基于节约训练时隙的多中继协作通信分段信道估计

在多中继放大转发协作通信系统中,针对分段信道估计时需要增加额外的时隙来发送训练序列的问题,提出一种节约训练时隙的分段信道估计方法。该方法结合预编码技术和半盲信道估计技术,在源节点对数据序列进行预编码,使其与训练序列正交后叠加,在中继节点进行预编码,使不同中继间的训练序列彼此正交,进而估计出每条链路的信道信息值。仿真结果表明,提出的方法只需占用1个训练时隙,并可有效获取S→R链路和R→D链路每段链路的信道信息,且R→D链路的平均MSE估计性能比S→R链路大约有5 dB的优势,提高了系统的传输效率。     

考虑退化-冲击竞争失效的系统可靠性建模

针对在复杂环境中工作的关键系统,提出一种考虑退化-冲击关联竞争失效的可靠性建模方法。选取Wiener过程和齐次泊松过程分别描述自然退化与随机冲击,通过冲击造成的退化增量表示退化-冲击之间的关联性,基于此建立退化-冲击关联竞争失效的退化模型和可靠性模型;通过定期检测获取系统退化数据,采用极大似然法估计退化模型参数;以陀螺仪为例,通过对比分析和敏感性分析验证了模型的有效性和应用价值。     

基于Bayes估计的高炮虚拟校射理论

给出了脱靶量的定义,建立了小口径高炮虚拟校射脱靶量的一维数学模型,分析了脱耙量的统计性质,在此基础上运用贝叶斯估计理论,推导出校正量的最优估计量方程,并进行了相应分析.脱靶量可以作为一种离散的随机序列,任何一种特定的脱靶量序列均可表示为某种蜕化的广义马尔柯夫序列;脱靶量状态的最优估计问题是:基于观测输出{x(k);k=0,1,2,…}先验信息求取状态X(k)的最优滤波估计^X(k/k),使估计误差的方差最小,从而大大提高小高炮的射击精度.     

基于红外传感器的多无人机对高速飞行器协同定位跟踪方法综述

为了实现高精度远距离稳定定位与跟踪,多无人机搭载红外传感器对高速飞行器的定位跟踪方法成为研究热点。就此背景进行了综合评述,以相关技术难点及关键技术为切入点,分析了瞬时定位和动态跟踪问题的研究现状和发展方向。在瞬时协同定位方面,首先对目标瞬时定位的算法进行了分析对比,然后对造成定位误差的影响因素进行分析并探讨了误差补偿方法,最后针对传感器资源优化,讨论了能够使计算结果最优的传感器分布阵型。在动态跟踪方面,首先探讨了时间不同步问题对目标跟踪的影响及补偿方法,然后对目标运动学建模的问题进行了分析,最后对最优估计问题中各种滤波算法的应用进行对比。综述表明,无人机搭载红外传感器对高速飞行器进行定位和跟踪,存在误差来源多、相对运动速度快的技术难点,需要特别关注定位算法、误差来源及最优估计算法的影响,以尽可能实现稳定跟踪。     

面向浅海水声通信的TB-GOMP信道估计算法

针对广义正交匹配追踪(generalized orthogonal matching pursuit, GOMP)算法复杂度较高、估计误差偏大、所需导频数过多、估计性能过度依赖原子选择数且未充分考虑噪声情况的问题,提出基于原子门限和回溯的广义正交匹配追踪(generalized orthogonal matching pursuit algorithm based on atomic threshold and backtracking, TB-GOMP)算法,并将其应用于水声正交频分复用(orthogonal frequency division multiplexing, OFDM)系统的压缩感知信道估计框架中。所提算法从多角度对GOMP算法进行改进,首先提出合理的原子门限,对原子精细筛选,利用原子门限不仅可以提高支撑集可靠性,还能通过降低运算复杂度缩短运行时间;其次,引入回溯思想消除算法中包含的误选原子,提高信道估计精度;最后,充分考虑到噪声因素,将迭代停止条件设置为噪声的L₂范数。多组实验结果表明所提算法在噪声环境下能有效估计浅海水声信道,并且在估计精度、...     

基于事件的视觉SLAM综述

事件相机是一种生物学启发的新型视觉传感器。不同于传统相机输出强度图像帧,事件相机检测每个像素点的亮度变化,当亮度变化超过某一阈值,产生包含像素位置、时间戳及变化极性的像素级事件输出。同步定位与地图构建（SLAM）是一种让机器人独立估计自身位置并同步增量式地构建周围环境地图的技术,使用传统相机进行SLAM已经是一个成熟的话题,但在高速、高动态范围等挑战性场景下,传统图像帧易产生运动模糊。事件相机具有低延时、高时间分辨率、高动态范围等优秀特性,可以在SLAM领域弥补传统相机的不足,但“事件”这种非常规的异步输出形式导致了处理范式的转变。首先介绍了SLAM技术的基本流程,其次介绍了DVS、ATIS和DAVIS三种典型的事件相机,列举了基于事件的SLAM性能评估方法,梳理了事件寿命估计、时间平面表示、事件帧表示等事件数据的不同处理方式,然后回顾了事件相机在国内外视觉SLAM领域的应用研究并进行了总结和对比,最后对基于事件的视觉SLAM技术作了总结并展望了其未来发展趋势。综述表明,事件相机可以进一步拓宽视觉SLAM的应用场景,但新的数据形式和尚不成熟的硬件体系限制了基于事件的SLAM的发展。未来...     

基于贝叶斯理论的多雷达点迹自适应融合方法

雷达组网进行数据融合是复杂电磁环境下提高预警探测精度和容错能力的有效方法,研究人员需研究适应干扰、信噪比降低等复杂情形的数据融合方法。基于贝叶斯统计理论提出一种多雷达点迹融合方法,将贝叶斯多源数据融合方法与卡尔曼滤波结合,以卡尔曼滤波输出的航迹预测及其协方差作为贝叶斯理论的先验知识,以多雷达量测结果作为贝叶斯理论的观测值进行融合,并提出一种基于回波信噪比的点迹标准差实时估计方法,构建标准差自适应估计的点迹融合与滤波框架。仿真结果表明,多雷达点迹自适应融合方法,滤波精度优于单雷达滤波结果、优于航迹融合结果,能够适应目标距离、RCS起伏引起的标准差变化,具有较强的工程应用价值。     

基于航迹挖掘的船舶行为估计方法及软件实现

船舶活动规律分析尤其是船舶的行为研判问题,一直是研究的难点。聚焦船舶的活动规律分析问题,提出了一种基于大量船舶历史航迹聚类的频繁模式挖掘方法,用于对船舶未来行为进行估计,并给出了软件实现。首先提出航迹的综合相似性度量方法,并介绍基于航迹聚类的频繁模式挖掘含义;其次对经典密度聚类算法进行适应性改造,给出基于综合相似性的聚类算法的实施方法;然后,提取虚拟主干航迹计算最相似簇,经统计得出对当前船舶行为的估计结果;最后,给出了基于C/S架构的软件总体设计和试验效果。试验表明该方法能够给出航迹关联行为描述,软件得到的行为估计结果能够辅助研判。