柱面共形阵列DOA与极化参数高效联合估计算法

针对共形阵列天线信源方位与极化状态联合估计算法计算量大的问题,给出了一种基于多级维纳滤波器前向递推的柱面共形阵列天线信源方位与极化参数高效联合估计算法.新算法推导了柱面共形阵列天线多级维纳滤波器的前向递推.算法以某一期望信号的训练信号为已知条件,通过多级维纳滤波器的前向递推,来实现信号子空间和噪声子空间的快速估计,避免了协方差矩阵估计与特征值分解,大大减少了已有联合估计算法的运算量,使计算量由原来的O(N3+N2L)降低到O(N2L).仿真实验表明:算法在降低算法复杂度的同时,可保证算法的估计精度,在信噪比大于10 dB时,与已有算法具有近似相同的估计精度,证明了算法的有效性.     

基于子空间辨识的DOA和频率联合估计算法

针对阵列信号波达方向(DOA)和频率联合估计计算量大、参数配对较困难等问题,提出了一种基于子空间辨识方法的DOA和频率联合估计算法.该算法构造了一个特殊的状态空间模型,并通过选取辅助矩阵来抑制噪声.由子空间辨识方法得到广义可观测矩阵的估计值,再利用总体最小二乘(TLS)方法得到系统矩阵的估计值,由系统矩阵得到DOA和频率的估计值.该方法具有参数自动配对和计算量小的特点.计算机仿真验证了该算法的有效性.     

基于完美抽样的最大似然方位估计方法

为了解决最大似然估计计算量大的问题,将马尔可夫蒙特卡罗方法与最大似然方位估计相结合,提出一种基于完美抽样的最大似然方位估计新方法.研究结果表明,该方法不但保持了原最大似然方位估计方法的优越性能,而且大大减小了计算量,把原方法的计算复杂度从O(LK)减少到O(K×J×Np).     

基于PHD的多扩展目标联合检测、跟踪与分类算法

针对杂波和噪声背景下空间距离较近的扩展目标数目和状态难以估计的问题,提出了基于扩展目标概率假设密度滤波器(ET-PHD)的多目标联合检测、跟踪与分类算法,并给出了该算法基于粒子滤波的实现方法.算法在滤波器中引入了属性量测信息,预测阶段的粒子按照其类别进行传播,更新阶段对所有粒子进行联合更新,更新结束后将粒子按照类别进行分类,各类别的粒子集表示了其相应类别目标的PHD分布.该算法具有模块化结构,计算复杂度为O(mn).数值仿真场景包含两类扩展目标并行运动和两类扩展目标交叉运动.结果表明,该算法可以同时估计扩展目标的类别、数目和状态,并且平均最优次模式分配距离相比传统算法的降低幅度超过50%.     

基于椭圆RHM的扩展目标伯努利滤波算法

针对扩展目标跟踪中存在的扩展状态估计不准确和非线性问题,提出一种基于随机超曲面模型(RHM)的扩展目标伯努利滤波算法.首先采用RHM对目标量测源建模,然后在扩展目标伯努利滤波框架下,实现对单扩展目标运动状态和扩展状态的实时估计,最后引入Gamma分布以提高量测率估计的准确性.为了降低计算复杂度,在量测更新中采用距离划分来减少所有可能的划分总数.仿真结果表明,所提滤波算法在估计目标运动状态、扩展状态和量测率等方面优于单目标伯努利滤波算法.     

基于初距划分的纯方位目标跟踪的EKF滤波器群

利用EKF对纯方位目标跟踪的工程算法进行了探讨.目标初距范围被划分成若干个小单元,每个小单元形成预估初距;在观测器匀速直航下,EKF滤波器群分别估计目标-观测器相对速度与初始距离比值;然后每个滤波器利用新量测方位估计目标参数,同时依据Bayesian公式更新滤波器概率密度;观测器匀速下预估状态初始值,降低了误差影响,提高了推广卡尔曼滤波方法(EKF)收敛率;多滤波器算法便于并行计算和实时处理,符合工程要求.     

声矢量圆阵宽带相干信号的方位估计

针对水下目标的远程被动探测问题,提出了一种声矢量圆阵的宽带相干目标方位估计方法.首先,基于子带分解原理将宽带划分为若干不重叠窄带,根据圆阵模式空间变换理论,将声矢量圆阵转换成与频率无关的虚拟直线阵,并采用声压P与振速(V_r+V_φ)联合处理方法构建了每个窄带的互协方差矩阵,通过求和平均实现了宽带接收信号的互协方差矩阵估计;其次,引入一种修正的矢量奇异值分解算法,对接收相干信号的互协方差矩阵进行重构处理,用于解决相干声源的空间分辨问题;最后,利用MUSIC算法实现了声矢量圆阵宽带相干目标的方位估计.理论分析及仿真结果表明,修正的矢量奇异值分解算法较修正前具有更强的空间分辨能力;P×(V_r+V_φ)声压振速联合处理方法较同阵型的声压阵及其他声压振速联合处理方法(即(P+V_c)×V_c、P×V_c)具有更好的背景噪声抑制能力;将P×(V_r+V_φ)声压振速联合处理方法与修正的矢量奇异值分解算法有机地结合起来,可提高宽带相干源的方位估计性能.水池实验结果进一步验证了算法的有效性.     

Markov－双链

就随机环境下的 Markov－链,介绍了 Markov－双链的构造,并证明了以已给 P(θ )为转移概率的 Markov－双链的存在性.当环境空间和状态空间均可数时,希望通过对 Markov－双链的研究,进而实现对随机环境下的 Markov－链的研究.     

一种用于运动跟踪的加窗粒子滤波新算法研究

为了提高粒子滤波算法在视频跟踪中的性能,在基本粒子滤波算法的基础上,采用窗口滤波更新粒子集合,根据对目标位置估计的情况动态更新粒子集合大小,得到一种改进的粒子滤波算法--加窗粒子滤波算法.该算法利用估计窗内的混合抽样粒子集描述后验分布,通过对估计窗内具有不同权值的粒子集依据其权值大小进行抽样,并根据当前观测值对抽取的粒子状态进行更新,实现对目标的跟踪.仿真实验结果表明:这种跟踪算法在不影响跟踪精度的情况下,大大减少了计算量,较好地解决了视频目标跟踪这一非线性非高斯状态在线估计问题.     

基于网络缩简的K-剩余连通可靠度的蒙特卡洛方法

讨论了具有不可靠结点网络的可靠度估计问题,提出了具有不可靠结点K-终端网络的串并联缩简原则,并将该缩简原则应用于递归方差衰减(Recursive Variance Reduction,RVR)蒙特卡洛(Monte Carlo)方法中,得到一种无偏且高效的估计可靠度的方法.该方法是依据状态空间分解原理,将对原状态空间的抽样实验递归地转为对其子空间的实验,并且在对子空间抽样实验前进行网络缩简,使得有些子空间不用抽样,对应方差为0.最后,通过实验验证了算法的有效性.     

高阶多元Markov链联合稳定分布向量的扰动界

给出了高阶多元Markov链联合稳定分布向量的几个扰动界:结合高阶多元Markov链概率转移矩阵左、右特征向量的相关性质, 得到高阶多元Markov链联合稳定分布向量的扰动界, 新的扰动界结果是一阶多元Markov链联合稳定分布向量扰动界结果的推广;利用高阶多元Markov链概率转移矩阵的特殊性, 给出其联合稳定分布向量可计算形式的扰动界, 也是已有一阶多元Markov 链联合稳定分布向量相应扰动界结果的推广;结合Paz不等式, 通过分析高阶多元Markov链联合稳定分布向量的分量扰动, 得到了联合稳定分布向量基于分量形式的扰动界, 便于观察高阶多元Markov 链中具体某条链某个状态的扰动.     

基于二次型规划考虑网络丢包的鲁棒状态估计

提出一种可以体现网络丢包的离散时间线性时不变状态空间模型,并将鲁棒状态估计的问题转化为向量优化问题.为了能够快速有效地对该问题进行求解,通过标量化方法将向量优化问题转化为普通的标量二次型规划问题,然后将状态估计问题转化为对标准l1正则化最小平方问题的求解.结合Kalman滤波的更新过程,提出了能够适用于具有数据包丢失情况下的鲁棒状态估计算法,通过仿真实验验证了算法的有效性.     

基于马尔科夫链的交互残差估计的跟踪波门设计方法

跟踪波门通常基于残差估计进行设计,但传统残差估计法在目标机动状态未知时的预测精度较差。针对这个问题,在分析2种现有残差估计法的适用环境基础上,提出了一种基于马尔科夫链的交互残差估计法:该方法首先分别利用现有2种估计法对下一时刻残差值进行预测,定义并计算滑窗内2种方法的预测误差,并根据预测误差的似然函数计算对应似然值;然后,基于服从已知概率的马尔科夫链的转移矩阵,采用似然值求解各方法所占权重;最后,通过加权求和得出下一时刻残差预测值。仿真实验表明,利用文中算法得出的残差预测值在目标运动状态未知的情况下精度较高,据此设计的跟踪波门性能更优。     

迭代无味卡尔曼滤波的目标跟踪算法

针对目标跟踪迭代无味卡尔曼滤波(IUKF)算法中跟踪精度较差的问题,提出一种基于状态扩展技术的改进迭代无味卡尔曼滤波(IIUKF)算法.新算法首先将观测噪声扩展进状态,构造关于扩展状态的零噪声观测方程,然后在观测迭代过程中将最新的扩展状态后验估计代入更新公式,进行观测迭代更新.相比IUKF算法,IIUKF算法不仅形式上更为简洁,而且避免了IUKF算法中先验估计和观测噪声非统计正交的问题,滤波精度更高.数值仿真表明,IIUKF算法的跟踪误差比IUKF算法减小了20%以上.     

具有多项式报酬率的连续时间平均马氏决策规划

本文讨论了状态空间可列、行动集为一般点集且具有多项式无界报酬率的连续时间平均马氏决策问题。在对折扣最优报酬函数的适当假设下,证明了平稳最优策略的存在性,所用的条件比以往的工作弱得多。     

分解—排序—更新法求解马尔科夫链

论文提出了一种计算有限状态离散时间马尔科夫链平稳分布的算法，算法的核心是块划分马尔科夫链的状态转移图，对分解怕得的状态子空间进行了拓扑排序，然后根据拓扑充列计算每个状态子空间，相应地更新马尔科夫链的实始分布。本算法对求解有限状态离散时间可约马尔科夫链；尤其是当马尔科夫链有非常迟状态且可分成多个块时就非常适用。     

有限状态下随机环境马氏链的性质

假设X是随机环境的马氏链,首先介绍了Hopf马氏链及绕积马氏链,利用绕积马氏链,定义了随机环境马氏链的几个特征数及随机环境马氏链的几种不同的基本状态,由此比较随机环境的马氏链与经典的时齐马氏链状态性质的异同,得到了随机环境马氏链中强常返与弱常返的关系,并进一步讨论了X为有限集时,随机环境的马氏链的一些性质,得到有限状态一定存在本质与弱常返状态,不一定存在强常返状态,及在可达关系下本质状态、强常返状态的关系.     

基于中国餐馆过程的语音增强

针对有色噪声中的语音增强问题,通过引入中国餐馆过程混合模型（Chinese Restaurant Process Mixture Model,CRPMM）,其潜变量满足中国餐馆过程,能够较方便地获得马尔科夫链式样本的展开.建立了参变量与潜变量基于块采样的后验更新形式,结合卡尔曼滤波技术,能够在分布空间上更精确地逼近噪声的后验分布.仿真算例及实际语音信号增强算例表明,较之传统的参数化卡尔曼滤波算法及变分贝叶斯滤波算法,基于数据驱动的无穷维的块采样技术能够更好地适应新模态,并取得较好的语音增强效果.     

马氏正态过程在教育质量评价中的应用

首先利用正态分布给出状态空间的划分方法;然后将马氏正态过程离散化为马氏链,并给出一步转移矩阵的计算方法,根据不同的状态划分,给出对应的权矩阵,并使用加权平均确定出教学效率的指标,从而给出一种评价教学效率的新方法,并用实例验证其可行性及有效性.