(2015GIS)北斗静止轨道卫星信号盲区快速并行解算方法

北斗系统静止轨道卫星信号盲区解算方法复杂、串行计算耗费时间长,需在并行环境下利用更多的计算资源进行北斗盲区的快速解算。本文在分析北斗盲区解算原理与算法并行特征基础上,提出了基于动态盲区影响域的并行解算方法,并以栅格单元为并行粒度进行任务划分,实现了北斗盲区的高效并行解算。基于全国范围59景数字高程模型数据,利用8进程进行盲区并行解算,耗费时间约为5小时。实验测试结果表明：算法的并行效率随着进程数的增加有所衰减,但稳定在96%以上。基于本文方法实现的程序中间件已集成应用于高性能地理信息平台中,应用效果良好。     

基于时频单源点检测和聚类验证技术的欠定混合盲辨识算法

针对欠定混合盲辨识问题,提出了一种基于时频单源点检测及聚类验证的盲辨识算法。检测各个源信号的时频单源点,利用奇异值分解的方法求解不同单源点集合对应的混合矢量,利用基于k均值的聚类验证技术完成源信号数目和混合矩阵的联合估计。算法放宽了已有方法对时频单源区域的假设,不需要假设信号存在时频单源区域,可以完成仅存在离散的时频单源点条件下的欠定混合盲辨识;同时克服了传统算法需要假设源信号个数已知的不足,可以有效地估计源信号数目。仿真结果验证了算法的有效性。     

基于改进欧几里得算法的卷积码快速盲识别算法

卷积码盲识别技术在信号截获、智能移动通信、多点广播通信等领域具有广泛应用,针对卷积码的快速盲识别问题,对经典欧几里得算法进行了改进,提出了一种基于改进欧几里得算法的卷积码的快速盲识别方法。算法对卷积码码率进行遍历,通过欧几里得迭代算法求解卷积的校验多项式,实现了任意码率卷积码的快速盲识别。对算法进行了仿真,仿真结果验证了算法的有效性,且算法的计算量小于文献中已有算法。     

基于盲分离的非合作信号定位技术

无源定位是电子战系统的一个重要组成部分,基于非合作信号(如广播、电视信号)的定位技术相比传统的无源定位具有很大的优势,但该定位方法目前还存在一些技术问题.为此,提出采用基于典范相关分析的盲分离方法,来完成对强直达波环境下反射波的分离、提取和延迟时间的计算,再结合方位估计,就可将这种定位问题转换为时差-方位定位.用这种方法可获取优良的定位性能,实现起来也相对容易,同时计算量少.仿真试验结果表明,该方法能有效地解决这种新颖定位技术的相关问题,并为其工程实现打下基础.     

一种基于MMMA的双模式变步长盲均衡算法

针对传统修正恒模算法(MCMA)收敛速度慢、剩余码间干扰大的缺点,在双模式修正恒模算法(MCMA+DD-LMS)的基础上引入局部信息量和变步长的思想,提出了一种基于修正多模算法(MMMA)的双模式变步长修正多模算法(VS-MMMA+DD-LMS)。经过理论分析和实验仿真,证明改进后的算法较传统算法具有更好的均衡效果。     

干扰近似OFDM/OQAM系统半盲信道估计

非合作通信背景下,针对传统干扰近似法（Interference Approximate Method, IAM）进行OFDM/OQAM系统信道估计需要导频符号值作为先验信息的问题,提出一种基于OQAM符号特征的IAM（OQAM Characteristic Based-IAM,OCB-IAM）估计算法。该算法利用OQAM实符号的有限集特征,将信道衰落系数幅度和相位分开估计,在仅获得导频位置而未知导频符号值的条件下实现了OFDM/OQAM系统半盲信道估计。并且证明了OCB-IAM算法由于利用接收符号的二阶统计量将高斯白噪声变为非随机的单音干扰,从而在中低信噪比条件下具有优于IAM算法的估计性能。仿真实验验证了理论推导的正确性和OCB-IAM算法的可靠性。     

独立分量分析在液体火箭发动机故障检测中的应用

针对液体火箭发动机试车中,因噪声干扰、不同源信号之间的混叠而造成的信号信噪比低、信号分析和特征提取难度大的问题,提出采用独立分量分析(ICA)法对液体火箭发动机试车信号进行分离,以提高信号的信噪比,并能实时反映各子系统工作过程,为数据分析、特征提取和故障检测与诊断提供可靠的信号。通过对某型液体火箭发动机热试车压强信号进行实例分析,验证了该方法的有效性。     

星载光学遥感成像系统复杂性分析

为研究星载光学遥感成像系统的复杂性,由复杂系统的基本特征与系统研究的基本原则出发,通过对成像全链路流程的分析,确定光学遥感成像系统的复杂性来源及其表现形式。建立星载光学成像的数学模型,以系统重要参数——调制传递函数为基点,通过正过程建模分析和逆过程测量计算相结合的方式,分析了系统复杂性研究的基本原则,即还原论与整体论相结合、定性与定量相结合的过程。由正、逆过程的对比分析,一方面阐述了系统性能与各个环节参数之间的关系,另一方面又由正则化盲反卷积的方式得到图像中真实的调制传递函数。二者相辅相成,既能通过补偿系统复杂性因素影响提升系统性能,又能进一步指导系统优化设计。     

粒子滤波匹配追踪重构算法

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下粒子滤波匹配追踪稀疏信号重构算法。该算法将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

基于最优分离矩阵循环迭代的盲源分离次序调整算法

文章针对盲源分离中输出信号帧与帧之间信号衔接顺序的不确定性问题,提出了最优分离矩阵循环迭代算法,将每帧信号分离时目标函数寻优所得分离矩阵作为下一帧循环的初始化矩阵进行迭代来分离信号。理论分析与计算机仿真表明:该算法能有效解决盲分离中信号次序的不确定性问题,具有较强的实际应用价值。