基于状态空间实现的EDS频率与时延联合估计

针对指数衰减正弦信号(EDS)模型提出了状态空间实现的频率、衰减因子及时延联合估计方法.在此方法中,得到了一个状态过渡矩阵和观测矩阵,频率和衰减因子估计由状态过渡矩阵的特征值获得,时延由观测矩阵和估计的频率和衰减因子得到,结果具有闭式解,不需要搜索计算.由于状态空间方法具有对模型误差不敏感的优点,因而具有更好的数值稳定性.仿真实验表明在一定信噪比的情况下,该方法性能接近相应的CRLB下界.     

基于状态空间实现的EDS频率与时延联合估计

针对指数衰减正弦信号（EDS）模型提出了状态空间实现的频率、衰减因子及时延联合估计方法.在此方法中,得到了一个状态过渡矩阵和观测矩阵,频率和衰减因子估计由状态过渡矩阵的特征值获得,时延由观测矩阵和估计的频率和衰减因子得到,结果具有闭式解,不需要搜索计算.由于状态空间方法具有对模型误差不敏感的优点,因而具有更好的数值稳定性.仿真实验表明在一定信噪比的情况下,该方法性能接近相应的CRLB下界.     

基于人工蜂群算法的波达方向和多普勒频率联合估计

将人工蜂群算法应用于似然函数的优化,实现了阵列信号波达方向(DOA)和多普勒频率的联合估计。利用状态空间模型构造包含DOA和多普勒频率信息的广义可观测矩阵,并构造包含该广义可观测矩阵的似然函数,将参数估计问题转化为多维非线性函数优化问题。进而利用人工蜂群算法对似然函数的求解过程进行优化,得到DOA和多普勒频率的估计值。算法保留了最大似然估计的渐近无偏估计性能,降低了似然函数求解的计算量,且参数能够自动配对。     

相干/同向信号波达方向与多普勒频率的联合估计

针对相干/同向信号波达方向(DOA)与多普勒频率的联合估计问题,提出了一种基于特征空间的修正二维MUSIC联合估计算法。首先,建立包含DOA和多普勒频率信息的广义阵列信号模型,通过共轭重构对阵列接收信号的协方差矩阵进行修正,使其有效适用于相干/同向信号下DOA与多普勒频率的联合估计。同时,在二维MUSIC算法的基础上,提出了一种基于特征空间的DOA与多普勒频率联合估计算法,该算法充分利用了信号子空间和噪声子空间的信息,并且可以对源信号功率进行估计。对该算法加以修正后同样可以应用于相干/同向信号的DOA与多普勒频率联合估计,且可以得到比修正二维MUSIC算法更好的估计效果。最后,通过仿真试验验证了本文算法的有效性。     

基于能观测性分析的机器人EKF-SLAM算法

针对传统EKF-SLAM算法中存在状态估计不一致的问题,从系统能观测性角度分析,提出一种增加观测性约束条件的算法,利用补偿矩阵U最优化求解约束条件,得到新的线性点,并通过优化系统的雅克比矩阵重构系统能观测矩阵,使得EKF-SLAM系统与非线性SLAM系统观测方程能观矩阵的秩保持一致.结果表明,所提出算法在状态估计的精确性和协方差一致性方面明显优于传统的EKF-SLAM算法,研究工作和结论对车辆自主驾驶有一定的参考价值.     

基于分维处理的单通道阵列频率与角度联合估计

针对现有无源单通道阵列频率与角度联合估计算法的信号采样时间较长以及运算复杂度较高等问题,提出了分维处理的频率与角度联合估计算法.其信号采样数据由时域采样数据与空域采样数据构成,前者来自于对参考阵元的多次采样,后者来自各阵元.仅对时域采样数据进行处理即可得到各信源的频率估计值;然后基于空域采样数据以各频率估计值为搜索频率,估计出各频率对应的空间谱,再利用频率误差与角度误差的关系以及方向矢量与噪声子空间的正交性从各空间谱中提取出与各频率估计值对应的角度估计值.与已有算法相比,该算法采样时间较短,复杂度较低,且直接对采样信号进行处理,避免了信号失真.理论推导与仿真分析证明了该算法的有效性.     

基于矢量传感器的高分辨频率估计算法研究

基于子空间分解的ESPRIT算法常用在阵列处理中对目标进行DOA估计．如果将空间的位移变成时间的延迟，单个矢量传感器可以实现高分辨率的频率估计．将ESPRIT与矢量传感器相结合，研究了高分辨率频率估计算法，建立了矢量传感器的数据模型，推导了矢量传感器的空时阵列流形，通过对协方差矩阵进行子空间分解，求得目标信号的频率估计值．仿真计算研究了不同信噪比、采样频率和数据长度条件下该算法的性能．结果表明基于矢量传感器的算法比基于声压传感器的算法具有更高的频率估计精确度．     

一种广义离散随机线性系统的状态估计

针对目前关于广义系统状态估计的研究现状，即几乎所有的讨论都集中在奇异矩阵为方阵的情况，讨论了广义矩阵及其性质，利用矩阵的奇异值分解理论，给出了奇异矩阵为条形或带形广义离散线性系统的奇异值标准形式，基于标准形式，利用广义逆矩阵的性质，在两种情况下，将系统分解成两个子系统，通过估计子系统的状态，得到了该系统状态的最优预测和滤波递推方程。结果表明，对于广义系统，该方法有效地减少了计算量。     

改进“峰”方法的多元状态估计技术用于电站风机状态监测

针对风机状态监测问题,提出一种基于多元状态估计和相似性测度的方法。首先建立正常工况下各监测参数之间的关联模型,构造正常工况下的记忆矩阵;然后根据系统当前观测向量与记忆矩阵之间的相似性程度,对当前观测向量进行估计。通过对正常工况下的监测参数的聚类中心的提取,计算估计值与聚类中心的相似性测度值,确定风机工作状态。最后,以山西某电厂送风机为监测对象进行应用研究,结果表明该方法可以准确估计风机振动状况,尽早发现设备异常,实现风机状态的在线监测。     

大规模动态系统的分布式状态估计算法

主要研究离散时间大规模动态系统的分布式状态估计问题。首先,将系统划分为若干个子系统,基于区域内部量测信息和邻居传递的信息,各子系统利用该算法对本地状态进行估计,降低状态变量的维数、算法的计算复杂度和通信压力。该算法独立运行,并且平行运行该算法可以有效减少整体运行时间。通过减弱约束条件,利用数学归纳法证明由该算法得到的估计误差协方差和预测误差协方差矩阵正定。根据系统能观测性秩判据和不等式技巧,证明误差协方差矩阵有上界,并且上界是有界的,保证该算法在应用中的可行性。最后通过仿真研究,验证主要结论。     

误差有界下的音频驻波液位估计算法

该文提出了一种在误差有界下的音频驻波液位估计算法.首先根据音频驻波的测距原理构造关于驻波波长的非线性状态方程和线性观测方程,其中将麦克风的观测误差和扬声器的状态误差建模为有界区间噪声的形式;再根据建立的系统模型和确定的误差界限,利用基于区间置信结构的状态估计算法估计出音频驻波的波长;最后根据波长的估计值换算出液位的高度...     

利用稀疏贝叶斯理论的跳时估计方法

当跳频信号的频率不在预设的频率集中时,为了提高跳时估计的正确率,提出了一种基于稀疏贝叶斯理论的跳时估计方法。该方法首先在信号模型中设置频率偏差参数;其次利用狄利克雷过程以及稀疏贝叶斯理论,设计接收信号模型中各个参数的迭代规则,并在每次迭代中利用频率偏差参数修正频率字典矩阵;最后,算法收敛时可得到用于计算谱图的稀疏矩阵,进而可以得到跳时的估计值。仿真结果表明,该算法估计的跳时正确率高于其他方法,并且计算的谱图的真实性也高于其他方法。     

一类非线性热传导方程cauchy问题整体解的存在性

本文讨论一类非线性热传导方程的Cauchy问题，利用能量估计和衰减估计的方法，在sobolev空间框架下得到问题整体经典解的存在性。     

以欠采样速率实现盲谱感知及二维DOA估计

提出了两种以欠采样率实现盲谱感知与二维波达方向(DOA)估计的算法。这两种算法利用了MWC的周期信号所对应的傅里叶级数系数矩阵来确定未知信号频谱所在的子频带位置,然后利用二维阵列的信号模型估计得到包含二维DOA的空间相位。通过空间相位信息与子频带位置信息能重构出子带谱信息,以此能得到频率的高精度估计,最后通过空间相位分别估计得到信号的方位角与俯仰角。仿真验证了所提欠采样接收机与相应算法的有效性,以及在低信噪比环境下依然有较好的鲁棒性。     

基于非均匀时延的频率估计改进算法

为了减少算法运算量,将多级维纳滤波器引入非均匀时延频率估计中,对原有算法进行改进.改进算法通过简单的乘加运算得到噪声子空间,无需对观测数据协方差矩阵进行特征根分解,因此也更加易于硬件实现;结合一维MUSIC高分辨算法完成对信号频率的参数估计.仿真结果表明：在信噪比大于0dB时,改进算法与原有算法性能相当.     

基于加权广义逆OFDM信道估计算法

在采用独立时频块导频方案的MIMO-OFDM系统信道估计中,证明了导频数小于多项式模型参数时,使用标准的广义逆进行多项式内插无法得到信道估计的最佳值。采用基于最小方差准则构造的加权矩阵对广义逆的定义做出修正,提出了基于加权广义逆矩阵的二维多项式内插算法。仿真结果证明该算法可以适应不同的移动速度,特别是在中低移动速度下,该算法在高信噪比时的误码性能相对于一维线性内插算法可以得到约2 dB的增益。     

广义连续随机线性系统的状态估计问题

利用矩阵的奇异值分解理论，给出了广义连续随机线性系统的奇异值标准形式，基于标准形式，在两种情况下，将系统分解成两个子系统，通过估计子系统的状态，讨论了广义连续随机线性系统的状态估计问题，得到该系统状态的最优预测和滤波递推方程。     

广义系统的状态估计方法

讨论了广义离散随机线系统的状态估计问题，在基本假设条件下，得到了系统状态的最优递推估计算法，算法同时给出了系统动态噪声的估计。     

广义离散随机线性系统状态估计的一种方法

利用矩阵的奇异值分解 ,给出了广义离散随机线性系统的奇异值标准形式 ,得到了该系统状态预测和滤波估计的递推算法     

可分离式立体侦察机器人运动建模与仿真

针对陆空两栖侦察机器人侦察灵活性与姿态角估计准确性不足的问题,设计一种改进的可分离式立体侦察机器人。通过牛顿-欧拉法建立机器人姿态角解算模型,描述其横滚角、俯仰角和偏航角3种飞行姿态角。根据模型建立系统状态方程和观测方程,采用不敏卡尔曼滤波算法,进行姿态角解算,得到飞行姿态角最优估计值。对比仿真结果表明,不敏卡尔曼滤波算法比扩展卡尔曼滤波算法姿态角估计精度更高、实时性更强。实物性能测试结果表明,改进的机器人在空中飞行和地面运动性能表现良好,灵活性高。