基于Metropolis Hastings抽样短采样宽带信号方位估计AML算法

针对短采样宽带信号近似最大似然（approximated maximum likelihood,AML）方位估计计算量大的问题,将马尔科夫链〖CD*2〗蒙特卡罗方法与近似最大似然方位估计相结合,提出一种基于Metropolis Hastings抽样的近似最大似然方位估计方法（AMLMH）。该方法将AML算法的空间谱函数作为信号的概率分布函数,并利用Metropolis Hastings抽样方法从该概率分布函数中抽样。研究结果表明,AMLMH方法不但保持了原近似最大似然方位估计方法的优良性能,而且减小了计算量。     

基于蚁群算法的最大似然方位估计快速算法

针对最大似然(maximum likelihood, ML)方位估计方法多维非线性搜索计算量大的问题,将连续空间蚁群算法与最大似然算法相结合,提出基于蚁群算法的最大似然 (ant colony optimization based maximum likelihood, ACOML) 估计新方法。该方法将传统蚁群算法中的信息量留存过程拓展为连续空间的信息量高斯核概率密度函数,得到最大似然方位估计的非线性全局最优解。仿真结果表明,ACOML方法保持了原最大似然方位估计方法算法的优良估计性能,而计算量只是最大似然方法的1/15。     

双站纯方位空时软约束无迹粒子滤波算法

针对双站纯方位机动目标跟踪中由信息不完全和非结构化测量环境导致的有界混合似然问题，提出空时软约束无迹粒子滤波算法。针对目标先验未知，利用光电经纬仪对极几何约束测量空间点，预测空间曲面中心计算转弯率；为覆盖多域似然，采用无迹变换技术更新目标状态，引入模糊测度调制重要性函数；为保持估计方差维数不变性，根据狄拉克后验采样提取目标状态。仿真结果表明，对于典型的双站经纬仪跟踪空域点目标，相比于Rao-Blackwell多模型粒子滤波，提出算法的计算复杂度与单模型粒子滤波量级相当；相比约束辅助粒子滤波算法，提出算法的滤波精度提高了27%～41%。     

数论网格法在极大似然估计中的应用

复杂似然函数的多峰性使得极大似然估计的求解存在很大困难。针对这一问题,提出了求解极大似然估计问题的数论网格法。讨论了数论网格法的特点,理论分析了其算法精度,给出了基于数论网格的序贯优化算法的计算步骤,研究了初始搜索区域和算法初始参数的确定方法。最后,以两参数威布尔分布参数极大似然估计为例,给出了极大似然估计的计算过程,比较了序贯优化算法和对分法的估计结果,说明了序贯优化算法的有效性和计算效率。     

基于EM算法的水下目标辐射噪声模型参数估计

对水下目标辐射噪声的混合高斯模型进行参数估计时,针对极大似然函数很难求解的问题,研究了一种使用海洋环境噪声统计信息的期望值最大算法(EM算法).在对Bouvet和Schwartz水下目标辐射噪声信号和海洋环境噪声模型研究的基础上,修正了传统的EM统计算法,以降低计算的复杂度,提高迭代收敛速度.仿真结果和实船信号实验数据的一致性,表明基于EM算法的混合模型参数估计方法,使得参数估计复杂度降低,运算量明显减少,估计性能较好,具有很好的应用价值.     

用于离散变量因果分析的贝叶斯网络学习

针对现有基于贝叶斯网络离散变量因果分析方法具有低效率和局限性等问题.使用依赖分析方法建立贝叶斯网络骨架,结合碰撞识别方法、变量之间的预测能力和描述长度极小准则确定边的因果方向,进行具有多项式复杂度的离散变量因果贝叶斯网络学习来避免这些问题,并给出了因果贝叶斯网络中定量因果信息传递计算方法.同时,针对小样本情况建立了因果最大似然树学习方法.     

几种调制分类方法的原理与仿真试验研究

准对数似然函数比 (qLLR)、相位统计矩和不同阶幅度矩是调制分类的新方法。用qLLR方法构造检测MPSK信号的假设检验及其对数似然函数比 ,并求其数学期望 ,得到qLLR以BPSK/QPSK信号分类。相位统计矩方法利用MPSK信号符号初相位偶阶统计矩为M的单调递增函数的特性 ,并进行M进制识别复合假设检验。不同阶幅度矩进行调制分类的方法利用MPSK/MQAM信号每符号段波形起始点与其它点幅度的乘积统计矩特征进行调制分类。给出了计算机仿真试验评估。     

一种频域自适应最大似然时延估计算法

提出了一种基于平方相干函数的频域自适应最大似然时延估计算法。该算法构造了一种广义相位数据最大似然加权函数,并通过自适应估计输入信号的平方相干函数加以实现。算法的性能分析和仿真实验表明,该算法有更好的时延估计精度、收敛速度和跟踪性能,能够有效提高低信噪比环境下的低空目标被动声探测的时延估计性能。     

基于最大似然序列检测的PTS相位系数优化

建立了搜索最优PTS相位系数的树形网格模型,提出了一种基于最大似然序列检测的PTS算法(ML.PTS).该算法采用改进的最大似然序列检测算法搜索得到降低正交频分复用(OFDM)峰均比的最优PTS相位系数.仿真结果表明,在可控复杂度条件下,选择适当的译码深度,该算法可获得最接近相位系数最优解的可行解,最大程度地改善了OFDM信号峰均功率比统计特性.     

利用贝叶斯模型进行热参数估计

对利用Bayesian模型分析热传导反问题中的导热系数预测问题的方法进行了研究。导热系数反问题的解是其后验概率密度的数学期望,用MarkovchainMonteCarlo算法计算后验状态空间以得到未知导热系数的统计估计。方法中取导热系数的先验分布满足正态分布,似然函数中的温度数据满足稳态零均值白噪声,先验分布与似然函数相乘得到后验概率密度函数。采用Metropolis-Hasting算法进行数据采样构造Markovchain,并截取收敛后的样本进行分析。     

Fast method for spreading sequence estimation of DSSS signal based on maximum likelihood function

To estimate the spreading sequence of the direct sequence spread spectrum (DSSS) signal, a fast algorithm based on maximum likelihood function is proposed, and the theoretical derivation of the algorithm is provided. By simplifying the objective function of maximum likelihood estimation, the algorithm can realize sequence synchronization and sequence estimation via adaptive iteration and sliding window.since it avoids the correlation matrix computation, the algorithm significantly reduces the storage requirement and the computation complexity. Simulations show that it is a fast convergent algorithm, and can perform well in low signal to noise ratio (SNR).     

残留频偏下LDPC-MSK系统码辅助载波同步算法

针对低信噪比条件下低密度奇偶校验码〖CD*2〗最小频移键控系统载波同步实现困难的问题,提出了一种新的码辅助载波同步算法。该算法将译码软信息分别运用到基于代价函数的载波粗同步和基于最大似然迭代的载波细同步之中,将同步器、解调器与译码器联合迭代,从而实现较理想的载波同步。理论研究和仿真结果表明,在低信噪比条件下,该算法能够在大频偏、大相偏范围内实现有效的载波同步,并以较低系统复杂度的代价,获得近似理想的系统性能。     

正弦调频干扰下二进制偏移载波的精确捕获

针对正弦调频(sinusoidal frequency modulation, SFM)干扰下二进制偏移载波(binary offset carrier, BOC)信号捕获困难的问题,提出了一种基于离散SFM变换(discrete SFM transform, DSFMT)和部分匹配滤波结合全相位快速傅里叶变换(partial matched filter-all phase fast Fourier transform, PMF-apFFT)的干扰抑制捕获改进算法。该算法首先通过FFT估计SFM干扰的调制频率,在调制频率估计的基础上进行DSFMT,然后从DSFMT域中去除干扰成分再做DSFM反变换(inverse DSFMT, IDSFMT)实现干扰抑制,最后对干扰抑制后的BOC信号采用PMF-apFFT方法完成精确捕获。理论分析与仿真结果表明,所提算法在不影响DSFMT性能的前提下大幅简化了传统DSFMT的计算复杂度,并且在同等情况下,当检测概率为1时,所提算法的性能相比于DSFMT结合PMF-FFT的算法提高了大约3 dB。     

正弦调频干扰下二进制偏移载波的精确捕获

针对正弦调频(sinusoidal frequency modulation, SFM)干扰下二进制偏移载波(binary offset carrier, BOC)信号捕获困难的问题,提出了一种基于离散SFM变换(discrete SFM transform, DSFMT)和部分匹配滤波结合全相位快速傅里叶变换(partial matched filter-all phase fast Fourier transform, PMF-apFFT)的干扰抑制捕获改进算法。该算法首先通过FFT估计SFM干扰的调制频率,在调制频率估计的基础上进行DSFMT,然后从DSFMT域中去除干扰成分再做DSFM反变换(inverse DSFMT, IDSFMT)实现干扰抑制,最后对干扰抑制后的BOC信号采用PMF-apFFT方法完成精确捕获。理论分析与仿真结果表明,所提算法在不影响DSFMT性能的前提下大幅简化了传统DSFMT的计算复杂度,并且在同等情况下,当检测概率为1时,所提算法的性能相比于DSFMT结合PMF-FFT的算法提高了大约3 dB。     

改进的OFDM/OQAM预编码信道估计方法

基于偏移正交幅度调制(offset quadrature amplitude modulation,OQAM)的正交频分复用(orthogonal frequency division multiplexing,OFDM)系统为获得良好的系统性能,系统在接收端的信道估计是重要一环。针对离散导频OFDM/OQAM系统的信道估计问题,分析了该系统典型的预编码方法,指出了其计算复杂度大的问题。在此基础上,提出了一种改进的预编码方法。该方法采用两个预编码矩阵,减少了每次编码的时频格点数目。该方法减小了预编码矩阵的维数,进而显著降低了系统信道估计的计算复杂度。仿真结果表明,在相同的信道条件下,该方法能够保证与预编码方法相近的信道估计精度,同时有效降低系统计算复杂度。     

适用于BOC任意调制阶数的无模糊捕获算法

通过研究二进制偏移载波(binary offset carrier,BOC)自相关函数的特点,提出了一种适用于BOC任意调制阶数的无模糊捕获算法。将BOC自相关函数进行翻转、截取、相叠加,构造出一种新的相关函数,与原自相关函数的绝对值相加后,可以完全消除副峰。理论分析和仿真实验结果表明,该算法对任意调制阶数的BOC信号均适用;通过对比新算法与其他算法在不同BOC调制阶数之间的检测性能,在相同载噪比下,新算法的检测概率更高;算法的复杂度低,并且不会随着调制阶数的升高而增大;捕获结果保持了较窄的主峰宽度;鉴相输出不会造成误锁现象,能够准确跟踪信号。     

MIMO系统中基于因素图的迭代信号检测算法

基于无线通信中接收信号的似然检测模型,给出发送信号估计和推理的因素图描述。在此基础上,应用标准和积算法提出一种频率选择性衰落信道下的多输入多输出(multiple input multiple output,MIMO)系统的迭代信号检测算法。为了降低计算复杂度,提出一种快速迭代检测算法,通过引入概率数据关联方法,避免了标准和积算法中符号概率估计的积分计算。仿真结果表明,应用标准和积算法得到的迭代信号检测算法可以逼近最优算法的性能,而快速迭代检测算法在大幅降低计算复杂度的同时,误码率性能比传统的最小均方误差算法有较大优势。     

#br# 解析搜索偏移量的InSAR图像精配准方法

基于插值的干涉合成孔径雷达(interferometric synthetic aperture radar,InSAR)图像配准方法能够达到亚像素精度,但配准精度取决于插值单元尺度,且计算量会随精度要求提高大幅增加。提出了一种将图像配准过程转化为连续函数优化问题的精配准方法。首先,该方法通过整合插值和互相关函数搜索过程构造了一个解析代价函数,在连续域内搜索的偏移量精度不依赖于插值单元,提高了配准精度;然后利用该代价函数对于偏移量参数的梯度信息,采用拟牛顿法来优化代价函数,快速收敛并得到与最优值对应的亚像素偏移量,具有较低的运算量。实验结果表明该方法与传统方法相比有更高的配准精度,且在计算复杂度方面有较大改善。     

基于自适应遗传算法的超平面分类及遥感应用

智能分类算法是遥感影像分类研究的热点,遗传算法作为一种智能全局优化技术在遥感影像分类中具有良好应用前景.针对现有多光谱遥感影像分类方法的不足,提出了基于自适应遗传算法的超平面分类方法(hyper plane-adaptive genetic algorithm,HP-AGA)并应用于遥感影像分类,该方法利用神经网络中的神经元激活函数Sigmoid函数,对遗传算法中交叉率、变异率进行非线性自适应性调整,不再需要反复训练遗传参数,同时利用快速全局寻优特点,确定分类超平面的各个位置参数,从而获取最佳分类超平面集进行分类.多光谱遥感影像分类方法的应用实验表明,基于自适应遗传算法的超平面遥感分类方法能更快、更稳定地收敛到全局最优解,具有更好的效率及鲁棒性,并能取得优于简单遗传超平面分类算法及传统分类方法的分类精度.