高维半线性双曲型偏微分方程的边界观测问题

本文研究了高维半线性双曲型偏微分方程的边界观测问题, 并在此基础上给出了该观测问题的一种近似算法.     

基于自适应平方根UKF的微机械传感器融合航姿估计

提出一种新的基于自适应平方根UKF的微机械传感器组合姿态测量系统.该系统采用3轴微机械陀螺积分得到姿态角,采用3轴微机械加速度计测量重力矢量得到俯仰角和横滚角,分别校正俯仰漂移和横滚陀螺漂移;采用磁强计得到航向角,并与陀螺积分角度融合校正航向陀螺漂移.跑车实验结果表明,基于自适应平方根UKF算法可实时估计机动加速度干扰,并在融合滤波器中进行补偿,能够有效去除车辆机动加速度干扰,姿态角估计精度在±0.6°以内.     

基于贝叶斯测距和迭代最小二乘RSS的定位算法

针对基于接收信号强度(received signal strength,RSS)测距定位框架,提出基于贝叶斯测距和迭代最小二乘定位的RSS的定位算法.在测距阶段,先利用贝叶斯概率模型处理测距过程,并采用最小均方误差(minimum mean square error,MMSE)估计距离;在定位阶段,利用迭代最小二乘(iterative least square,ILS)估计节点的位置,最后重点对其定位性能做了理论分析和对比实验.仿真结果表明,提出的MMSE+ILS定位的方案极大地提高了定位精度,并降低了计算复杂度,但运行时间略有提高.     

双单叶星形和凸函数的系数边界

通过限定单叶函数及其逆分别从属于不同的对象,定义了两类一般化的双单叶星形族S*(a1,b1,a2,b2,α1,α2)和凸族K*(a1,b1,a2,b2,α1,α2).讨论得到它们泰勒展式中前两项系数的边界估计值.     

基于隐含导频的长距离IM/DD DFT-S-OFDM无源光网络的实验系统研究

基于隐含导频、超奈奎斯特镜像混叠和直接检测,首次在IM/DD光通信系统中使用基于隐含导频(ST)的信道估计和均衡方式,通过实验实现了速率为20 Gb/s的正交相移键控(QPSK)离散傅里叶变换扩展正交频分复用(DFT-S-OFDM)信号传输83.2 km的光通信系统.使用隐含导频信道估计(ST-CE)方法来均衡信道的线性损伤,关键是把隐含导频(ST)算术叠加在数据信号上,而不占用单独的时隙.通过对接收到的信号进行1阶统计分析估计出精确的信道.为了增加传输距离,根据超奈奎斯特镜像混叠的方法增加接收机带宽来补偿色散引起的功率衰落.结果显示,在长距离强度调制/直接检测(IM/DD)DFT-S-OFDM无源光网络(PON)系统中,采用ST-CE能得到更高的频谱效率,且其信道估计性能与TA-CE相当.该方法节省了带宽,提高了频谱利用率.     

基于傅里叶系数插值的短波信道迭代频偏估计

针对短波突发通信中存在的频偏问题,结合短波调解器的波形格式以及低信噪比的信道条件,提出了一种基于傅里叶系数插值的迭代频偏估计算法.该算法首先利用离散傅里叶变换(DFT)确定频谱峰值;然后对其结果进行Jacobsen插值,通过对插值结果进行误差分析,得出其方差与训练序列长度及信噪比的函数关系,并依此自适应调节其置信度为0.99999时的置信区间,将其作为精频偏估计的搜索区间;最后在搜索区间内进行迭代,并利用抛物线插值获取更精确的结果.仿真结果表明:对于长度为128、256、512的训练序列,在低信噪比条件下,文中算法均可逼近Cramer-Rao下界(CRLB),特别是在信噪比为0 d B时,两次迭代即可使算法的均方误差与CRLB的比值达到1.005左右.     

基于两级滤波的车辆相对加速度估计

针对智能交通中汽车防追尾碰撞预警技术难以准确获取车辆间相对加速度,从而影响预警准确性的不足,提出了一种基于两级卡尔曼滤波的相对加速度估计方法.首先建立准确描述车辆间相对加速度变化的车辆相对运动模型,利用卡尔曼滤波递推方法初步估计出相对加速度值.然后进一步结合相对速度信息,利用第二级卡尔曼滤波估计相对加速度的误差,对初步估计的相对加速度值进行修正,从而获取较为准确的相对加速度信息.实车试验结果表明,该方法的准确性和可靠性好,加速度估计误差小于0.5 m/s2.     

基于奇异值分解法的抗差总体最小二乘

在最小二乘平差中,认为只有观测向量中存在误差,因此当有粗差存在时,也只需要考虑观测向量中的粗差,采用抗差最小二乘可达到剔除粗差的目的。而总体最小二乘同时顾及了系数矩阵和观测向量中的误差,这就要求抗差总体最小二乘同时考虑系数矩阵和观测向量中的粗差。为了同时对粗差进行探测和定位,在加权总体最小二乘奇异值分解法的基础上,提出了一种总体最小二乘抗差估计,最后通过2个算例证明了本文提出方法的有效性和可行性。     

基于四阶累积量的近场源多参数联合估计

提出了一种近场窄带信源多参数联合估计新方法,通过所构造四阶累积量矩阵的特征值及其特征向量就可以直接获得近场源频率、方位及距离三维参数的联合估计,无须峰值搜索,适用于任意高斯噪声环境．与现有方法相比,所提方法有效地避免了阵列孔径损失,而且算法简单高效．仿真综合结果表明了新方法的有效性．     

组合惩罚似然估计下发散参数变量选择

在Wang等给出的组合惩罚函数的基础之上,将SCAD惩罚部分推广到一般的非凸惩罚的形式,利用岭回归在解释变量相关度较高情形下的良好表现,提出一种推广了的组合惩罚.在参数个数发散的情形之下,利用贝叶斯信息准则(BIC)来选择调整参数,能同时完成变量选择和参数估计.而且还可以证明在合适的条件之下,这种估计具有Oracle性质.模拟研究的结果证明了所提出的方法在预测变量具有强相关性之下的优势.