高分辨方位估计克拉美-罗界的改进算法

高分辨方位估计是阵列信号处理研究的热点,方位估计的性能用克拉美-罗界(Cramer-Rao Bound,简称CRB)来衡量,CRB是参数估计的最小方差极限.Petre Stoica和Arye Nethorai证明了方位估计的克拉美-罗界公式.但是此公式是在一定的条件下推导出来的,不适合本文研究的方位估计模型.在此基础上,本文对它进行了进一步的修改和理论推导,得到适合本文模型的方位估计克拉美-罗界公式.仿真结果表明,新的方位估计克拉美-罗界能够取得和传统的CRB一致的效果,是方位参数的无偏估计器的方差理论下界,可以作为高分辨方位估计方法估计性能的衡量标准.     

基于数据辅助的CPM信号捕获与频偏估计算法

针对连续相位调制（Continuous phase modulation,CPM）信号同步问题,提出了一种基于给定导频符号的信号捕获和频偏估计算法。首先对由扩频码字组成的导频信号进行复数匹配滤波,将输出值取模,通过搜索峰值实现信号捕获。然后根据相关值对应的辅角利用最小二乘法实现频偏和初相估计,并分析推导了该算法在较低信噪比条件下的频偏估计范围和估计精度。仿真实验结果表明,频偏估计范围可达±0.25倍的符号速率,与传统伪码相关估计频偏算法相比,该算法估计精度高,在SNR为3.3 dB时频偏估计精度接近克拉美罗下界。     

参数估计值的微型机自适应检验

本文给出了对一个线性动态系统的任何两个参数向量估计值进行微型机自适应检验,作出优劣判断的方法。对于未知参数向量的两个估计值,最初无法判断哪一个估计值比较接近真值,而只能认为未知参数向量等于这两个估计值的概率是相等的。但是随着观测数据的获得,在相同的观测数据的条件下,未知参数等于两个估计值之一的条件概率将不相等。随着观测数据的增加,未知参数等于比较接近真值的那个估计值的条件概率将越来越明显地大于另一个条件概率。这就是本文方法的要点。利用这种方法可以进行最优参数估计值的搜索,形成一个在线参数估计算法。这种算法计算量不大,不仅所得结果的准确性和方法的强壮性很突出,而且还可以把噪声的均值和方差也作为未知参数来估计。它的另一个优点是进行在线参数估计时同时获得的状态估计值可以直接用于最优控制算法。     

基于条件后验克拉美–罗下界的目标跟踪传感器管理

对传感器网络下的目标跟踪问题,基于条件后验克拉美-罗下界(CPCRLB)提出一种传感器网络节点管理方法.传感器节点的观测数据是目标信号强度(RSS),基于RSS量测推导了目标状态估计均方误差的CPCRLB.以CPCRLB作为传感器管理的准则,选择激活一组最优传感器节点参与目标跟踪.利用粒子滤波器逼近目标状态,并估计CPCRLB,实现传感器节点在线选择.对基于CPCRLB、无条件后验克拉美-罗下界(PCRLB)和互信息理论的传感器选择方法进行对比仿真,结果表明CPCRLB传感器管理的有效性和优越性.     

通道参数对MIMO雷达估计性能的影响效果分析

为在目标参数估计中正确处理MIMO雷达收发通道网的未知系数,提出并建立了3种通道参数模型,分别推导了各模型下的目标估计和克拉美罗界(Cramer-Rao lower bound,CRLB),比较了各模型下的参数估计性能,研究了通道参数的不同处理方法对MIMO雷达估计性能的影响效果。理论分析表明,在目标估计时如果将通道系数作为未知参量与目标参数联合估计,可比将其作为随机参量求期望获得更高的参数估计精度,而且随着信噪比的降低两者的参数估计性能差异会随之扩大。仿真实验也验证了上述结论的正确性。     

工业数据挖掘中应用最小二乘法的缺陷

工业数据建模常常使用最小二乘法进行参数估计,在数据满足一定条件的前提下,可得到被估计参数的无偏估计值。但是工业数据一般含有测量误差,当基于误差数据作为自变量进行最小二乘回归时,得到的参数估计值往往是有偏的,其结果不能正确反映数据变量之间的结构关系。因此,对二元变量模型进行了深入分析,通过对测量误差进行合理假设,建立了在统计意义下被估计参数真值与测量误差和参数有偏估计值之间的解析关系式,为进一步参数校正奠定了理论基础。仿真实例表明了该方法的有效性。     

改进的粒子滤波单通道盲分离算法

针对粒子滤波在通信混合信号单通道盲分离中存在固定参数联合估计精度低,收敛速度慢等问题,提出了一种改进的盲分离算法。通过对传统的随机游走模型加以修改,并将参数粒子的后验概率密度分布近似为Beta分布,提高了参数估计的收敛速度和精度,改善了分离性能;为了衡量算法的参数估计性能,推导了符号已知条件下的参数联合估计克拉美罗界。实验仿真结果表明,算法具有更好的参数估计性能和分离性能。     

基于延迟时间测量的移动源运动参数估计方法

延迟时间测量是移动源定位中常采用的一种方法,采用移动源的延迟时间测量,建立了移动源运动参数包括初始位置和运动速度的联合估计优化模型,通过对优化模型的等效变换与松弛,建立了运动参数估计的凸优化模型,并设计了参数估计的半正定规划(SDP)实现算法。为减少估计误差,采用更为严格的约束限制条件,设计了混合的二阶锥规划与半正定规划(SOCSDP)凸优化算法。仿真分析结果表明,由于引入了更多的约束条件,SOCSDP比SDP算法的估计误差更小,尤其在较小时间测量噪声条件下?SOCSDP比SDP算法的估计误差更接近于克拉美罗(CRLB)下界值,由于采用了更多的约束条件限制?SOCSDP算法的计算复杂度比SDP算法更高。     

随机时变参数的随机逼近辨识及收敛性分析

本文讨论MIMO离散系统的随机时变参数基于随机逼近法的辨识问题。文中研究了参数估计和输出误差的收敛性并给出了初步的持续激励条件。在该条件下,证明了估计参数值和估计值与随机时变参数的统计均方差分别收敛于该随机时变参数的期望值和方差值。仿真结果表明了参数估计具有较好的收敛性与一致性。     

一种数据辅助频偏估计算法

针对以往频偏估计不能兼顾估计范围和估计精度的问题,在分析和比较已有算法的基础上,提出一种基于自相关函数的频偏估计算法。将接收到的信号与辅助数据的共轭进行相关计算,然后对得到信号的自相关函数进行邻位符号相除来展开相位,得到相位差分序列,利用该序列对频偏进行估计,再对频偏结果进行加权平均,理论估计范围可达到符号速率的50%。仿真结果表明,该算法在信噪比SNR≥-5 dB的条件下,能够实现估计方差接近克拉美罗界,解决了估计范围和估计精度相矛盾的问题。     

全相位FFT测相方差及其Cramer- Rao下限

为揭示全相位FFT(All-phase FFT,apFFT)相位测量法相比于现有方法精度提高的内在原因,在前人基础上,结合谱泄漏分布特征及其参数估计理论,推导出了适用于apFFT测相的两未知参数估计模型的克拉罗下限(Cramer-Rao lower bound,CRLB),以及apFFT测相误差与频偏分布的关系.指出该理论下限比传统三参数的CRLB低12 dB,基于此总结出一系列在不同信噪比和不同频偏情况下的apFFT测相性能结论.仿真结果表明:在不同的信噪比环境和不同的频偏情况下,apFFT的测相方差都能被CRLB2所界定,验证了上述结论及其新的CRLB正确性.     

利用外辐射源的TDOA和FDOA目标定位算法

针对单站外辐射源条件下的目标定位问题,提出了一种基于最大似然的时差-频差联合定位算法。首先根据时差和频差的观测方程,构建目标位置和速度的最大似然估计模型。然后采用牛顿迭代算法对最大似然估计模型求解,得到目标位置和速度估计。最后,推导了算法的克拉美罗界和理论误差,并证明了二者相等。仿真结果表明,算法定位精度高于两步加权最小二乘算法和约束总体最小二乘算法,在测量误差较高时仍能达到克拉美罗界。通过对系统几何精度因子图的分析,确定目标及外辐射源数量和位置也是影响定位精度的重要因素。     

SIMO信道中信噪比估计算法分析与仿真

针对单输入多输出(SIMO)信道信噪比估计问题,在建立同一信号模型的基础上,研究期望最大化估计、二阶矩四阶矩估计、四阶联合估计和六阶矩估计等4种算法。从天线数、调制方式及噪声功率等方面进行仿真,将结果与Cramer-Rao下界进行对比。结合仿真结果分析各种算法的实现复杂度。     

时变信道和相位噪声联合OFDM信道估计

在正交频分复用系统中,信道的时变特点导致严重的子载波间干扰,同时,由振荡器产生的相位噪声会带来公共相位错误和子载波间干扰,这都使OFDM系统的性能急剧恶化。基于分数倍基扩展模型,利用重叠导频和最小均方准则,对时变信道和相位噪声联合估计。仿真结果表明,所提出的算法可以提高信道估计质量。     

分布式MIMO-OFDM信号多频偏多信道联合盲估计

针对多径衰落信道下分布式多输入多输出正交频分复用(MIMO-OFDM)系统中频偏信道联合盲估计难的问题,提出了一种有效的多频偏多信道联合盲估计方法。该算法利用盲解卷积分离算法接收信号的同时得到有频偏影响的多个信道,对分离后的多个信号进行逐个频偏估计,补偿整体信道并去除信道模糊度,得到有效的信道估计值。仿真结果表明,与基于导频的频偏信道估计方法相比,所提算法可在5 dB获得1e-6的频偏估计精度,在15 dB左右获得1e-2的信道估计精度,实现了分布式MIMO-OFDM信号的多频偏多信道联合盲估计。     

一种无线传感器网络缺失数值估计算法

无线传感器网络（WSNs）工作环境复杂,不可避免会出现感知数值缺失问题。提出一种基于BP神经网络模型的缺失数值估计算法,利用同节点多参数间相关性特点,以强相关参数集为输入进行缺失数值输出估计。为了提高数值估计准确性和稳定性,提出将上述算法与线性回归算法结合,对二种缺失数值估计量进行加权平均,针对变化规律复杂的缺失数值进行有效的估计。基于实际采样数值进行仿真分析,结果表明：算法能够有效地完成缺失数值估计,同时对WSNs拓扑结构和节点覆盖率依赖性较弱,实用性较好。     

高精度时变参数模型谱估计及应用

现有时变自回归(TVAR)模型参数谱估计容易导致谱峰漂移。针对该问题,提出一种基于组合目标函数和遗传算法的TVAR参数估计方法,并将之应用于飞行器结构响应序列的建模及谱估计。通过U-C算法获得TVAR模型参数的初始估计;依据现代谱估计理论结合连续函数极值存在的必要条件,推导模型参数的频域约束条件并构造组合目标函数;采用遗传算法对模型参数初始估计值进行优化。应用结果证明了该方法的有效性。     

观测误差协方差估计下的集合鲁棒滤波数据同化方法

在数据同化方法中,观测误差协方差矩阵是相关的,且与时间和状态有一定的依赖性.针对这种相关特性,将鲁棒滤波方法与观测误差协方差估计方法相结合,得到随状态时间变化的观测误差协方差,提出一种带有观测误差估计的鲁棒数据同化新方法,更新观测误差协方差,改善估计效果.从分析误差协方差,转移矩阵特征值放大等角度优化同化方法.利用非线...     

Cognitive frequency diverse array radar with symmetric non-uniform frequency offset

Frequency diverse array (FDA) radar with uniform inter-element frequency offset generates a beam pattern with maxima at multiple range and angle values. Multiple maxima property allows interferers located at any of the maxima to affect the target-returns. As a result the signal to interference noise ratio (SINR) and probability of detection decreases. In this paper, we propose a cognitive uniformly-spaced FDA with non-uniform but symmetric frequency offsets to achieve a single maximum beam pattern at the target position. Moreover, these non-uniform frequency offsets are calculated using well known mu-law formulae. The design sharpens or broadens the transmitted beam pattern based on the receiver feedback to achieve a better detection probability and an improved SINR as compared to the previous designs. The performance is also analyzed by considering the Cramer-Rao lower bound (CRLB) on target angle and range estimation.     

基于CEPSO-LSSVM的煤炭消费量预测模型

针对煤炭消费量的时变性、非平稳性特点,为了提高煤炭消费量预测精度,提出了一种鲶鱼粒子群算法优化最小二乘支持向量机（LSSVM）的煤炭消费量预测模型（CEPSO-LSSVM）。将LSSVM参数编码成粒子位置串,并根据煤炭消费量训练集的交叉验证误差最小作为参数优化目标,通过粒子间信息交流找到最优LSSVM参数,并引入“鲶鱼效应”,保持粒子群的多样性,克服传统粒子群算法的局部最优,根据最优参数建立煤炭消费量预测模型,并采用实际煤炭消费量数据进行仿真测试。结果表明,相对于其他预测模型,CEPSO-LSSVM可以获得更优的LSSVM参数,提高了煤炭消费量预测精度,更加适用于复杂非线性的煤炭消费量预测。