基于共轭梯度的宽带相关处理快速算法

宽带主动信号处理是以宽带相关计算为基础的,通常采用目标尺度-时延二维搜索的计算结构。要达到较高的参数估计精度,处理结构就必须采用高密度搜索,但这同时会带来系统难以承受的大运算量。提出了基于共轭梯度的宽带相关处理快速算法,通过以较大的时延-尺度扫描间隔对目标参数进行粗略估计,得到参数估计的初值,并采用共轭梯度法构造一组共轭方向,由初值出发作迭代运算实现对峰值的搜索。仿真计算表明：基于共轭梯度的宽带相关处理快速算法能以较小的运算量得到对参数的精确估计,并具有较高的参数估计精度。参数估计误差的方差接近宽带相关处理的克拉美-罗下限（Crame-Rao low bound, CRLB）。     

求解非均匀介质问题的双共轭梯度方法

分析非均匀介质条件下的电成像问题 ,在说明电成像仪的测量环境和测量原理之后 ,对这种复杂条件的电磁场问题 ,采用三维有限元方法进行分析。为了保证计算精度 ,在分析过程中 ,需要划分较多的空间网格 ,从而生成大型的有限元矩阵方程。对此大型矩阵方程 ,采用计算效率较高的双共轭梯度方法求解 ,给出了双共轭梯度方法的算法和利用该算法求解有限元矩阵方程时的收敛速度曲线 ,并对水平分层和倾斜分层两种典型情况下的非均匀介质成像问题进行分析 ,给出了模拟测量成像结果。     

基于自适应共轭梯度算法的高分辨率谱估计器

基于AR模型的功率谱估计是现代谱估计应用非常广泛的一种方法。通过对一全极点模型的参数估计来实现功率谱估计。提出了一种采用自适应共轭梯度算法来进行参数估计的方法。由于共轭梯度算法采用迭代运算求解Yule-Walker方程,同现有的谱估计算法相比,大大减小了谱估计算法的计算复杂度;随着自相关矩阵阶数的增大,该方法谱估计精度在小信噪比下提高显著。仿真结果表明,这种方法和基于AR模型的其它谱估计方法在不同信噪比下具有几乎相同的分辨率。因此,该谱估计算法具有重要的实用意义,有助于谱估计算法的实时实现。     

基于非线性共轭梯度法的唯相直接数据域算法

提出一种基于非线性共轭梯度法的唯相直接数据域最小二乘算法。根据标准直接数据域算法得到代价函数,由小相位扰动效应和泰勒展式推导得到代价函数的梯度,使用非线性共轭梯度法对代价函数进行优化,最终确定最优唯相权值向量。作为一种唯相自适应算法,它在硬件实现上比传统算法更具简单性。同时,它只对单快拍数据进行处理,避免了样本协方差矩阵的构造以及矩阵求逆运算,更适合于实时处理。仿真结果表明,算法具有良好的信号恢复和干扰置零性能。     

基于广义简约梯度算法的履带车辆模型参数修正

利用多体系统动力学软件RecurDyn建立了某型高速履带车辆的多刚体动力学模型。为提高模型的准确度,首先提出履带车辆动力学模型准确度静态和动态评价指标,使模型准确度量化;然后以模型主要参数为设计变量,以评价指标为响应进行归一化参数灵敏度分析,并根据分析结果确定模型修正参数;最后利用广义简约梯度优化算法分静态和动态两种工况对模型参数进行了修正。与实测值的对比结果表明,修正后履带车辆动力学模型的准确度明显提高,证明论文提出参数修正方法的可行性和有效性。该修正方法能够有效地提高履带车辆动力学模型的准确度和仿真结果的可信度,研究成果对履带车辆动力学建模与仿真工作具有重要的参考价值。     

基于自适应同步的超混沌Chen系统的参数识别

为了研究超混沌Chen系统的完全同步及未知参数的识别及优化问题,利用两个线性控制器实现参数匹配的两个超混沌Chen系统的完全同步,研究了参数未知的超混沌Chen系统的参数辨识及优化问题,基于Lyapunov稳定性理论,解析地获得同步控制器和参数观测器表达式,其中的控制器个数低于系统维数。研究结果表明:当两个超混沌系统达到完全同步后,驱动系统的5个未知参数被准确识别。该方法在驱动系统的参数发生跃变的情况下也是有效的。     

基于算法参数、模型与模型参数优选的智能DISOPE方法

给出了 DISOPE算法收敛速度指标的定义 ,提出了基于算法参数、模型与模型参数优选的智能 DISOPE方法 ,有效地改善了 DISOPE算法的收敛性能和实用性 .仿真表明了该方法的可靠性和有效性 .     

基于串联型扩张状态观测器的参数辨识

文[1]利用扩张状态观测器辩识系统参数，对于低阶系数取得了较好的辨识效果。但用此方法进行高阶系统的参数辨识时，观测器参数不易调整并且很难在一次辨识中取得较高的辨识精度。为了克服上述方法的两上主要弱点，本文利用串联型扩张状态观测器的输出提供的信息及参数辨识的逐次求精法，逐步缩小系统的不确定范围，提高观测器的估计精度，从而也提高了利用观测器输出来进行参数辨识的精度。同时，此方法也大大降低了调整观测器参数的难度。     

极大熵函数的梯度收敛性

本文讨论了极大炕函数的梯度收敛性     

基于序阻抗法的配电线路参数识别与仿真研究

配电网现场故障试验一般不可频繁重复,工况较为单一,提出一种基于序阻抗法的线路参数识别与故障波形重现方法,构建可进行重复故障仿真验证的线路序阻抗数字模型,在现场试验过程所获得的各个节点数据的基础上,采用对称序分量的计算原理,得出现场所有试验线路段的π型等效电路的正序阻抗和零序阻抗参数,对现场真实线路进行数字化建模,仿真验证结果表明,采用该方法得到的短路接地故障与原故障波形具有极高的相似度,验证了该线路参数识别与故障波形重现技术的实用性。     

基于极大极小准则下的 (n,k,m) 卷积码识别

针对现有识别方法仅适用于特定类型的卷积码,以及容错能力有待提高的问题,提出了一种基于改进门限沃尔什-哈达玛变换(Walsh-Hadamard transform, WHT)的(n,k,m)卷积码参数遍历识别方法。首先,将问题分为非系统和系统形式两种情况进行考虑,根据各自结构特点分别建立关于校验多项式的二元域方程,并建立二元假设;然后,遍历不同的参数组合并利用WHT求解对应方程,通过二元判决得到校验多项式,同时为提升方法的鲁棒性,采用极大极小准则对判决门限进行了改进。最后,利用校验多项式矩阵与生成多项式矩阵的正交关系求解生成多项式。仿真结果表明,该方法对各码率的卷积码均能有效识别,且抗误码性能优于传统方法。     

基于四阶累积量的线性调频信号参量估计

针对加性高斯有色噪声背景下的一维、二维线性调频信号的参量估计问题,引入高阶统计量,提出了一种基于四阶累积量的新方法。该方法利用高阶累积量对加性高斯噪声有较好的抑制能力的特性,结合极大似然方法,可获得较低信噪比下的线性调频信号参量的较高精度的估计。给出了应用该方法的具体步骤,通过仿真实验证明了该算法的有效性。     

基于自适应Metropolis算法的 α 稳定分布参数估计

基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法的α稳定分布参数估计具有良好的性能,但不合适的提议函数常导致算法不收敛或混合性能不好。针对提议函数难以选择的问题,提出了一种基于自适应Metropolis算法的非对称α稳定分布参数估计新方法。该方法利用Markov链的历史信息自动调整提议函数的协方差矩阵,使其不断地逼近目标分布,从而获得更好的估计结果。理论分析和仿真结果表明,此方法不仅能准确地估计出α稳定分布的4个参数,而且具有良好的鲁棒性和灵活性。     

基于改进 HAF的线性调频雷达信号参数估计

针对多项式相位信号(PPS)中的线性调频(LFM)雷达信号参数估计,通过提出频谱方差极大值准则对PPS次优参数估计方法高阶模糊度函数(HAF)进行了改进,提出了适于单分量LFM参数估计的改进HAF。首先讨论了HAF对LFM参数的估计方法及其局限性,然后提出了分段频谱方差极大值法则下LFM调频斜率估计的方法,将其与HAF相结合提出了单分量LFM参数估计的改进HAF,克服了接收信号与实际信号起点不一致性对HAF带来的影响,降低了由于HAF局限性带来的调频斜率估计误差,改善了HAF的累积误差效应。MATLAB仿真验证了改进方法较HAF的优越性。     

基于改进粒子群优化的广义K-分布杂波模型参数估计方法

在杂波建模、仿真和分类识别研究中,杂波模型参数估计是一个重要的内容。广义K-分布杂波模型的散斑分量和幅度调制分量均服从广义Gamma分布,参数估计存在高维、非线性等问题。将改进的粒子群优化算法应用于广义K-分布杂波模型参数估计,采用均匀设计方法初始化粒子群,利用交叉变异策略改善粒子群优化的全局收敛性,该方法能准确地估计杂波模型各参数,计算简单,收敛速度较快,稳定性较好。仿真实验结果表明该方法具有良好的适应性和估计精度,验证了其有效性和准确性。     

基于AF的多相编码脉冲脉内调制参数估计

雷达信号脉内调制参数估计是电子对抗领域的一个重要问题。推导了P4编码脉冲信号模糊函数(ambiguity function, AF)的表达式,得出AF幅度图像上距离主脊线最近的脊线在时延轴和多普勒轴上截距分别等于编码时长和子码率这一结论。采用RAT(Radon ambiguity transform)和图像Radon变换估计信号参数,采用三次多项式插值方法提高估计精度。分析了估计方法应用于不同码型编码脉冲信号的输出信噪比,理论分析和仿真结果都说明,估计算法对P3和Frank编码脉冲比P1、P2和P4有更好的估计性能。     

基于多保真度代理模型的装备系统参数估计方法

系统参数估计是武器装备系统设计研制中的关键一环.针对复杂系统设计中逐渐突显的系统复杂性激增、需求动态性变化、响应的快速性、缺乏高精度数据等问题,提出一种基于多保真度代理模型的单装备系统参数估计方法.首先,该方法基于传统Kriging模型对低保真度数据建立代理模型.然后,将该模型作为全局趋势模型,插入高保真度数据建立多保...     

基于ESPRIT算法的柱面共形阵列天线DOA估计

由于共形天线阵列流形的多极化特性(polarization-diversity,PD),信源方位参数与极化状态的“耦合”是实现共形阵列天线波达方向(direction-of-arrival, DOA)估计的主要难点。针对柱面共形阵列天线的特点,建立了柱面共形阵列天线的导向矢量模型;通过合理的阵元排列结构设计,结合ESPRIT (estimation of signal parameters via rotational invariance techniques)算法参数估计的特点,实现了信源极化状态与方位参数的去耦合,推导了ESPRIT算法多参数估计的参数配对方法,最终提出了柱面共形阵列天线盲极化DOA估计算法。计算机Monte Carlo仿真实验验证了所提算法的有效性。