一种基于最小均方误差准则的多台光电经纬仪测量融合方法

对于用多台光电经纬仪进行交会测量获取空中目标给出了一种定位方法。利用所求目标位置估计点到各个观测站定位视线的距离和最小,先求出两站定位的目标坐标,然后以每两站交会测量方差的倒数为权,将所有的交会测量结果进行融合处理,即可得目标坐标。仿真结果表明,新方法有效地提高了定位的精度及稳定性。     

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘（RLS）为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差（NLMS）准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt（LM）训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。      

一种基于最小均方误差准则的联合多小区信道估计算法

信道估计的准确程度直接影响到联合检测算法的性能。传统的信道估计算法将其他小区用户的信号均作为白噪声来处理,因此影响了信道估计的准确性。该文提出基于最小均方误差准则的联合多小区信道估计算法,由于改变了信道估计矩阵的结构,将邻小区强干扰用户也作为可以检测的用户信号来处理,降低了信道估计中噪声功率。该算法不仅适用于多小区联合检测,也可用于单小区联合检测。与传统的Steiner信道估计算法相比,新算法在存在邻小区同频干扰的情况下,能够很大程度提高信道估计的精度,进而大幅提升TD-SCDMA系统的性能。     

无源定位观测站站址误差自校正算法

无源定位中观测站的站址误差会对定位精度产生不良影响。本文提出了一种基于观测站站址误差自校正的定位算法,推导了高斯噪声模型下定位误差的克拉美罗下界（CRLB）,通过泰勒级数展开建立了关于站址误差的线性方程并得到了误差的线性最小均方误差（LMMSE）估计,改善了观测站的位置,使用Chan算法得到了定位结果,仿真验证了算法的定位精度在高斯噪声模型下能够达到CRLB。      

基于最小均方误差准则的盲多用户检测新算法

码分多址信号在无线多径衰落信道条件下的盲多用户检测具有很大的理论和实际意义。该文提出了一种直接基于最小均方误差(MMSE)准则的盲多用户检测算法。为保证算法收敛到目标用户,提出了一种基于MMSE准则的新的线性约束方法。该方法能保证检测器收敛到最优MMSE解。此外,该文还设计了一种形式简单、快速收敛的迭代算法。对比现有的最小输出能量(MOE)算法,仿真结果表明本文算法具有较好的性能。     

最小均方误差光强估计技术

开关键控直接检测光通信系统需要对信号光强进行估计，提出了利用最小均方误差估计技术，并通过仿真同最大似然估计进行了比较，可以看出最小均方误差估计器在弱湍流情况下优于最大似然估计器。     

最小均方误差自适应均衡器的软实现

均衡器在通信系统中起到改善信道的作用.针对自适应时域均衡器的设计要求,研究了一种基于最小均方误差准则自适应均衡器的软件实现方式并给出了流程图.不再利用专门的测试脉冲进行误差调整,而是在传输数据期间借助信号本身来调整增益.分析了软件实现方式的优越性,具有较高的实用价值.     

一种方向优化最小均方算法

最小均方(Least Mean Square, LMS)算法的更新方向是对最速下降方向的估计,其收敛速度也受到最速下降法的约束。为了摆脱该约束,该文在对LMS算法分析的基础上,提出一种针对LMS算法的分块方向优化方法。该方法通过分析误差信号来选择更新向量,使得算法的更新方向尽可能接近Newton方向。基于此方法,给出一种方向优化LMS(Direction Optimization LMS, DOLMS)算法,并推广到变步长DOLMS算法。理论分析与仿真结果表明,该方法与传统分块LMS算法相比,有更快的收敛速度和更小的计算复杂度。     

最小均方误差光强估计技术

开关键控直接检测光通信系统需要对信号光强进行估计,提出了利用最小均方误差估计技术,并通过 仿真同最大似然估计进行了比较,可以看出最小均方误差估计器在弱湍流情况下优于最大似然估计器。     

一种新的测向交叉定位算法

为了解决测向交叉定位系统在基线附近定位精度较低的问题,介绍了一种基于最小方差法的测向交叉新算法.该方法对于每个空间点,都以定位误差最小的算法和参数来计算目标位置.首先研究了3种测向交叉定位算法及距离解算误差,然后给出了基于最小方差的新算法流程图,最后对算法进行了仿真和性能分析.仿真结果表明,新算法明显地改善了基线附近的定位精度,提高了系统的抗干扰能力.该算法可适用于某些雷达组网系统的目标指示阶段.     

一种基于最小二乘准则的方位-多普勒频差联合无源定位新方法

提出了一种方位-多普勒频差(DOA-FDOA)联合定位新算法,该算法多次应用最小二乘准则,借助目标航迹约束条件,并利用多普勒频差信息实现了对运动目标的可靠高精度定位,避免了直接求解非线性方程组。新算法的定位误差逼近CRLB,仿真结果验证了算法的可行性和有效性。     

鲁棒总体均方最小自适应滤波:算法与分析

本文研究了在输入输出观测数据均含有噪声的情况下如何有效地进行鲁棒自适应滤波的问题.以总体均方误差(TMSE)最小为准则,基于最速下降原理,通过对总体均方误差梯度进行修正,提出了一种鲁棒的总体均方最小自适应滤波算法.通过与已有算法的对比分析表明,该算法能够有效地降低权向量的每步调整量对噪声的敏感程度.仿真实验的结果进一步表明,该算法的鲁棒抗噪性能和稳态收敛精度明显地高于其它同类方法,而且可以使用较大的学习因子,在高噪声环境下仍然保持良好的收敛性.     

红外无源定位技术研究

传统的无源定位方法大都采用多个接收机测向 ,交叉定位 ,但其测向精度低 ,难以满足实际需求。基于最小二乘法原理提出的极小化误差法 ,其定位精度大大提高 ,仿真结果表明 ,将此方法用于红外探测阵列具有良好的定位性能。     

一种基于GA的无源交叉定位数据关联算法

针对多站无源测向交叉定位的多目标辐射源数据关联问题,提出了一种基于遗传算法的无源多站多目标交叉定位数据关联算法。利用遗传算法在解决组合优化中NP问题的优势,将遗传算法引入到数据关联算法的求解过程中,对基于残差的数据关联算法进行了优化改进,给出了求解步骤。仿真结果表明,在考虑虚警和漏检的情况下,由于遗传算法充分利用了全局信息,所以基于遗传算法的数据关联算法能以较快的速度实现收敛,并且正确关联率明显提高,从而能够更有效地分辨真实目标和虚假目标。     

最小二乘法测向技术研究

最小二乘法广泛应用于工程实践中,利用最小二乘法处理测向数据,可充分利用所有的相位测量信息,得到很高的测向精度。论文推导出了最小二乘法测向基本公式,并根据公式,论述了最小二乘测向算法的硬件实现技术。文中所述的测向技术和硬件实现技术,具有算法实现简单、测向精度高等优点,具有一定的工程应用价值。     

基于广义最小均方的自适应递归滤波算法

本文提出了一种广义最小均方(GLMS)算法,分析了GLMS算法的性能,并根据GLMS算法,导出一种自适应递归滤波(ARF)算法。在推导中,ARF算法避开了超稳定定理,从而考虑自适应系统的严格正实条件和Popov不等式是不必要的。计算机模拟表明ARF算法具有很高的收敛速度。     

GSC框架下的最小均方超声波束形成算法

针对传统超声信号幅度变迹方法中主瓣宽度较宽、空间分辨率较低的问题,提出了一种基于广义旁瓣相消器框架下的最小均方超声波束形成算法。该方法基于期望信号最小方差无失真准则,构造广义旁瓣相消器,将接收到的超声信号分解为自适应与非自适应上下两个部分:上支路保留期望信号与噪声信号,且期望信号无失真响应约束得到保证;下支路阻塞期望信号,只含有噪声。将两路信号进行维纳滤波,上下支路噪声得到抵消,期望信号被无失真输出。为了使该算法在硬件上易于实现,采用最小均方算法自适应迭代求取,并给出了FPGA的详细设计过程。仿真实验表明,采用该算法加权的得到的波束与传统幅度变迹方法相比,主瓣更窄,具有抑制干扰和噪声的能力,提高了超声成像的横向分辨率与对比度分辨率。     

基于概率的单星测频无源定位算法

提出了一种基于概率的单星测频无源定位算法，利用一颗卫星在不同位置上多次测量的信号多普勒频率，对地面辐射源进行定位。在介绍了定位原理的基础上，对算法进行了仿真，通过仿真分析了参数测量精度与定位精度之间的关系。