塔康高精度测角及抗野值研究

针对传统塔康测角精度不高?抗干扰能力弱的问题,设计了一种新的抗野值Kalman滤波器,并与最小二乘曲线拟合相结合,实现对塔康方位的精确解算?建立了抗野值Kalman滤波模型,引入压缩影响函数修正滤波增益,推导出判决门限表达式,证明压缩影响函数的正确性?仿真结果表明,该算法实现了对塔康测角的高精度解算,并能有效抑制野值,具有很高的精度和抗干扰能力?     

基于压缩感知的塔康方位估计算法

塔康(tactical air navigation,TACAN)信号峰值检测后的离散数据呈随机采样特性,为避免Kalman算法产生滤波发散问题并有效减小对数据量的需求,提出一种基于压缩感知理论的方位估计方法.通过对塔康信号的角度空间进行稀疏分解和观测值压缩,优化重构原始包络信号进而获得方位估计值.仿真实验证明了该算法的性能,与最小二乘拟合算法相比,在保证估计精度的同时进一步降低了峰值数据量,大大减少了计算过程中的冗余,并且在信噪比较大的情况下,方位估计准确度较最小二乘拟合有一定提高.     

塔康脉冲峰值滑动窗检测与方位包络拟合方法

针对在低信噪比情况下塔康(tactical air navigation,TACAN)峰值检测误差大、脉冲形变和易丢失等问题,提出了滑动窗方法检测塔康钟形脉冲峰值.设计了与塔康钟形脉冲匹配的滑动窗,通过多次滑动比较窗中离散点与首尾点幅值来判断脉冲到达时刻,累加离散点做归一化估计峰值,采用最小二乘算法拟合周期内各峰值点估计包络,剔除偏差包络分布较大值并重新拟合提高角度测量精度.仿真结果表明,所提方法在低信噪比情况下,能有效检测峰值和估计方位信息,估计误差小于0.5.,满足塔康系统方位误差小于2°的要求.     

基于最小二乘迭代算法精确估计塔康方位参数

对中频数字化技术的塔康视频信号方位估计进行了研究。首先通过搜索PAM信号的峰值,得到由随机峰值点组成的包络信号;再根据确定的信号形式,采用最小二乘迭代算法估计出包络信号的方位参数。不需要寻找正斜率拐点和脉冲对译码,通过迭代运算能减小运算量和计算机内存,在对峰值进行拟合过程中,能有效抑制噪声的影响,提高参数估计精度。计算机仿真验证了其有效性。在3 dbW的功率信噪比下,估计误差不超过0.5°,满足塔康系统的方位误差为2°的要求。与传统方法相比,该方法具有实现简单、高精度的特点。     

WCDMA系统中一种前导检测门限算法研究

在WCDMA系统的前导检测门限算法中,干扰值的估计成为算法的一个关键环节。对工程上常用的一种前导检测门限算法进行了深入的研究,针对算法在小区干扰值较大时,对应的干扰估计值偏小,从而导致前导检测虚警概率较高的问题,将各签名的幅度时延函数（amplitude delay profile,ADP）值的方差引入到干扰值的估计算法中,提出一种改进的前导检测门限算法。实验结果表明,改进算法有效地解决了干扰估计值偏小的问题,降低了前导检测虚警概率。     

WCDMA系统中一种前导检测门限算法研究

在WCDMA系统的前导检测门限算法中,干扰值的估计成为算法的一个关键环节。对工程上常用的一种前导检测门限算法进行了深入的研究,针对算法在小区干扰值较大时,对应的干扰估计值偏小,从而导致前导检测虚警概率较高的问题,将各签名的幅度时延函数(amplitude delay profile,ADP)值的方差引入到干扰值的估计算法中,提出一种改进的前导检测门限算法。实验结果表明,改进算法有效地解决了干扰估计值偏小的问题,降低了前导检测虚警概率。     

基于压缩感知和虚警概率的电力线脉冲噪声抑制方法

针对OFDM电力线通信中噪声抑制方法依赖于脉冲噪声特征参数及脉冲噪声稀疏度的问题,提出一种基于压缩感知和虚警概率的宽带电力线脉冲噪声抑制算法.该算法利用OFDM零子载波观测脉冲噪声投影,采用基追踪降噪方法对脉冲噪声进行粗估计,并设计基于虚警概率的自适应脉冲噪声检测门限,根据门限得到粗估计的脉冲噪声支撑集,在支撑集上通过最小二乘方法对脉冲噪声幅度进行重构,接收信号减去估计的脉冲噪声可得到去噪的OFDM信号.仿真结果表明,提出的算法在未知脉冲噪声稀疏度的情况下可以对噪声信号进行重构,算法的性能优于传统压缩感知及非线性去噪方法,能可靠有效的对宽带电力线脉冲噪声进行抑制.     

基于自适应多门限的基函数生成算法

变换域通信系统（TDCS）具有对环境感知的能力,可以躲避干扰,具有优异的抗干扰性能。基函数生成算法是TDCS的核心算法。通过分析现有基函数生成算法存在的问题,提出了一种采用自适应多门限的基函数生成算法。该算法在传统二元判决的基础上,引入多元结构,对传统判决结果进一步细化,更加准确地反映了信道质量差别。理论分析表明。采用本文所提出的基函数生成算法产生的基函数,能够较好地克服传统门限估计算法对于信道环境自适应性不强等缺点,并且算法的门限设计简单。获得了较好的干扰抑制性能。     

基于t函数的稳健变量选择方法

在已有研究的基础上,提出一种新的基于t函数的稳健变量选择方法.该方法通过惩罚估计方程中的惩罚函数达到变量选择的效果,方程中的权重矩阵和有界得分函数对自变量和因变量中的异常值有很好的限制作用,可同时达到稳健的变量选择和稳健估计.通过分析3种不同自由度的t函数性质,选取自由度为2的t函数,并与基于Huber函数的稳健变量选择方法进行比较.数值模拟结果表明,基于t函数的稳健变量选择方法在2种污染力度、3种污染方式的数据污染情况下,其稳健性均明显优于基于Huber函数的稳健变量选择方法.与参数估计效果相比,基于t函数的稳健变量选择方法优势更明显.     

正态误差模型的最优稳健估计

通过构造Lagrange函数,得到了具有正态误差模型的参数最优稳健估计是Huber估计的结论,说明了Huber函数作为最常用的稳健估计函数的原因.     

一种改进的稀疏表示超分辨率重建算法

针对稀疏表示超分辨率重建算法中稀疏表示系数正则化效果不明显、字典完备性弱以及重建图像存在虚边缘等问题,提出了一种改进的稀疏表示超分辨率重建算法.首先对正则化正交匹配追踪(regularized orthogonal matching pursuit,ROMP)稀疏表示系数求解算法进行了改进,通过引入局部约束加权来提高稀疏表示系数的精度、增强图像的纹理特性;然后,将Huber影响函数用于提取图像的先验特征信息,以增强图像特征、提升高分辨率字典的表示能力;最后,提出了基于学习的迭代反投影方法,提高了图像后处理阶段预测误差的准确性,进一步改善了高分辨率重建图像效果.实验结果表明,该方法在峰值信噪比和视觉效果上都有所提高,重建图像的纹理特性和质量得到了有效增强.     

一种鲁棒的约束总体最小二乘无源定位算法

摘要：
为解决异常误差导致的机载单站无源定位不准确问题,提出了一种鲁棒的约束总体最小二乘(RCTLS)定位算法.首先建立定位模型,构建了加权的约束总体最小二乘(WCTLS)定位准则,并给出了牛顿迭代解.然后,利用广义M估计原理构建了WCTLS准则的鲁棒极值函数,将鲁棒CTLS问题转化为对等价权函数的设计问题,并根据丹麦法构建了等价权函数.理论分析表明,RCTLS算法能够有效识别异常误差,并降低异常测量数据的权值以减小其对定位结果的影响.仿真结果显示,存在异常误差时, RCTLS算法能够获得理想的定位估值,具有较强的鲁棒性.
     

基于小生境遗传算法的制导雷达误差估计

制导雷达误差估计是多雷达站之间信息资源共享的前提和基础。针对无基准数据条件下的误差估计难题,建立了制导雷达误差估计模型,采用小生境遗传算法,给出了误差评估模型的求解方法,并进行了实验验证。仿真实验表明：比较传统遗传算法,小生境遗传算法克服了早熟收敛和后期收敛速度慢的弱点，表明算法是可行的,对多雷达站实现网络化作战有重要的作用和价值。     

具有固定滞后平滑的变结构机动目标跟踪

针对变结构多模型算法在目标机动性较强时,因模型切换不及时而出现较大的误差峰值问题,提出了一种固定滞后平滑的变结构多模型(lag smoothing variable structure multiple model,LS-VSMM)跟踪算法.建立一个完备的模型集,根据模型概率利用有向图切换规则实现模型子集与目标运动模式的匹配;引入固定滞后平滑算法,通过对状态向量扩维,将平滑问题转化为滤波问题,使得原特定时刻的目标状态在系统中停留的时间更长,增加更多的状态量测信息,让状态估计变得更加准确,并且以延迟一定时间输出来改善滤波性能;对算法进行了仿真实验分析.仿真结果表明,与基于无味有向图切换的多模型算法以及基于有向图切换的变结构多模型(digraph switch variable structure multiple model,DS-VSMM)算法相比,LS-VSMM算法在有效降低误差峰值的同时,提高了目标的跟踪精度.     

坐标转换解算中基于验前中误差的稳健估计

通过公共点求解坐标转换参数时,如果公共坐标含有粗差,将会影响参数的求解,进而导致坐标转换结果产生较大的偏差。通过对比分析含粗差时的坐标中误差与验前中误差之间的比例关系,探究了坐标转换中利用离散的阈值函数与各点位较差的对比关系,判断是否含粗差,以及观测数据含粗差时,各个点位坐标较差与最大点位坐标较差的关系,并且通过权变换避免了有效坐标的权误置零的情况,通过大量数据验证了算法的有效性。     

OFDM系统中基于改进阈值的DFT信道估计

在OFDM系统中，传统的基于DFT的信道估计不能使循环前缀内的噪声得到有效的抑制.为解决此问题，在分析利用不同的时域阈值来抑制噪声的算法缺点和不足的基础上，提出了一种新的将噪声样本点能量的中位数作为时域阈值的DFT信道估计算法.仿真实验表明，所提算法在大脉冲噪声情况下，可以很好地解决信道有效样本点被滤除的问题，且能使循环前缀内的噪声得到有效抑制，误码率和均方误差得到进一步降低，提高了信道估计的准确性.     

Robust SLAM using square-root cubature Kalman filter and Huber’ s GM-estimator

Mobile robot systems performing simultaneous localization and mapping ( SLAM) are generally plagued by non-Gaussian noise.To improve both accuracy and robustness under non-Gaussian meas-urement noise, a robust SLAM algorithm is proposed.It is based on the square-root cubature Kal-man filter equipped with a Huber’ s generalized maximum likelihood estimator ( GM-estimator) .In particular, the square-root cubature rule is applied to propagate the robot state vector and covariance matrix in the time update, the measurement update and the new landmark initialization stages of the SLAM.Moreover, gain weight matrices with respect to the measurement residuals are calculated by utilizing Huber’ s technique in the measurement update step.The measurement outliers are sup-pressed by lower Kalman gains as merging into the system.The proposed algorithm can achieve bet-ter performance under the condition of non-Gaussian measurement noise in comparison with benchmark algorithms.The simulation results demonstrate the advantages of the proposed SLAM algorithm.     

一类线性混合效应模型分位数估计的影响分析

当回归模型误差服从非对称或非正态分布时,尤其是在重尾分布或分布受污染的情况下,如何检测纵向数据中的异常值是数据分析中的一个重要问题。为了克服非正态分布模型误差的影响,采用稳健的分位数方法对一类线性混合效应模型进行参数估计,并分别基于数据删除模型和均值漂移模型构造强影响点的诊断度量和异常值的检验统计量,以有效地检测强影响点和异常值点。在识别强影响点时,为了减轻计算负担,利用光滑逼近的方法给出了数据删除模型参数的一步近似估计,并据此构造出基于损失函数的距离和Cook距离。为了能够识别异常值点,首先构造出检验异常值点的Wald统计量,然后基于数据删除模型和均值漂移模型的系数估计的等价性,利用Bootstrap抽样得到检验的拒绝域。数值模拟结果表明,本文所提的诊断度量和检验统计量都能够很好地判断出强影响点和异常值点。最后应用本文方法针对化学实验纵向数据进行了影响分析。