多信道自适应格型算法及在信道均衡中的应用

讨论了基于最小均方准则提出的多信道自适应格型算法,这种递归算法应用在广义多信道上,被优化成一种运算复杂度为O(pm2)的算法.在单个参考信道(m=1)的情况下,这种算法被简化成运算复杂度为O(p)的最小二乘格型算法(LSL).在只有一个滤波器抽头的情况下(p=1),这种算法被简化为运算复杂度为O(m2)卡尔曼最小二乘算法(RLS).文中提出的广义多信道最小二乘格型算法总结了LSL和RLS算法之间明确的区别及联系,并且给出了它们在自适应均衡中应用情况的仿真.     

改进的超短基线系统自适应相位差估计器

针对传统的自适应相位差估计器,由于采用最小均方（LMS）算法存在收敛速度和稳态精度之间的矛盾,对基于LMS算法的自适应估计器提出改进方法。提出将最小二乘（RLS）算法应用到自适应相位差估计器中,进一步提高自适应估计器的稳定性。数值仿真和实验数据验证结果表明,所提的LMS算法和RLS算法两种自适应相位差估计器均能提高计算精度和收敛速度,其中RLS算法自适应相位差估计器的稳态精度更高。     

纯方位运动目标的跟踪估计算法

针对纯方位运动目标分析问题，建立了带乘性噪声的状态空间模型，推导出了在线性最小方差意义下的目标状态最优递推估计算法，并通过算法的误差分析讨论了模型的各种随机干扰的统计参数及估计算法初值的选取。     

动目标精确定位自适应滤波算法研究

对于动目标的精确定位,常见的是应用数据融合技术来进行处理,文章应用自适应算法来处理目标的尤其是动目标的位置定位问题,应用基于加权最小二乘估计和卡尔曼滤波理论,建立目标运动的统计数学模型,在此基础上建立一种应用于目标位置定位的卡尔曼滤波算法,并给出了仿真曲线结果。     

雷达时差和系统误差的联合估计方法

提出一种联合估计雷达时差和系统误差的方法.该方法假设公共目标做匀速直线运动,建立了不同雷达对公共目标的探测位置差与时差和探测系统误差的关系,并以此给出了线性最小二乘法估计.针对多雷达组网的应用场景,设计了基于方差加权的估计融合算法,提高了公共目标较少情况下的联合估计性能.通过仿真验证,该联合估计算法在航迹相关算法容忍的...     

基于异方差伪线性模型的纯方位目标要素估计

针对伪线性跟踪估计器假定误差项之间不相关且方差相等,导致利用最小二乘方法得到的目标要素的估计不是最优无偏估计的问题,提出了基于异方差伪线性模型的加权目标运动要素估计方法。该方法考虑了经典的伪线性模型误差项中随时间变化的异方差部分,首先通过方位信息估计出瞬时距离与初始距离比,得到伪线性模型误差项中的异方差部分的估计,然后利用加权最小二乘方法,得到了理论上目标要素的最优无偏估计。数值仿真和实验数据验证表明,该方法优于经典纯方位伪线性化方法。     

GPS单点定位动态滤波算法研究

将卡尔曼最优估计理论应用于GPS导航定位系统，它主要针对高动态用户设计了一种基于卡尔曼最优估计理论的定位算法．采用卡尔曼滤波技术来提高动态GPS导航定位精度和动态性能；对最小二乘法和卡尔曼滤波法的定位系统进行了仿真，并对定位误差和测速误差作了比较分析。结果表明。与最小二乘法相比，动态卡尔曼滤波算法能得到较好的滤波效果．定位精度有了明显提高。     

机动目标跟踪自适应门限检测

本文详细推导了复数带约束条件的递归最小二乘算法,并巧妙地用来实现鱼雷跟踪机动目标中的自适应门限检测。     

基于线性最小二乘估计的双基地声纳定位优化算法

针对双基地声纳系统存在冗余信息的问题,基于线性最小二乘估计理论提出了一种定位优化算法,建立了T/R？R型声纳系统水下定位的数学模型。通过MATLAB软件的仿真分析,给出了影响该算法性能的各个因素,并与传统TOL算法进行了对比。仿真结果表明,采用线性最小二乘估计算法能更好地利用系统测量的冗余信息,显著提高双基地声纳基线区和侧边区的定位精度。该算法具有受基线长度和站址误差影响小等优点,是一种具有工程应用价值的双基地声纳定位算法。本文的研究可为多基地声纳定位优化问题的研究提供理论基础。     

最小方差自适应控制技术在并条机自调匀整系统中的应用

本文论述了自适应控制技术在并条机自调匀整系统中的应用问题。介绍了采用单输入单输出的广义最小二乘法来辨识系统，得到系统的CARMA模型的原理和方法。介绍了最小方差自适应调节器的设计步骤及计算机仿真的方法。     

双基地加权最小二乘估计算法定位精度研究

本文通过将双基地声呐中发射和接收站的测量数据进行融合处理,提出了基于加权最小二乘估计(WLS)的双基地声呐定位优化算法,给出了算法的原理和误差分布.通过数值仿真,研究了系统参数对算法定位精度的影响,给出了不同条件下定位误差的几何分布.并将该算法与单纯基于声波到达时间算法的定位性能进行了比较.仿真结果表明,双基地WLS算法充分利用了双基地系统的冗余信息,具有较高的定位精度.该研究为多基地声呐水下目标的探测、定位和跟踪提供了理论依据.     

基于角测量的机动目标跟踪算法

利用角测量估计目标的距离和速度实质上是一个非线性状态估计问题,这种单站被动式跟踪可能构成一个不可观测系统,将导致跟踪滤波器的不稳定和发散。本文针对反直升机雷构成的雷群进行目标定位和跟踪,利用最小角度差算法对目标的位置进行静态估计,用基于“当前”统计模型的自适应滤波算法进行数据处理,最小角度差算法的估计结果作为自适应滤波的观测值;算法简单而且有效,对目标的机动和非机动运动参数都能得到良好的估计结果。     

基于自适应滤波的惯性+多模卫星组合导航算法研究

惯性+多模卫星组合导航系统通常采用定常参数的加权最小二乘算法进行多传感器信息融合,若加权系数与实际噪声统计特性不吻合,将会对组合导航精度产生不利影响.为解决该问题,提出一种基于自适应滤波的改进信息融合算法,对惯性及卫星导航数据应用自适应Kalman滤波以估计惯性导航误差,对滤波输出进行基于加权最小二乘法的多模信息融合,并根据滤波误差方差阵的解算结果对加权系数进行实时调整以优化估计精度.仿真结果表明该算法能够在一定程度上提高组合导航系统的精度和对不同随机噪声的适应能力.     

测向和测频改进的最小二乘单站定位跟踪方法

为了利用无源单站系统实现对运动目标定位与连续跟踪,提出基于最小二乘估计算法的运动目标无源定位跟踪方法。即利用均匀的等间距线列阵作为单个观测站,对多个运动目标进行方位和多普勒频率测量,在此基础上通过多点多次测量,采用最小二乘估计算法对非线性系统求解得到目标的定位解。仿真结果表明:该方法不但能够对多个运动目标进行定位,而且能够对其进行连续稳定的跟踪。     

用最小方差最优算法实现雷达-红外数据融合

文中提出应用最小方差全局最优算法实现雷达-红外双模复合寻的制导的数据融合.文中主要介绍了最小方差全局最优算法的基本原理、参数选择原则,并通过仿真分析,证明该方法应该到雷达/红外双模导引系统后,对目标信号检测性能和抗干扰性能有明显改善.     

基于贝叶斯估计的加权最小二乘分布式融合

针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman滤波算法。该方法首先采用推广的离散卡尔曼滤波对非线性系统线性化,然后在考虑模型参数本身的先验信息条件下,采用基于贝叶斯(Bayes)估计方法对Kalman滤波算法的观测方程进行加权最小二乘融合。BEWLS融合算法减少了计算负担,提高了融合精度,便于实时应用。理论和仿真证明:BEWLS融合具有优越性。     

靶场光电经纬仪数据融合处理方法

在靶场武器试验中,为了获得完整的弹道参数,常常采用多台光电经纬仪联合观测,对目标实施跟踪定位,这样就出现了多个冗余观测,影响对目标的判决.提出一种组网布站测量中光电经纬仪数据融合处理的方法.首先对多站观测数据进行时间和空间配准,将其统一到某一基准坐标系原点和参考时间起点,然后采用最优加权融合估计或最小二乘融合估计,获得目标的精确位置.对两种数据融合处理方法进行了实际测试与仿真实验.结果表明:k台光电经纬仪对同一目标交会测量,最优加权融合估计测量精度至少提高了k倍,计算量小,可用于实时中心融合和目标引导.最小二乘融合估计方法对坐标x,y,z所作的融合估计精度较高,一般小于0.2 m,但计算量大,适合于事后精确处理.     

基于模糊逻辑的交互式多模型网络化弹药多节点目标跟踪算法

针对地面网络化弹药系统多节点目标跟踪问题,提出了基于模糊逻辑的交互式多模型（FL-IMM）多节点目标跟踪算法。在多模型交互输出阶段,利用测量误差协方差矩阵的理论值与估计值之间的差值自适应调整测量误差方差;在多节点融合阶段,建立模糊融合系统（FFS）将来自不同节点的目标状态估计数据融合,进而得到网络目标状态估计。通过一个具有3个主探测节点的网络验证了该算法的可行性。实验结果表明,该算法在传感器失效、系统测量误差未知等情况下仍能很好地跟踪机动目标;该算法在地面网络化弹药多节点目标跟踪方面具有较大的实用性。     

一种水下静止平台对目标运动参数的联合估计方法

针对方位-频率目标运动分析在水下静止小平台上的应用,提出了一种基于方位- 频率测量的目标运动参数联合估计方法。该方法以最小二乘估计算法估计结果作为卡尔曼滤波估计算法的初值,解决了迭代初值对卡尔曼滤波估计算法的估计性能影响较大的问题,从而提高了算法的收敛速度和估计精度。湖试结果表明：该算法具有较好的估计性能,可以作为解决水下静止平台对目标被动定位问题的一种有效方案。     

基于聚类与网格搜索的TDOA/DOA联合定位方法

针对当前TDOA/DOA联合定位算法的复杂度较高、受噪声影响大的问题,提出一种基于DBSCAN聚类与网格搜索的TDOA/DOA联合定位算法。首先基于三站时差定位和双站测向交叉定位原理得到所有粗定位坐标,对粗定位结果进行参数自适应的DBSCAN聚类,得到聚类性能最好的集合,并判断出噪声点。而后根据噪声点的来源规律排除错误的TOA和DOA信息源,并依据最优集合的中心和边界距离划定初始搜索范围。最后使用网格搜索法进行逐层搜索,得到目标位置的最优解。经过蒙特卡洛仿真实验表明,该定位算法可以有效融合多体制多平台无源定位的定位数据,结果输出稳定,具有较强的抗干扰能力,使定位精度较两步加权最小二乘法得到提升。