基于非相干累积的微弱GPS信号相位估计

针对全球定位系统(GPS)微弱信号相位估计不能满足实际应用的问题,利用二倍相位处理和直接判决反馈这两种方法消除导航数据跳变的影响,提出了基于非相干累积的最大似然(ML)相位估计器. 通过理论分析,推导出信噪比表达式,利用条件概率密度函数(CPDF)的数值积分计算出估计器的均方根误差(RMSE),证明非相干累积有效降低了ML相位估计器的RMSE,提高了GPS微弱信号相位估计能力. 仿真结果验证了理论分析和所提算法的有效性,基于FPGA的实现结果表明算法的可应用性.      

基于中心差分卡尔曼滤波的航天器视觉相对导航算法研究

在航天器视觉相对导航过程中,量测方程的非线性特性会影响航天器相对位姿的估计精度.分析了扩展卡尔曼滤波方法(EKF)将非线性模型线性化时存在的缺点,研究了中心差分卡尔曼滤波方法(CDKF),提出用中心差分卡尔曼滤波方法来解决视觉导航中两航天器的相对位姿估计问题,并给出了EKF与CDKF的仿真结果.仿真结果表明在相同条件下,CD-KF算法比EKF具有更高的精度和稳定性,该方法能够在航天器视觉相对导航中应用.     

基于频率微分属性的跳频信号参数估计

提出了一种基于跳频频率变化微分属性,能够估计跳周期、跳变时刻和跳频频率的特征参数方法.与传统平滑伪维格纳分布最大值序列算法相比,该方法增强了跳变时刻信号检测的可靠性,提高了参数估计的精度.仿真结果和性能分析表明了算法的有效性和实用性.     

约束无迹粒子滤波及其在车辆导航中的应用

针对城市高楼密集区,卫星导航信号易被干扰或遮挡、航位推算长期定位误差积累导致车辆组合导航定位精度差的问题,提出一种约束无迹粒子滤波算法。首先,该算法利用无迹卡尔曼滤波对实时状态的均值和方差进行估计,生成的高斯分布作为粒子采样的重要性函数,克服了粒子滤波重要性函数难以选取的问题。其次,采用从观测方程中提取约束条件、构建约束方程的方法,解决约束条件难以构造和新增约束方程导致算法计算量激增的缺陷。再次,通过构造拉格朗日函数,得到无迹粒子滤波的状态估值投影到约束平面的最小值。然后,设计车辆组合导航系统的车辆运动约束方程和道路约束方程,对状态估计值进行约束,修正误差大的估计值,提高了状态量的估计精度。最后,将提出的约束无迹粒子滤波应用到全球定位系统/航位推算车辆组合导航系统中进行仿真验证,并与无迹粒子滤波和自适应无迹粒子滤波进行比较。结果表明:提出的算法估计得到位置误差均值控制在1.5 m左右,而2种比较算法估计得到的位置误差均值控制在3 m左右;提出算法的位置误差估计精度明显优于2种比较算法,车辆组合导航定位性能得到了改善。该方法为驾驶人提供了可靠的反馈信息,避免了交通事故的发生,从而减小了人员伤亡和经济损失。     

融合速度估计与里程计位姿的扫描匹配改进算法

为改进低帧率激光雷达在扫描匹配中的扫描畸变问题,提出了融合速度估计与里程计位姿估计的扫描匹配改进算法。首先以迭代最邻近点匹配为基础算法,分析了现有算法的问题所在。其次对扫描畸变问题展开分析,运用里程计位姿估计对激光位姿进行分段位姿估计。通过对分段内激光点进行速度估计,进一步确定激光点位姿。给出了具体的算法原理,并进行了仿真实验和具体的对比实验。仿真结果与实际试验结果表明,本文算法在匹配精度上优于ICP算法及VICP算法。     

PRM蚁群融合算法的AGV路径规划研究

针对AGV运货时需一次性取多件货物的路径规划问题,提出一种PRM算法与蚁群算法相结合的融合算法,将问题拆分为路径的选择与TSP问题分布解决,即先利用PRM算法进行AGV路径规划,再利用蚁群算法决策出取货顺序,生成总的路径。最后采用matlab进行仿真实验,并与A*算法进行对比,结果证明了PRM蚁群融合算法比A*算法得出的路径更短、效率更高。     

无人驾驶车辆单目视觉里程计快速位姿估计

针对传统的单目视觉里程计位姿估计算法无法满足无人驾驶车辆实时定位需求的问题,提出了一种基于基础矩阵性质改进的快速位姿估计算法。通过优化基础矩阵的计算过程来提高算法的实时性,首先得到含有8个未知参数的基础矩阵,然后利用特征匹配点对来求解基础矩阵。通过仿真实验对算法的效率和精度进行了分析,并将其与现有的算法进行了对比。实验结果表明,在不降低运动估计结果精度的前提下,优化后的位姿估计算法的运行速度可以在传统算法的基础上提高近4倍。研究对视觉里程计在无人驾驶车辆上的实时应用具有一定的参考价值。     

一种新的基于PRM的多端口微波器件测量方法

端口还原法(PRM)是一种通过多组端口接负载的n-1端口的散射矩阵获得n端口散射矩阵的方法。通过这种方法可以减少对测试仪器的校准过程。当n端口的微波器件通过端口接相应的负载降低为两端口微波网络时,两端口的散射矩阵可以通过传统的两端口矢量网络分析仪测量获得。但是传统的PRM方法需要三种相应的端口负载,本文提出的新型PRM测量方法只需要两种相应的端口负载,使PRM算法更加简化。仿真结果显示该PRM算法具有良好的精度。此外,该算法比使用理想负载的两端口网络分析仪测量结果更准确。     

伽利略E1-BOC信号的改进捕获算法及性能分析

在时域并行FFT捕获算法的基础上,采用在频率搜索维上基于能量搜索的策略对伽利略E1-Boc信号的捕获进行了仿真和实验分析.在伽利略仿真信号的码延迟时间为1.8 ms,多普勒频移为600 Hz,导航电文调制速率为250 bit/s,数值为±1的情况下分别从捕获率、ROC操作特性曲线以及计算复杂性3方面对能量捕获算法性能进行了验证,并与AV, Zero-Padding两种算法进行了比较.结果表明,能量捕获算法在载噪比为32 dB/Hz的室内微弱信号环境下,捕获率能达到90%,且ROC操作特性曲线和计算复杂性等综合性能均优于AV,Zero-Padding两种算法,适用于数据跳变发生频繁的微弱伽利略E1-BOC信号的捕获.     

基于STFT与SPWVD的跳频参数盲估计算法

为了降低欠定条件下多网台跳频信号参数盲估计误差,提出一种基于短时傅里叶变换(STFT)与平滑伪WVD分布(SPWVD)相结合的方法.该方法先对信号进行STFT,确定跳变时刻的粗估计范围,再对粗估计范围内的信号进行SPWVD,得到跳变时刻的精确估计,从而估计出跳周期.理论分析与仿真实验结果表明:所提算法在欠定条件下可有效估计出同步正交多网台跳频信号的各参数,与现有的基于时频稀疏性的时频图修正方法相比,在复杂度少量增加的前提下,参数估计误差大幅减小.当信噪比为-4dB时,跳周期、跳变时刻、载频相对估计误差降低了2个数量级,而复杂度只增加了6倍.     

钻井液流变参数的非线性最小二乘估计算法

钻井液流变模式的参数估计问题大多使用线性回归方法求解,然而,线性回归方法改变了测量误差的统计特征,使得所得到的流变参数估计不具有无偏性和方差最小等特点.针对3种非线性流变方程(幂律模式、赫巴模式和卡森模式)的特点,分别提出了非线性最小二乘估计的新算法.该算法不需要人工给定迭代初始值,迭代过程稳定收敛到最小点,不会陷入极小点陷阱,存储需求小,收敛速度很快,所得到的流变参数估计具有拟合残差近似无偏性和方差几乎最小的优良统计特征.大量的实际钻井液算例表明,新方法具有比线性回归方法更小的拟合方差,拟合残差统计特性优于线性回归方法.     

时变扩散模型中收益参数向量的局部复合分位回归估计

主要研究多维时变扩散模型中收益参数向量的估计问题.基于离散观测样本,利用局部线性拟合的方法,得到了时变漂移参数向量的局部复合分位回归估计,并证明了估计量的渐近正态性.同时,给出了估计量的渐近偏差和渐近方差.     

一阶转移Poisson模型参数的统计推断

分析了一阶转移Poisson模型，给出了参数估计的方法．理论分析结果表明，参数估计具有渐近正态性，方差矩阵的估计具有相合性．     

空间变异函数的数学模型及参数反演

空间变异函数在克里格估计中占有重要地位.基于椭圆分布函数可导出两类空间变异函数的数学模型.一类是只考虑变程各项异性的模型,称之为AE模型;一类是只考虑拱高各项异性的模型,称之为CE模型.传统的方法需要先进行空间变异函数的拟合,然后进行克里格估计.交叉检验方差是评价估计精度的一项重要指标.根据克里格方程组的重要性质,克里格估值仅与标准变异函数有关,对标准变异函数进行线性变换得到新的变异函数不会改变克里格估值和交叉检验方差.因此,用拟合方法获得的最优变异函数进行交叉检验,通常并不能有效地降低交叉检验方差.如果直接以交叉检验方差为目标函数进行参数反演,则可以有效地解决这个问题.变异函数数学模型一般含有5个参数,其中2个是线性变换作用.进行交叉检验时只需研究标准变异函数的3个参数,从而可以降低参数反演的复杂度.研究表明:较之AE类模型CE类模型具有更强的适应性,通常可获得更小的交叉检验方差;鉴于评价面非常复杂,将遗传算法(GA)应用于参数反演是可行和有效的.滦河流域降水量空间插值实例表明,交叉检验均方差降幅分别为11.7%和29.8%.     

基于S方法熵测度优化的跳频信号参数估计

提出一种S方法结合熵测度优化进行跳频信号参数估计的新方法.该方法在获取信号优化时频分布的基础上,基于时频平面设计参数估计算法,可以在不需要任何先验知识的情况下,估计出跳频周期、跳变时刻和跳频频率等参数.另外,在高斯噪声环境下对分析结果进行了仿真.结果表明,该方法对跳频信号的参数估计优于其他时频分析方法,减小了参数估计的偏差和估计方差,而且优化过程的复杂性也有所降低.     

长白落叶松人工林直径分布模型的研究

Ｗｅｉｂｕｌｌ分布拟合实际的林分直径分布,效果良好。在Ｗｅｉｂｕｌｌ三参数及林分因子的基础上,建立了参数预测模型和参数回收模型,经误差检验,参数回收模型优于参数预测模型。     

纵向污染数据回归模型中污染源密度的估计

研究了带有重复观测的线性回归模型中响应变量在受到另一随机变量序列污染时,污染源分布密度的估计问题.在较一般的条件下,对于纵向污染数据,构造了污染数据线性回归模型的参数和污染源密度的估计方法,并且证明构造的密度估计具有L2收敛性.由于在估计方法中无需假定误差方差,因此,所构造的估计方法更符合实际应用情况.     

基于多尺度最小二乘确定长记忆过程参数的方法

利用离散小波变换对随机过程或时间序列进行多尺度分析,在多尺度空间中研究时间序列的方差及性质,利用小波方差的对数近似地线性依赖尺度对数这一特性,将最小二乘估计方法应用到长记忆过程参数估计问题中,从而提出长记忆过程的多尺度最小二乘估计的新方法.利用此方法不但能降低对随机参数估计时的计算量,而且在精度上也可达到令人满意的结果.     

双边定时截尾下Pareto分布的参数估计

在双边定时截尾样本下,用极大似然法求Pareto分布中形状参数的估计,由于似然方程较复杂,无法得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的. 由于EM算法是处理缺损数据的一种有效方法,因此利用该算法来求参数的估计问题.用EM算法得到了形状参数估计的迭代式,借助Louis遗失信息原则得到了估计的渐近方差,根据中心极限定理得到了形状参数的近似置信区间.随机模拟结果表明形状参数的EM估计收敛到其极大似然估计.实例给出了不同样本下参数的点估计和区间估计.     

随时间变化系数参数AR模型的Bayes估计

采用Bayes方法,给出一维随时间变化系数自回归时间序列模型(TVPAR模型)中各参数的Bayes估计.选取未知参数的先验分布为均匀分布和逆伽马分布,采用MCEM算法,给出了模型中各参数的估计算法,并对模型进行了模拟计算与实证分析.