据融合的方法,并利用融合输出的数据进行目标状态估计,从而获得较高的目标参数估计精度.     

基于数据驱动的信息融合及其在车辆声辨识中的应用

传统多源信息融合方法大都依赖于事先建立的理论机理模型,一般会引入一定的简化操作。然而实际中的应用往往会较为复杂,建立的理论模型一般存在一定的偏差。在某些情况下,满足性能要求的理论模型甚至无法给出。针对这样的缺陷,该文根据数据驱动的思想,提出了两种基于数据驱动的信息融合实现方法。通过联合利用基于数据的特征集与基于模型的特征集,有效弥补了模型中缺失的信息,从而提高信息融合的性能。将其运用在一个基于声音信息融合的地面车辆辨识实例中,获得了良好的识别性能,展现出将数据驱动处理思路引入信息融合的可行性和优点。