稀疏场景下SAR方位向随机丢失数据的迭代成像算法

针对合成孔径雷达(synthetic aperture radar, SAR)方位向随机丢失部分数据导致目标模糊和能量分散的问题, 提出基于稀疏优化理论的重建成像方法。该方法主要针对稀疏观测场景的SAR方位向随机缺失数据的回波信号进行成像处理, 利用SAR回波模拟算子, 避免了二维回波信号矩阵变成向量的操作, 从而减小了内存占用和计算量。所提出的基于SAR近似观测模型的迭代优化重建算法能够实现对观测目标幅度的高精度重建。和传统基于匹配滤波的SAR成像算法相比, 提出的算法能够明显地消除SAR方位向随机丢失部分数据引起的目标模糊和目标能量分散。和迭代软阈值收缩算法相比, 提出的算法重建的目标幅度误差更小。理想的点目标回波数据和真实的星载SAR稀疏观测场景的回波数据处理表明了所提算法在减少重建目标误差、提高观测目标区域的目标背景比等方面有较大的优势。     

一种高分辨率谱估计与数据外推的快速算法

利用信号频谱幅度分布的先验信息，对短时数据序列信号提出了一种实现高分辨率谱估计和数据序列外推的快速算法。该算法利用了算子矩阵的特殊结构，采用简单、快速的矩阵求逆算法，使算法的运算量和数据存储容量大幅度下降。给出了算法在高分辨率谱估计及数据序列外推中的应用实例和仿真结果，证实了该算法的优良性能。     

基于噪声圆形特性的宽带相干信号DOA估计方法

针对色噪声下基于差分去噪的宽带相干信号波达方向(direction of arrival, DOA)估计方法对相干信源数有限制的问题，提出一种基于噪声圆形特性去噪和Toeplitz矩阵重构的估计算法。首先，对接收到的信号求取协方差矩阵，利用噪声的圆形特性消除噪声。为达到对协方差矩阵进行Toeplitz矩阵重构的要求，通过协方差矩阵相乘来构造新的数据协方差矩阵。然后，通过Toeplitz矩阵重构来解相干。最后，利用旋转子空间算法准则构造聚焦矩阵，使用传播算子算法实现DOA估计。理论分析及仿真实验验证了该算法的有效性，该算法对相干信源数的奇偶没有限制，同时该算法也适用于高斯白噪声下宽带相干信号DOA估计的场景。     

基于卡尔曼滤波的CDMA/GPS数据融合算法分析

针对无线定位技术的广泛应用,提出了一种改进的GPS/CDMA数据融合算法。该算法利用卡尔曼滤波实现了CDMA蜂窝网系统和GPS定位数据融合,提出高移动目标的事实上的位精度。借助移动目标的运动矢量模型、CDMA定位误差模型、GPS定位误差模型建立了CDMA和GPS定位状态方程,给出了数据融合的数学模型和融合算法。重点研究了利用卡尔曼滤波实现定位数据的融合。算法分别对GPS定位参数和CDMA定位参数进行滤波处理,然后对滤波后的数据融合。通过仿真表明滤波后两者定位精度都有大幅度的提高,数据融合后定位精度得到进一步的提高。     

基于构型优选的5G集群无人机协同导航方法

针对现有基于测距的集群UAV协同导航方法普遍忽略了空间构型对定位定能的影响,难以获得精确的导航定位结果,提出一种基于空间构型优选的5G集群UAV协同导航方法。构建了复杂环境下基于5G信号的UAV相对测距误差模型,基于最小几何精度因子(geometric dilution of precision,GDOP)准则建立了协同导航节点寻优策略,实现了协同导航空间构型的实时优选;设计了基于5G测距网络的协同导航滤波器,对UAV导航信息进行在线估计和实时补偿,提高集群UAV的协同定位精度。仿真结果表明：该方法从机定位精度平均提升了约42.05%,为集群UAV实现在卫星不可用条件下的自主导航提供了一种有效的新方法。     

加权随机汇池网络中递归最小二乘算法研究

实际应用中信号和噪声的统计知识经常是未知的,为探究未知噪声环境中加权随机汇池网络模型的信号参数估计性能,本文研究了加权随机汇池网络中信号估计的递归最小二乘自适应递推算法,分析了该模型下算法的收敛性、均方误差、学习曲线等统计特征。在非平稳输入信号下,引入遗忘因子,探究了算法有效跟踪信号变化的能力。实验结果验证了关于算法收敛性与均方误差性能的理论分析,同时还证实了自适应过程中的超阈值随机共振现象。本文研究结果对于加权随机汇池网络的实际应用具有理论指导义。     

基于几何统计的无人机信道模型及硬件模拟

针对无人机(unmanned aerial vehicle, UAV)通信信号三维空间传播特点,提出了基于多圆柱体的非平稳几何统计模型(geometry-based stochastic channel model, GSCM),该模型通过引入天线位置变换矩阵,可支持UAV〖JP2〗和地面移动端(mobile terminal,MT)任意三维移动轨迹。在此基础上,构建了适合硬件模拟实现的离散化模型,并设计实现了模拟时变信道特性的随机簇生灭算法,以及基于线性调频叠加原理的非平稳衰落模拟方法。硬件实测结果表明,本文信道模拟器输出的衰落幅值分布、时延功率谱和多普勒功率谱等统计特性与理论结果比较吻合,有效复现了信道时变衰落、多径时延、多径功率和多普勒频率随着UAV的位置和速度变化而变化的过程。     

改进最小二乘算法在天文定位中的应用

运用数字天顶仪进行天文定位时，需采用最小二乘算法建立电荷耦合元件图像坐标系和天球切平面坐标系之间的映射关系。针对最小二乘算法只考虑了观测量中的误差，没有顾及系数矩阵中的误差和数据中可能存在的粗大误差问题，为了提高数字天顶仪进行天文定位时的解算精度，将最小二乘算法与总体最小二乘算法进行有效结合构成了混合最小二乘算法，该算法能够同时顾及坐标转换中系数矩阵和观测量中的误差。为了消除识别恒星数据中可能存在的粗大误差对天文解算的影响，对所提算法进行了稳健加权，并结合星等设置合理的权阵。数据分析的结果证明，稳健加权混合最小二乘算法在进行天文解算时具有较高的精度。     

基于XGBoost预测及弹性网误差补偿的室内定位算法

为解决室内定位系统中因环境动态变化而导致定位精度下降的问题,提出一种基于XG-Boost并融合弹性网的误差补偿算法.采用XGBoost定位模型对目标位置进行初步预测,当室内环境改变后,再采用弹性网算法构建误差补偿模型,修正XGBoost定位模型的定位误差,并与基于K近邻、支持向量机、随机森林、梯度提升决策树等定位算法做...     

基于随机有限集的SLAM算法

提出一种基于随机有限集的同步定位与地图创建算法,该算法利用随机有限集对环境地图和传感器观测信息建模,建立联合目标状态变量的随机有限集。依据Bayesian估计框架,利用概率假设密度滤波的粒子滤波实现对机器人位姿和环境地图进行同时估计。新算法避免了数据关联过程,并能更加自然有效地表达同步定位与地图创建(simultaneous localization and mapping, SLAM)问题中多特征-多观测特性及多种传感器信息。在仿真实验中,利用FastSLAM2.0算法和新算法进行对比,实验结果验证了新算法的优越性。     

基于辅助信标的无人机协同目标跟踪

针对无人机姿态角误差与观测误差影响目标定位精度问题, 构建基于辅助信标的无人机协同目标跟踪模型, 提高了对目标的定位精度。提出基于辅助信标的姿态校正方法, 利用辅助信标的精确位置实时校正无人机的姿态角, 减小姿态角误差对定位精度的影响。根据双无人机的最优观测构型, 设计双无人机协同控制律, 得到无人机观测的优化轨迹, 以提高无人机对目标的观测质量, 最后采用容积卡尔曼滤波算法得到目标的状态估计。仿真结果表明该算法能有效减小无人机姿态角误差和观测误差对目标定位的影响, 提高目标跟踪精度, 具有一定的工程应用价值。     

基于RPPP的无人机自主着舰关键技术研究

在有风浪的复杂海况下，需要自主着舰的无人机与舰船两者相对运动带有极大不确定性，为了提高无人机着舰时相对定位以及控制的精度，确保无人机着舰时的安全性与可靠性，提出一种通过差分对流层误差的相对精密单点定位技术(relative precise point position, RPPP)。该技术仅依靠数据链和载波型卫星定位接收机，消除相同环境下卫星定位相同误差，获得精确相对定位。将比例导引与LQR(linear quadratic regulator)控制器相结合，解决了无人机着舰入射角偏差较大的问题，提高了无人机着舰末段高程方向及入射角度的控制精度。对无人机着舰轨迹进行规划，建立无人机着舰的运动模型，设计无人机着舰横向和纵向的控制律，搭建无人机自主着舰的仿真平台。仿真结果表明，采用上述算法着舰误差控制在0.2 m以下，入射角偏差在10^-3量级，可满足无人机着舰要求。     

基于因子图的协同定位与误差估计算法

针对多自主水下航行器协同定位系统中从艇的数据融合问题,首先建立了协同定位系统的数学模型,然后分析了速度误差及航向误差对从艇定位误差的影响,同时设计了协同定位及误差估计的因子图模型。接着,提出了基于高斯噪声的协同定位及误差估计算法,利用均值和方差在因子图各节点间传递完成对从艇位置、速度误差和航向误差的估计。为了验证算法的有效性,通过仿真实验和实船试验的离线数据对协同定位及误差估计算法进行验证。结果表明,所提算法可以有效降低从艇的定位误差,在从艇自主定位时尤其明显,大幅提高了从艇的导航定位能力。     

基于数据融合的WLAN/MARG组合定位系统

接收信号强度（received signal strength, RSS）浮动和无线接入点缺失是制约无线局域网（wireless local area network, WLAN）定位精度的主要问题。利用智能终端已有的MARG（magnetic,angular rate,and gravity）传感器,设计了基于粒子滤波和卡尔曼滤波的数据融合算法,实现了一个低成本高精度的WLAN/MARG组合定位系统。该系统利用WLAN和MARG定位技术的互补特性,有效校正了由RSS浮动引起的定位误差和由传感器噪声引起的累积误差。室内WLAN环境下的实验结果表明,本文所提系统,相比WLAN和MARG定位系统,定位均方根误差分布减少了62%和91%,并且有效扩大了系统应用范围。     

基于高斯-勒让德积分的鲁棒波束形成算法

针对矩阵重构类波束形成算法在协方差矩阵重构过程中计算复杂度较高的问题, 提出一种基于高斯-勒让德积分重构协方差矩阵的鲁棒波束形成算法。该方法首先根据信号导向矢量之间的正交性, 利用高斯-勒让德积分构建干扰信号空间; 然后将快拍数据投影到干扰信号空间, 剔除期望信号, 完成干扰噪声协方差矩阵重构; 最后将准阵列权矢量投影到信号空间, 修正导向矢量失配。仿真结果表明本文方法在视向误差、导向矢量随机误差条件下具有较好的鲁棒性, 且有效地降低了计算复杂度, 验证了算法的有效性。     

基于小波去噪和TLS算法的全姿态寻北

为提高捷联寻北仪在动态干扰下的寻北精度,同时解决寻北过程中需要人工调平而耗时较长的问题,结合全姿态多位置寻北模型,提出采用小波去噪处理陀螺输出信号和总体最小二乘寻北算法的组合滤波方法。针对硬阈值函数和软阈值函数去噪的局限性,使用改进阈值函数处理陀螺噪声,能够更好滤掉动态干扰;根据多位置寻北解算特点,创新性引入总体最小二乘寻北算法,有效补偿了寻北仪的静态误差。仿真数据和实验结果表明,该组合算法能显著提高寻北仪的抗干扰能力,实现全姿态高精度寻北。     

低信噪比下卷积交织器识别

针对现有卷积交织器识别算法,在低信噪比下存在误判概率高、识别效率低等缺陷,首先分析了构建出的数据矩阵统计特性,给出了同步码以及随机数据位置上的概率密度分布函数,基于最小错误判决准则,设定了同步码检测门限,同时基于三倍标准差准则,设定出更为稳健的交织周期识别门限;其次,分析出了数据矩阵中每一行与每一列累积量的对应关系,提出了一种快速交织周期遍历方法,使得矩阵构建次数大大减少;最后定义了聚合度概念,仅通过二重循环遍历即可完成交织深度与交织宽度的快速识别。仿真结果表明,该算法能够在低信噪比下实现卷积交织器参数的有效识别,同时相比于现有的方法，识别性能提升了1 dB到2 dB,且计算效率得到了明显的提高。     

幅度相位误差条件下的互质阵列DOA估计方法

针对基于互质阵列的欠定波达方向(direction of arrival, DOA)估计方法在阵元幅相误差条件下性能急剧下降的问题, 提出一种基于校正阵元的互质阵列DOA估计方法。首先, 将阵列接收数据分解为两个子阵数据, 基于校正阵元对子阵分别进行幅相误差估计, 并将子阵幅相误差排序重组。然后, 对接收数据协方差矩阵进行误差补偿并扩展为高维的Toeplitz矩阵。最后, 基于矩阵填充理论对高维协方差矩阵进行空洞填充, 结合求根多重信号分类(root multiple signal classification, root-MUSIC)算法进行DOA估计。理论分析和仿真结果表明, 该方法可以实现互质阵列的幅相误差估计, 并通过误差补偿有效恢复幅相误差条件下的互质阵列DOA估计性能, 提高估计精度。