SAGE算法的TD-SCDMA空时分组多用户检测算法

针对时分同步码分多址(TD-SCDMA)上行失步以及强多址干扰的情况,提出了一种基于SAGE算法的空时分组多用户检测算法。该算法以各用户上行信号的DOA信息为基础,对接入用户的上行多径信号进行最大比合并,在空域进行分组,在每个组内进行多用户检测,最后利用SAGE算法进行迭代干扰消除。仿真结果表明,上行失步和强多址干扰情况下,该算法的误码率性能较传统的匹配滤波,联合检测以及解相关算法有较大的提升。     

MEMS矢量传感器方位估计误差分析

为提高MEMS仿生矢量传感器的定位精度,对其误差来源进行分析。对于单个矢量传感器,误差来源于其自身灵敏度不一致及流噪声的影响。提出通过分段插值来绘制线性曲线、选用差分测量结构和调整两路输出信号的大小使灵敏度一致;对于流噪声产生的误差,提出一种加聚氨酯导流罩的新结构,可以使水听器抑制流噪声的能力较之前提高20 dB。对阵列而言,选取不同阵元数进行仿真对比分析,得出随着阵元数的增加,水声传感器阵列DOA估计的准确度会随之增高,分辨力也随之增强。通过对影响MEMS矢量传感器方位估计的误差来源进行分析,进一步提出解决方案,为提高其定位精度提供了有力的科学支撑,从而为MEMS矢量传感器的工程化应用奠定了坚实的基础。     

通信误码率对浮标声纳系统DOA估计性能的影响

浮标声纳受到功耗、体积和硬件复杂度等因素的限制,通常将接收数据通过无线信道发送到终端设备进行处理。由于多径传播、衰落特性以及多普勒效应等众多因素的干扰,信号在无线通信传递中会产生误码并影响最终系统性能。针对复杂传输信道环境下的浮标声纳系统,研究了误码率对系统的多目标方位估计性能的影响,并通过计算机仿真给出了误码率允许的门限。     

浅海远程目标稳健方位估计方法性能分析

受浅海多途效应的影响,传统方位估计方法在空间谱上将出现谱峰偏离甚至分裂现象。针对这一问题,提出了一种新的浅海稳健方位估计方法。该方法将简正波模型与阵列信号模型相融合,推导出新的阵列源矢量形式,并结合矢量最优化对阵列源矢量误差施加有效约束,进而提高高分辨方位估计的稳健性。性能仿真分析表明:当存在海水跃变层深度、海水深度及声速梯度等不确定条件下,该方法均具有更高的主峰与旁瓣比以及更窄的-3dB波束宽度。     

ISAR成像方位向定标方法研究

提出了一种适合工程应用的ISAR方位向定标方法,通过对相位数据的平滑、分段、拟合,完成了对转速的快捷准确的估算,同时分析了散射点分布对定标精度的影响,结合仿真和试验数据验证了方法的有效性,并根据工程实践的经验,提出了一些提高定标精度的准则。     

航母战术空中导航系统

战术空中导航的原理战术空中导航系统(TACAN,"塔康")是一个极坐标无线电空中导航系统,飞行员能从该系统的距离测量设备(DME)上获得距离信息和方位信息,该信息一般由2台仪表提供。一台仪表指示飞机离开地面(母舰)信标的距离,单位是海里;另一台仪表指示飞行方向,单位是相对地面信标地理位置的方位度。利用安装在飞机上的战术空中导航设备和安装在水面舰船     

方位偏差在多方位—初距法解算目标运动中的应用

多方位—初距法是潜艇解算目标运动要素的常用方法之一,所提供的估计初始距离的准确程序直接影响解算的可信度。为了及时评判估计初始距离的准确程度,引入方位偏差的概念,作为潜艇指挥员修正估计初始距离的重要依据。方位偏差是利用部分方位序列解算目标运动要素,根据解算结果推算当前目标方位,与当前实测目标方位相比较的结果。利用估计初始距离与真实初始距离差异性反映到方位偏差的变化规律,可以迅速有效地调整估计初始距离,使解算过程快速收敛到理想解。     

一种“炮身轴线偏移”检测的新方法

通过光电编码器、步进电机细分电路及可编程逻辑控制器技术,提出了炮身轴线偏移检测的全新方法,克服了传统方法检测精度不高、自动化程度低等不足。基于该方法研制的检测系统,经某新型自行榴弹炮火力系统装配及实弹射击检验,证明该方法是可行的。     

火箭助飞鱼雷入水点测量系统的设计与实现

火箭助飞鱼雷入水点测量系统用于鱼雷试验中鱼雷入水点大地坐标和鱼雷水下二维弹道轨迹测量,首次采用了矢量换能器技术对入水信号进行测量,深入研究矢量信号的处理方法,给出系统总体方案设计、工作原理及系统组成等,并对系统中采用的时空关联等关键技术进行了分析,实验测试结果表明系统采用方法可行、设计合理,可为同类系统设计提供参考。     

纯方位系统TMA非线性最小二乘法——理论数学模型与常规算法

对非线性最小二乘法应用于纯方位系统目标运动分析进行了综合评述,介绍了经典的非线性最小二乘法及几种常规算法：高斯—牛顿迭代法,麦夸脱迭代法,自适应非线性最小二乘法,给出了非线性最小二乘法对纯方位目标运动分析的四个数学模型：高度非线性模型,减弱非线性模型,再减弱非线性模型,再进一步减弱非线性模型。