卫星导航信号可变间距采样的多径估计方法

为了提高卫星导航信号多径估计的精度,提出一种可变间距采样的多径估计方法.使用一组本地复现码相位由卡尔曼滤波器控制的相关器对相关峰进行可变间距采样,使采样位置尽可能接近直达信号和多径的峰值以提高采样的有效性,从而提高了多径参数的估计精度.分析了卡尔曼滤波器的设计方法和关键参数的选取,并进行了测试.测试证明了在相同相关器数量下,可变间距采样估计比传统固定间距采样估计可以获得更精确的多径参数,同时取得更好的多径消除性能.     

重要性采样的最大似然多径信道估计算法

提出了一种基于重要性采样方法的最大似然多径信道估计方法。该方法将时延与幅度估计解耦,利用蒙特卡罗算法(MC)对未知参数的分布函数抽样,计算样本均值直接得到多径时延和幅度估计结果,避免了耗时较长的多维网格搜索和对初值较为敏感的迭代算法。仿真结果表明,对于多径路数分别为5、15的情况,均能获得较好的信道估计。相比于现有的其他一些算法,该算法不仅能够同时获得时间延迟估计,同时也能对幅度精确估值。     

基于差分进化改进粒子滤波的多径估计算法

多径干扰因具有位置上的不相关性、不确定性等特点,不能通过差分技术来消除,成为高精度定位的主要误差源之一。因此,估计多径参数对抑制多径误差、提高导航系统的定位精度具有重要意义。本文将多径估计问题转化为状态空间模型下的参数估计问题,并利用粒子滤波(PF)进行多径估计。同时,为了克服标准PF存在粒子枯竭、导致估计结果可能收敛到错误值的问题,提出了基于差分进化改进粒子滤波(DEPF)的多径估计算法,该算法利用差分进化(DE)算法代替PF的重采样来产生新粒子,使新粒子朝着状态真实后验概率密度分布的方向移动,避免了重采样后粒子可能收敛到局部最优值的问题。仿真结果表明,在非高斯噪声下与基于PF和EKF的多径估计算法相比,本文算法具有更好的多径估计性能。     

单一多径环境下GPS载波跟踪误差建模与分析

为研究伪码多径误差对载波多径误差的影响,文中分析了采用非相干早码减晚码功率型伪码跟踪环时Costas载波跟踪环的载波多径误差,并建立了单一多径下的载波多径误差模型. 所建立的模型表明伪码多径误差对载波多径误差的影响可以表示为多径参数和相关间距对载波多径误差的影响. 理论和仿真分析结果表明,单一多径下载波平均跟踪误差为0,且当相关间距小于一个码片时,载波跟踪误差最大值小于π/2;多径参数对载波跟踪误差的影响较大,而相关间距对载波跟踪误差的影响较小.      

多径干扰下GPS弱信号跟踪算法研究

在带有多径干扰的、并且低载噪比的GPS信号下,分析了多径带来的码环误差以及因此引起的伪距误差的原理.在此基础上,考虑在码环跟踪的Strobe鉴相算法中,引入一个修正因子σ,使得码环跟踪时,对一定范围内的短多径起到抑制的作用.由于改进后的跟踪算法没有用到Q路输出,并且原信号为弱信号,因此需要跟踪环路提供好的载波跟踪性能.为此,考虑使用扩展卡尔曼滤波(EKF)算法来替代原有的载波跟踪环路,提高跟踪环路的噪声抑制性能.在此基础上,将EKF载波环跟踪与修正后的码环跟踪结合起来使用,共同进行多径干扰下GPS弱信号的跟踪.     

伪码测距接收机中MET技术误差建模与分析

为了分析多径干扰对多径消除技术(MET)的影响,建立了MET的跟踪误差模型.MET的鉴相函数既可表示为窄相关技术鉴相函数的复合形式,又可表示为直接信号的鉴相函数与多径信号鉴相函数之和.同时多径信号的鉴相函数本质上是直接信号鉴相函数的平移和尺度变换,利用鉴相函数的这一特性对MET的跟踪误差进行分析和建模.通过仿真比较了MET、窄相关技术以及strobe相关器技术的多径误差抑制性能.结果表明MET可以完全消除中等长度时间延迟的多径信号造成的误差,并且可以通过调整相关间距来减小MET跟踪误差.     

OFDM信号过采样率盲估计的新方法

针对低信噪比多径信道下过采样率估计性能低的问题,根据正交频分复用( OFDM)基带采样信号的频谱特性,提出了基于采样信号频谱逼近的过采样率盲估计方法.该方法首先利用改进的移动协方差方法估计信号的载波频率,采用修正的周期图平均法估计信号的功率谱;然后通过选择最佳的滚降系数,设计一个最佳余弦滚降滤波器,使余弦滚降滤波器的截止频率逼近信号的截止频率;最后根据过采样信号的频谱特性原理估计出接收信号的过采样率,实现了不同类型OFDM信号的过采样率的盲估计.仿真结果表明,在信噪比为-2 dB,多径信道条件下OFDM信号的过采样率估计的均方误差不超过0.2.可见该方法无需任何先验知识,在低信噪比多径信道下具有良好的估计性能.     

正弦信号四参数的高精度估计算法

从正弦信号的任意间隔采样序列出发，结合频率的迭代法估计和幅度、相位以及直流偏移的最小二乘法估计，提出了估计正弦信号四个参数（幅度、频率、相位以及直流偏移）的新算法，即四参数估计法，并与直接快速傅立叶变换法和通用相位差法就估计精度进行了仿真比较。结果表明，四参数估计法不但精度较高、抗噪声能力较强，而且能对非等间隔采样信号进行参数估计。     

CDMA系统中应用码滤波方法的波束形成技术

根据CDMA系统信号模型和多径信道模型,运用码滤波方法对CDMA系统用户信号及其多径信号导引向量进行估计．运用这些估计得到的导引向量设计零陷指向波束形成器,使波束形成器方向图零点指向非期望用户及其多径信号到达方向,从而达到抑制CDMA系统中多径传输和多址干扰带来的的影响。     

基于Givens旋转多用户多径DS-CDMA信号伪码盲估计

针对多径多用户低信噪比下的伪码估计,提出一种基于Givens旋转多用户多径DS-CDMA信号伪码盲估计的算法.该算法在同步接收扩频信号的基础上,利用特征值分解法获得用户特征向量子空间,通过2维Givens矩阵对子空间特征向量组成的2维载荷矩阵进行旋转,当定义的载荷矩阵总方差达到极小值时停止旋转,得到伪码序列的最佳估计.该算法克服了传统特征分解法估计多用户伪码序列时的缺陷,解决了多用户多径低信噪比情况下伪码序列的盲估计问题.仿真结果表明该算法是有效的,且具有抗多径干扰的能力.     

用扩展KALMAN滤波器计算多径下两路间时延

尝试通过扩展Ｋａｌｍａｎ滤波器计算两独立接收端接收同一信号时的接收时间差,并考虑了存在多径干扰时的情况,方法如下：１）运用卷积定理,交埋延估计问题转化成对一线性滤波器系数的估计问题;（２）运用ＥＫＦ,使对滤波器多个系数的估计转化为对一个或几个参数的估计;（３）在多径情况下,同时对三个滤波器进行处理,使两点信号的差值平方最小,并在叠代过程中采用类似分时的处理,使对多径情况下两路时延的估计过程大大简化     

一种精确的前向散射雷达三维目标跟踪方法

针对一般测量精度下初始状态估计误差大,导致滤波易发散的问题,提出了一种基于解析推导和Leven-berg-Marquardt算法的初始状态估计方法,能够在目标参数测量精度不高的情况下获得比较精确的初始值;针对滤波过程计算量太大、收敛速度慢的问题,结合精确的初始状态估计值和扩展卡尔曼滤波(EKF)实现了前向散射雷达三维目标的精确跟踪.通过仿真和比较分析表明,EKF算法跟踪精度高,收敛速度快,且计算量小.     

高斯混合粒子滤波器在静基座捷联惯导系统初始对准中的应用

为解决传统粒子滤波算法中影响状态估计性能的采样枯竭问题,提出一种高斯混合粒子滤波(GMPF)算法,基于Sigma点卡尔曼滤波(SPKF)和粒子滤波的特点,采用加权EM算法取代传统粒子滤波的再采样过程,减弱了采样枯竭的影响,增强了算法的估计性能.对捷联惯导系统静基座大方位失准角初始对准的仿真结果表明,该算法的估计精度优于扩展卡尔曼滤波.     

MC-CDMA系统中基于EKF的载波同步方法

针对多载波码分多址系统，提出一种基于扩展卡尔曼滤波器（EKF）的载波相位估计器，该技术不依赖于同步的采样速率，而且不需要传输导频信号，给出了相位误差的等效状态空间模型，并使用扩展卡尔曼滤 波器方法进行跟踪。     

Sigma-Point卡尔曼滤波用于OFDM载波频偏估计

对于非线性的动态状态空间模型,扩展卡尔曼滤波（EKF）通过泰勒展开拟合系统的状态和观测方程,以获得对状态值的估计,但其存在估值波动大、收敛慢等缺点;而基于Sigma—point点的卡尔曼滤波方法,则是通过确定性采样实现统计特性上的近似,从而获得更为准确的高阶统计特性．为此,建立了正交频分复用（OFDM）载波频偏的动态状态空间模型,并将Sigma．point卡尔曼滤波用于其频偏估计．仿真结果表明,该类方法可以捕捉更为准确的高阶特性,其估值准确、收敛速度快、波动小、对观测噪声大小不敏感．     

基于平方根UKF的机载单站无源定位算法

介绍了基于多普勒频率变化率和波达角变化率的机载单站无源定位原理,并引入一种新的基于平方根（uKF）算法．通过仿真与扩展卡尔曼滤波（EKF）和不敏卡尔曼滤波（UKF）算法进行了比较．结果表明,新算法比EKF算法精度高,与UKF算法相比,新算法的方根形式增加了数字稳定性和状态协方差的半正定性,同时具有更快的收敛速度．     

一种正交频分复用系统多径时延估计模型与算法

针对正交频分复用(OFDM)系统的时延(the time of arrival,TOA)估计未充分利用OFDM信号的时频特性及其精度较低的问题,根据OFDM信号的时频特性提出一种基于频域相偏的多径时延估计模型(Multipath Delay Estimation Based on Frequency Domain Phase-offset,FDP-MDE).并在此基础上,结合LTE(Long Term Evolution)系统的实际特点提出一种分组联合时延估计算法(Grouped Joint Time Delay Estimation,GJ-TDE).该算法首先将OFDM系统的时域接收信号转换为频域信号,然后对频域信号采样分成多组低维的接收数据矩阵并利用各采样数据矩阵组分级估计时延,最后取各时延估计值的平均作为定位时延值.仿真结果表明:在信噪比(SNR)为0dB、采样间隔为8的条件下,GJ-TDE算法的均方根误差(RMSE)比基于时域同步的Mensing算法降低了5.503 4m.     

扩频通信中多径信道参数估计和跟踪方法

利用ＣＤＭＡ用户在使用ＢＰＳＫ调制信号时的多径信道模型,根据ＰＮ码的特点先用最大似然法估计出信道的冲激响应矢量,再进一步估计出ＲＡＫＥ接收机所需的各多径延和衰减系数等参数,分析和计算结果表明,此方法具有速度快,计算量小和精度高等优点。     

电力系统动态状态估计算法研究

为了提高电力系统动态状态估计的估计精度和收敛速度,引入一种解决非线性滤波问题的新型粒子滤波算法——混合卡尔曼粒子滤波器(Mixed Kalman Particle Filter,MKPF)。该算法采用扩展卡尔曼滤波器(EKF)与无迹卡尔曼滤波器(UKF)混合作为建议分布,得到一种更接近真实分布的近似表达式。仿真算例将MKPF与EKF和UKF进行了对比,比较结果证明在电力系统受到扰动之后,MKPF算法能够快速地收敛于真实值,且具有比EKF与UKF更高的估计精度和稳定性,达到了在线准确估计的要求。     

基于极大后验估计的STUKF算法跟踪再入弹道目标

针对弹道导弹再入阶段飞行受力情况复杂多变,状态噪声未知时变的非线性跟踪问题,提出基于极大后验估计的STUKF非线性滤波跟踪算法。该算法采用最小偏度单行采样策略,在保证跟踪精度的同时,提高实时性;引入带有多重次优渐消因子的强跟踪算法,在线调整状态一步预测均方误差阵,提高系统对突发机动跟踪的稳定性;采用指数加权的方法,利用次优无偏MAP时变噪声统计估计器,在线估计未知系统过程噪声的统计特性,提高系统应对噪声变化的能力。仿真结果表明:该算法具有比不敏卡尔曼滤波算法(UKF)和扩展卡尔曼滤波算法(EKF)更好的跟踪性能。