基于压缩感知和约束随机线阵的声源方位估计

为解决声源方位估计中因阵元个数受限导致角度分辨率低的问题,提出以多约束均匀分布线性随机阵列为基础的随机线阵压缩感知(MC-Uni-RLA+CS)声源方位估计方法。研究了在不同信噪比、不同入射信号个数情况下本方法的识别精度,比较了均匀线阵压缩感知(ULA+CS)方法和MC-Uni-RLA+CS方法在不同入射角度范围内的识别精度。通过数值仿真与同类方法对比验证了该方法的有效性和优越性。结果表明:相同麦克风数量条件下,与CBF、MVDR、MUSIC和ULA+CS方法相比,MC-Uni-RLA+CS方法在低信噪比情况下分辨率更高,完全正确角度识别范围拓宽为[-50°,50°],且低噪比时鲁棒性好。     

一类随机动态传递系统中随机信号的优化建模与算法分析

在将普通信息空间中的信息流研究拓广到价值更高、信息量更大的广义信息测度空间中的全方位、多视角随机动态信息流研究的基础上,讨论了随机动态传递系统中一类多维广义部分可观测平稳过程最优滤波与估计的递推滤波算法,深入搜索、挖掘了此类广义过程中一系列有价值的信息,得到了此类广义过程随机信号的最优递推滤波方程与最优估计方程,为进一步研究此类过程的最优控制以及提高此类信号传递系统的效率提供了可靠的理论依据和有效的数学处理手段与方法。     

基于MAPC-RISR的MIMO雷达距离——角度二维超分辨率成像算法

MIMO雷达作为一种新型的雷达体制,其成像兼具实时性和高分辨率的特点,为了充分发挥MIMO雷达在成像方面的优势,提出一种高分辨率的MIMO雷达成像算法.首先将MIMO雷达成像过程分为距离向脉冲压缩和方位向聚焦成像两个过程,采用多波形自适应脉冲压缩技术(MAPC)实现距离向脉冲压缩和发射波形分离,然后在MIMO雷达虚拟阵列端利用超分辨率空间谱估计方法(RISR)进行方位向聚焦成像,得到了观测区域的距离—角度二维高分辨率的成像结果.理论分析表明,与已有的MIMO雷达自适应成像算法相比,所提方法降低了算法复杂度,提高了运算效率.仿真实验验证了所提MIMO雷达成像算法的有效性与优越性.     

非线性中立型时滞微分方程解的零点距估计

泛函微分方程振动解的零点分布作为方程振动理论的一个重要分支,使方程振动解的研究更加定量化,但目前对非线性及多个变时滞微分方程振动解零点距估计的研究成果还很少.本文通过非线性问题线性化处理,多个变时滞取上下界的方法,对一类一阶非线性多个变时滞中立型微分方程振动解的零点距进行了估计,获得了方程所有解都振动的充分条件,改进和推广了已有的一些的结果.     

带跳的随机波动模型的参数估计

讨论了带跳的随机波动模型中的参数估计问题,假设跳过程服从双指数跳,波动项服从Heston模型.首先借助Lee-Myland方法识别跳跃部分,运用极大似然估计方法对跳跃部分的参数进行估计.然后将扩散部分离散化之后用极大似然估计方法对扩散项的参数进行估计.最后,利用上证综合指数2015-2018年的历史数据进行实证分析,实验结果表明使用该方法能有效估计带跳的随机波动率模型的参数.     

一种稳健的多主瓣干扰抑制方法

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。     

基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

实时检验泡沫：基于严格局部鞅判别的泡沫检验方法

实时检验泡沫并对市场参与者和监管者进行预警，有利于防范和化解金融风险。基于检验泡沫的严格局部鞅判别原理，在RKSH方法的基础上拓展了一种倒向滚动检验方法（BSLM），并通过蒙特卡洛仿真和实证分析验证了新方法的有效性。研究发现：相对于传统严格局部鞅判别方法，BSLM方法对距离当前时刻较近的泡沫具有更高的检验势，并且能更早地事前预警泡沫；在对中国股票市场主要指数2000~2015年的泡沫检验中，新方法能判断泡沫的生成时间和破灭时间，发现上证指数和深圳成指的泡沫具有较强的联动性。