大规模MIMO-OFDM系统结构化压缩感知信道估计中导频优化方法研究

对于FDD模式的大规模MIMO-OFDM系统,本文研究了将结构化压缩感知理论用于该系统的稀疏信道估计。考虑在该系统中将每个发送天线上的导频重叠放置,即每个发送天线可以在相同的时频资源块上发送导频符号,那么此时的系统稀疏信道估计问题可以建模为结构化压缩感知重建问题。为了优化导频位置和导频符号来改进稀疏信道估计的质量,提出了一种最小化完全块间相关值的导频优化准则以及基于此准则的导频搜索算法,完全块间相关值是结构化压缩感知框架下衡量恢复矩阵子块间相关程度的量值。仿真结果表明,与其他导频相比,使用此优化方法获得的导频可以使信道估计误差明显减小,其性能增益大约为2~5 dB。另外,仿真结果还表明,在相同的导频数量前提下,使用优化导频获得的性能增益会随着发送天线数量的增加而变得更加明显。      

基于蚁群的无线传感器网络路由算法*

提出了一种智能无线传感器网络路由算法,利用蚁群的分布式特点,通过有限寿命蚂蚁的协作在源节点与目的节点之间的运动获取主路径和备选路径,然后根据节点信息实时更新路由表.仿真结果显示ACRA(蚁群路由算法)降低了能耗,延长了网络寿命.     

机动目标断裂航迹粘连

针对目标跟踪系统中由于目标机动产生的断裂航迹,提出了量测缺失下的航迹粘连算法和有量测情况下的航迹粘连算法.首先,对新起始的航迹进行平滑处理.然后,利用转弯模型对断裂航迹进行外推,针对无量测情况,采用UT对转弯角速率进行估计;针对有量测情况,采用期望极大化的策略对目标状态及转弯角速率进行迭代优化.通过蒙特卡洛仿真验证了该方法能有效提高航迹连续性,减少虚假航迹数,降低目标状态估计误差.     

基于后验信息修正的自适应交互多模型跟踪算法

针对目标运动状态变化较大甚至发生突变时,传统交互式多模型算法跟踪精度和稳定性会显著下降的问题,提出了一种在线辨识马尔可夫概率转移矩阵参数的基于后验信息修正的自适应交互多模型跟踪算法,该方法在滤波的过程中,根据不匹配模型误差压缩率的变化自适应调整先验的马尔可夫转移概率矩阵的参数,切换过程中较多地压缩不匹配模型的信息,放大匹配模型的信息,大大提高了系统的收敛速度.通过对仿真结果分析表明,论文提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,具有一定的理论价值和实用价值.     

基于小波分解和IIR滤波器的最优均衡器设计

图示均衡器实质上是一组带宽和中心频率固定且增益可控的滤波器,以补偿的方式修补传输系统的固有缺陷,降低传输系统对输入信号造成的失真程度.图示均衡器一般采用高阶滤波器,存在计算量大、时延高以及相邻频带相互干扰等问题.针对这些问题,从优化的角度出发,提出一种基于小波分解和无限脉冲响应(Infinite Impulse Res...     

基于UIMMS的多站雷达机动目标跟踪研究

针对多站雷达量测机动目标跟踪问题,提出了一种将平滑方法运用于典型的交互式多模型结构的跟踪算法。首先介绍了卡尔曼平滑器(KS),比较了不敏卡尔曼滤波(UKF)和不敏卡尔曼平滑(UKS)两种方法,引入并分析比较了IMMF和IMMS方法。同时,针对目标机动特性以及多雷达量测带来的非线性等问题,构造了多部雷达跟踪机动目标场景,进行了典型方法的比较和新方法的验证,实验结果验证了新方法的有效性。     

导弹控制系统的容错控制研究

为了提高导弹姿态控制系统的可靠性,防止由于传感器失效而引起导弹自毁,提出基于信号重构的容错控制方法．为了对姿态控制系统中的传感器进行信号重构,首先考虑弹体弹性振动的影响,分析了弹体弹性振动与姿态角之间的关系;然后分析了传感器输出信号之间的关系;最后,通过解析冗余方法,用正常工作的传感器输出信号重构出现故障的传感器的正常信号．仿真实验表明了该方法的有效性．     

基于概率假设密度滤波方法的多目标跟踪技术综述

概率假设密度 (Probability hypothesis density, PHD) 滤波方法在多目标跟踪、交通管制、图像处理以及多传感器管理等领域得到了广泛关注. 本文对基于PHD滤波方法的多目标跟踪技术的产生、发展及研究现状进行了综述, 主要包括PHD滤波器、PHD执行方法、峰值提取及航迹提取技术、多传感器多目标跟踪及多传感器管理、 PHD平滑器以及多目标跟踪性能评价指标等, 并对PHD滤波器的相关应用进行介绍. 最后, 基于现有PHD滤波进展, 提出了PHD滤波技术在多目标跟踪领域需要重点关注的若干问题.     

基于多个颜色分布模型的Camshift跟踪算法

视角变化往往会引起目标外观特征的变化, 传统的基于单一颜色直方图模型的 Camshift 跟踪算法往往不能适应这种变化. 为此, 本文从提高模型描述能力入手, 提出利用目标外观的先验知识, 为目标建立多个颜色模型, 在此基础上设计目标函数, 通过对目标函数的优化, 实时地为每帧跟踪从多个模型的凸组合中选取最优模型. 另外, 在对 Camshift 算法深入研究的过程中, 发现了概率图平均亮度和图像块颜色分布之间的一种定量关系, 这种关系为进一步理解多模型算法的工作机理提供了帮助. 头部跟踪的实验结果表明, 与单一固定模型以及自适应单模型算法相比, 多模型 Camshift 算法对目标外观的快速变化适应性很强, 而且计算代价不大.     

无线传感器网络的任意覆盖率节点配置

研究了任意覆盖率下的无线传感器网络分布式节点自动配置问题. 首先, 针对正六边形拓扑架构下的网络覆盖, 给出了节点密集分布条件下的覆盖率与相邻工作节点间距的解析关系, 从而得到了理想条件下部分覆盖的最优节点配置. 考虑到实际系统中有限的节点密度和节点的随机分布, 进一步提出了一种可以在此条件下实现任意覆盖率的部分覆盖协同优化算法(Optimized collaborative partial coverage, OCPC). OCPC通过节点间的动态协同唤醒最接近于理想配置的工作节点并使其他节点睡眠以节省能量. 以尽可能少的工作节点达到网络的覆盖和连通需求并降低网络的能耗, 进而达到网络的感知任务和能量消耗的有效折衷. 仿真表明, OCPC可以有效地实现任意期望覆盖率下的网络配置并保持网络连通, 同时, 与经典覆盖算法PEAS (Probing environment and adaptive sleeping)和OGDC (Optimal geographic density control)相比, 在网络的节能方面也具有明显的优越性.