共查询到20条相似文献,搜索用时 15 毫秒
1.
该文研究基于声传感器阵列的单快拍气流速度估计问题。首先,根据声波在亚音速和超音速气流中的传播特性,针对特定的测量装置,建立了声传感器线性阵列的输出模型。在此基础上,提出一种稀疏协方差矩阵迭代的单快拍(Sparse Covariance Matrix Iteration with a Single Snapshot, SCMISS)气流速度估计算法,与其他稀疏估计方法相比,该文提出的SCMISS算法无需正则化参数选择,计算量更低,具有更强的实时性,且只需单快拍采样数据就可对亚音速和超音速气流速度进行统一估计。最后,为了评价所提算法的估计性能,推导了气流速度估计的克拉美-罗界(Cramr-Rao Bound, CRB)表达式。仿真实验验证了该算法的有效性。 相似文献
2.
针对机载气象雷达回波数据缺失的情况下,低空风切变风速估计失准这一问题,本文提出了一种基于缺失数据稀疏迭代协方差估计(Missing Sparse Iterative Covariance?based Estimation,M?SPICE)的低空风切变风速估计方法。该方法首先构造数据缺失模型,然后根据协方差拟合准则计算估计算子,并不断迭代更新得到最终所需的估计算子,进而恢复得到缺失的风切变数据,最后将恢复得到的数据重构得到完整的风切变数据,实现对风场速度的准确估计。仿真结果表明,该方法能够有效实现缺失数据的重建并精确地估计风速。 相似文献
3.
4.
5.
6.
7.
文章研究经典MUSIC算法、求根MUSIC算法、基于解相干的双向空间平滑MUSIC算法和Toeplitz MUSIC算法的DOA估计性能.并且通过实验Matlab仿真,分析比较四种算法的性能. 相似文献
8.
针对现有无源单通道阵列DOA估计算法复杂度较高,实时性较差的问题,提出一种适用于单通道阵列的快速DOA估计算法。该算法将常规多通道阵列的空间FFT算法引入单通道阵列信号处理中,将通道切换时间带入FFT运算,构建了新的变换核函数,利用该核函数可直接对单通道阵列的采样信号进行空间FFT变换,基于此提出了适用于单通道阵列的SAA—FFT算法。理论分析与仿真实验证明了该算法的有效性。 相似文献
9.
高分辨信号DOA估计的跟踪算法 总被引:2,自引:1,他引:1
本文论述了一种基于子空间方法的高分辨DOA估计跟踪问题的解法,该方法基于对采样数据矩阵的广义奇异值分解。本文讨论了GSVD的更新修正算法,在每步计算中只需有限次的运算,即可由前一次的近似分解结果计算出新的近似分解。 相似文献
10.
11.
12.
自学习最小二乘加权数据融合算法已被广泛地应用于融合多传感器系统中的量测信息.但是,通过深入的理论分析和实验仿真发现,自学习最小二乘加权数据融合算法在进行双传感器数据融合时具有较差的融合精度,同时该算法还具有较差的抗干扰性及稳定性.基于以上研究结果,提出了一种基于全局状态估计的多传感器加权数据融合算法,采用卡尔曼滤波的状态估计特性及相关历史信息,使得状态的估计值能够充分逼近真实值,从而使得算法具有较高的融合精度及抗干扰性.最后,MonteCarlo仿真结果显示,相比于已有算法,提出的算法在融合精度及抗干扰性方面具有明显地提高. 相似文献
13.
针对触觉传感器不同触觉组单元获得的物体表面轮廓图像,设计了中心式数据融合结构,全局融合算法采用Bayes估计,有效地避免了单一触觉组单元不确定性误差的影响,提高物体表面轮廓数据测量和图像重构的精度,对触觉传感系统整体性能的提高有重要意义。 相似文献
14.
为了保证无线传感器网络中数据的完整性,针对感知数据在传输中存在数据丢失或者数据异常的问题,提出一种基于空间结构的无线传感器网络缺失值估计方法。矩阵补全方法是估计缺失值的有效方法,但目前尚未考虑到数据间的连续性而导致估计误差较大。本文结合传感器节点数据具有时空相关性的特点,通过增加正则化项的方式来约束矩阵补全的解空间对数据进行缺失值估计。仿真时采用伯克利英特尔实验室的传感器数据,通过 Matlab软件对模型进行测试并分析仿真结果。实验结果表明:该算法对连续多个数据的缺失值估计效果理想,估计误差始终保持在较低水平。 相似文献
15.
应用于缺失数据恢复的迭代自适应方法(IAA)被证实可利用20%的有效数据估计信号参数,并能高精度恢复缺失数据,优于经典GAPES方法,但当缺失数据超过80%时其数据恢复性能迅速下降。该文基于稀疏迭代协方差估计提出一种新的缺失数据谱分析方法(M-SPICE)及针对该方法的缺失数据修正时域重建方法。该方法将加权缺失数据协方差拟合代价函数转换为凸优化问题,构造循环最小化器保证缺失数据参数估计的全局收敛特性,通过对缺失数据估计算子的更新实现了时域重建方法的修正,使其在有效数据功率谱欠估计的情况下获得更高的数据重建精度。仿真实验表明无论是数据块缺失还是任意缺失,该方法均能够利用更少的有效数据进行谱分析,并重建大比例缺失数据。 相似文献
16.
17.
18.
19.