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。     

基于复数域的自适应递推子空间辨识算法

针对工业系统广泛存在的特征值分布于复数域的特性,提出一种基于复数域的自适应递推子空间辨识算法。该算法首先设计了变遗忘因子机制下Hankel矩阵的无偏更新形式;其次利用正交化子空间跟踪算法实现广义能观测矩阵的递推更新;最后,针对工业系统参数矩阵特征值普遍分布于复数域的特点,利用特征值空间的欧氏距离信息实现变遗忘因子的自适应更新。数值仿真结果表明,该自适应算法对时变参数的跟踪速度快、跟踪精度高。     

基于动态贝叶斯网络的舰艇防空作战威胁评估研究

为解决防空作战中在数据不完备及不确定条件下的威胁评估推理问题,采用动态贝叶斯网络的目标威胁评估模型.详细分析影响舰艇编队防空作战威胁评估的因素,根据军事专家的领域知识构建相应的状态转移矩阵,分析动态贝叶斯网络的推理过程,运用模糊分类技术处理输入的连续数据.根据所建立的动态贝叶斯网络模型及相应的推理算法得到目标识别、目标意图、目标毁伤能力、目标威胁程度的变化趋势.仿真结果表明该方法科学、有效,其计算结果符合客观实际.     

复域压缩感知近场声图测量方法

针对频域压缩感知近场声图测量方法性能下降的问题,基于阵列信号处理中相移与时延关系,按近场扫描位置在复域对各通道数据进行时延补偿和相关处理,建立复域感知矩阵和观测序列构建方法,提出复域感知矩阵近场声图测量模型。以数值仿真和某近场目标定位试验中测得数据为案例,将该模型与频域压缩感知模型处理结果进行对比。结果表明,相比频域压缩感知方法,通过改变观测序列和感知矩阵构建方式,最低信噪比的适应性得到近10lgM dB（M为通道数）的提升,提高了近场声图测量性能。     

基于Laplace先验和稀疏块相关性的旋转机械振动信号贝叶斯压缩重构

为通过无线传输实时监测装备状态,针对机械振动信号采样频率较高导致压缩重构困难的问题,将Laplace先验模型和振动信号周期性稀疏块相结合,提出一种改进的贝叶斯压缩感知算法。建立基于Laplace分布的贝叶斯先验模型,相对于高斯先验具有更强的稀疏促进作用。根据机械设备转速和采样频率计算振动信号类周期,对信号进行周期性分块,并基于多稀疏块共享相同超参数的特点,采用快速相关向量机迭代估计出原始信号期望。选取两级平行轴齿轮箱作为研究对象,进行压缩重构仿真实验。结果表明,该方法在相同稀疏基下能有效改善机械振动信号的重构效果。     

互质极化阵列的DOA估计算法研究

针对极化阵列计算复杂度高、互耦效应大的难点问题,提出一种基于三正交偶极子互质阵列的极化稀疏算法,用于波达方向(DOA)估计.首先充分利用三正交偶极子三个通道的所有信息,形成一个拥有更多阵元的虚拟线阵,使得原本不相干的信号变为相干信号;然后进一步使用前后向空间平滑的方法对虚拟阵列的协方差矩阵进行解相干.该算法可以扩展阵列...     

基于滑动窗迭代最大后验估计的多源组合导航因子图融合算法

在应用因子图算法完成多源组合导航数据融合的过程中,子系统观测噪声的时变特性将对导航状态估计的准确性产生极大影响。为解决这一问题,提出一种基于高斯模型下的子系统观测量均值向量和协方差矩阵的估计算法。该算法利用因子图最优化过程中每个迭代周期下的观测量残差,实时地更新各个子系统观测量的均值向量和协方差矩阵的最大后验估计值,从而得到更加准确的导航状态估计值,在提出新算法的同时也验证了新算法对最优化过程收敛性的影响。仿真测试与实验测试结果表明,与已有的标准因子图算法、基于最大似然估计的因子图算法和基于最大后验估计的因子图算法相比,所提出的基于迭代最大后验估计的因子图算法能够有效提高子系统观测状态变化时的多源组合导航估计精度。     

基于维度特性的二维到达角及极化参量联合估计算法

针对利用极化敏感阵列进行多维参数联合估计运算复杂度大的问题,提出一种基于噪声子空间维度特性的极化敏感阵列DOA及极化参数联合估计算法。算法利用阵列接收数据协方差矩阵噪声子空间的维度特性构造谱函数,有效降低了极化敏感阵列信号参数联合估计的计算复杂度,同时保证了算法的估计性能。对算法与现有基于长矢量的MUSIC算法的运算复杂度进行了理论分析对比。最后,仿真对比实验验证了算法的有效性。     

基于双平行互质阵列的二维非网格DOA估计

近年来,基于稀疏表示的DOA估计方法已经被广泛提出,这些方法都需预设离散的网格点,而实际信号来波方向在空间域内具有随机性,任何来波方向都是等概率出现,很有可能信号的来波方向不在网格上,因而会存在网格误差,使DOA估计结果产生较大偏差。为提高DOA估计精度,本文提出了非网格的DOA估计模型。同时,为提高测向自由度,本文应用由两个均匀线阵组成的互质阵列,并且将两个均匀线阵平行放置在同一平面。通过将两均匀线阵的互协方差矩阵向量化成互协方差矢量,可得到一维虚拟扩展的接收数据矢量,并且在稀疏表示框架下应用相应的稀疏恢复算法恢复出跟DOA参数相关的向量,从该向量中得到唯一的并且自动配对的二维DOA估计参数。仿真实验结果验证了本文算法较传统算法具有更好的DOA估计性能。     

基于矩阵对数累积量的极化合成孔径雷达数据去噪方法

噪声抑制是极化合成孔径雷达（PolSAR)数据处理中的重要步骤,首次将矩阵的对数累积量应用于PolSAR去噪当中,由数据点的子视数据集计算滤波系数并结合非局部方法的思想实现了PolSAR的斑点噪声抑制。所用方法基于非局部策略选取同质区域,然后利用相干矩阵对数累积量计算得到的滤波系数进行加权滤波。该方法的优点在于同质区域选取和滤波系数的计算均是针对相干矩阵进行的,相对于仅使用主对角线上的元素或SPAN图像,其对极化数据的处理更具合理性。与其他PolSAR去噪算法的对比实验结果表明,该方法在有效平滑同质区域的同时,能够更好地保留地物结构、细节以及纹理信息,并能更好地保持数据的极化相关性。     

互耦效应下一种基于实值稀疏表示的波达方向估计算法

针对未知互耦条件下的波达方向（DOA）估计问题,提出了一种未知互耦条件下基于实值稀疏表示的加权子空间DOA估计算法。新算法利用一个特定的酉变换矩阵,将一个复杂的复值优化问题转化为一个实值优化问题,从而有效地将原问题的计算复杂度减少4倍以上。此外,为了进一步提高稀疏表示的估计算法估计精度,在原有l1 范数优化模型基础上引入一个能使得DOA估计方差取得最小值的最优子空间加权矩阵。仿真实验表明,在低信噪比情况下,新算法能进一步提高稀疏表示的估计算法抗噪能力,获得更好的估计精度。     

密集杂波下的模糊数据关联多目标跟踪算法

针对密集杂波环境下对多目标跟踪的精度低、实时性不强的问题,提出了密集杂波下模糊聚类数据关联多目标跟踪算法。该算法利用模糊聚类,得到不同观测量相对目标的隶属度作为模糊关联概率,通过分析公共观测对目标的影响,引入远近距下的公共观测影响因子重建模糊关联概率矩阵;然后结合模糊关联概率与卡尔曼滤波,对不同观测量得到的状态估计加权融合,从而对每个目标进行单独跟踪,实现目标的状态更新。仿真结果表明,杂波密集环境下该算法在能够保证多目标跟踪实时性的同时引入远近距下公共影响因子对不同观测量的状态估计进行加权,保证了目标跟踪的精确性。     

基于混合范数的来波方位估计

针对传统MUSIC算法以及CS-MUSIC算法在相干和非相干信源的条件下DOA估计效果不理想问题,提出基于混合范数的来波方位估计方法。该方法利用MUSIC和压缩感知稀疏恢复的特性得到信号的支持域,然后由信号的支持域得到噪声子空间和信号子空间,把得到的信号子空间和噪声子空间与经典MUSIC算法相结合,得到高分辨率的来波方位估计方法。仿真结果表明,在非相干信源的条件下,该算法性能优于MUSIC和CS-MUSIC算法;同时,该算法相关信源的角度分辨率也优于CS-MUSIC算法。     

基于Matlab的离散模型参数识别

基于Matlab的离散模型参数识别利用最小二乘法为基础的递推(RLS)算法,通过Matlab矩阵运算和图形功能及工具箱函数构建动态系统.用Matlab编写算法程序,Simulink动态仿真.采用JK触发器产生输入信号M序列,假定特征方程式得到循环周期序列.用η方程构造模型图,仿真确定噪声方差.由sim() 函数得到输出端的数据,参数估计递推算法进行参数识别.     

基于块稀疏贝叶斯学习的跳频通信梳状干扰抑制

梳状干扰是对跳频(FHSS)通信的一种有效干扰样式,抑制梳状干扰对于确保FHSS通信的有效性至关重要。现有基于奈奎斯特采样定理的梳状干扰抑制方法存在应用中受限于采样率较高的问题。将压缩感知(CS)应用于FHSS通信梳状干扰的抑制,利用FHSS信号与梳状干扰的不同压缩域特性以及梳状干扰在频域表现出的块稀疏特性,建立了基于块稀疏贝叶斯学习(BSBL）框架的FHSS通信梳状干扰抑制模型。利用期望最大化(EM)算法,设计了基于BSBL_EM的FHSS通信梳状干扰抑制算法。该算法利用BSBL_EM算法从压缩采样数据中重构出梳状干扰,进而在时域对消干扰。仿真结果表明：所提方法能够有效地抑制FHSS通信中的梳状干扰,与传统方法相比具有显著优势,干扰抑制效果受干扰强度、干扰梳齿带宽和压缩率变化的影响;相同干扰强度条件下,梳齿带宽越窄,压缩率越大,干扰抑制效果越好。     

基于极化波束形成的相控阵雷达导引头抗干扰技术研究

压制式干扰往往会使相控阵雷达系统失去其基本探测功能。针对此问题,利用正交极化失配的原理,将干扰信号源在接收端进行极化隔离,由此提高极化相控阵雷达的抗干扰性能。提出极化域-空域联合波束形成技术,推导了旁瓣极化与零陷约束联合优化的最优极化波束形成的优化问题,将优化问题转换为SOCP(二阶锥规划)问题进行求解,最终得到具有旁瓣零陷和极化约束的极化波束。仿真结果验证了算法的有效性。     

一种小波域图像贝叶斯去噪方法

提出了一种使用隐马尔可夫树和混合高斯模型的小波域图像贝叶斯去噪方法。该方法对含噪图像进行小波变换,用隐马尔可夫树和混合高斯模型建立小波系数的先验模型,从而获取原图像的先验信息,然后利用模型参数和含噪图像小波系数估计原图像小波系数,通过小波逆变换得到去噪图像。仿真结果表明,该方法能有效克服阈值去噪算法的缺点,提高小波域图像去噪算法的性能。     

基于平行因子分析的欠定混合矩阵估计算法

针对现有算法在解决非稀疏信号的欠定混合矩阵估计中,存在的计算时间长、初值敏感且容易陷入局部收敛的问题,提出了基于平行因子分析的欠定混合矩阵估计算法。该算法利用信号的协方差矩阵构造三阶张量,采用直接三线性分解确定交替最小二乘(ALS)算法的初始迭代矩阵,然后在迭代过程中采用标准线搜索加速收敛,最终实现张量分解得到混合矩阵。仿真实验表明,该方法不要求信源的稀疏性,较ALS算法估计精度可以提高约3 dB,迭代次数减少约41.4%～84.3%,是一种有效的欠定混合矩阵估计算法。     

极化信号波达方向估计算法

对于电磁矢量传感器,基于长矢量模型的波达方向(DOA)估计,通常需要高维搜索来获得信号的DOA估计,其搜索过程格外复杂,不适合在实际场合应用。在此提出了一种基于四元数模型的极化信号DOA估计算法。建立了电磁矢量传感器的四元数输出模型,而后利用四元数模型将极化信息从阵列方向矩阵中剥离出去,将高维参数搜索问题简化为低维参数搜索问题,大大地减少计算量。计算机仿真验证了本算法的有效性。     

一种基于酉变换的测向算法

提出了一种测向算法,该算法对复采样协方差矩阵Toeptitz化后利用酉变换将其与复搜索矢量分别转换为实对称矩阵与实矢量,因而协方差矩阵特征分解和搜索函数的计算可在实数域进行.仿真结果表明此算法是有效的.