低信噪比条件下改进ESPRIT方法

在低信噪比时,针对估计信源DOA实时性的问题,提出了一种新的适合于ESPRIT算法的多级维纳滤波器(MSWF)结构,找到了一种能判别信号子空间的方法。首先将多级维纳滤波器(MSWF)与ESPRIT算法相结合,采用多级维纳滤波器(MSWF)的前向递推,得到子空间,不需要通过特征值分解。低信噪比时,针对噪声子空间泄漏到信号子空间的现象,提出一种判别方法,找到了更精确的信号子空间,结合ESPRIT方法实现信号的DOA估计。由于该算法实现了真实的信号子空间的判断,因此,比传统基于MSWF算法具有更高地估计精度。特别是在低信噪比时,增强了算法的实用性,仿真结果证明了算法的有效性。     

考虑相位噪声影响的单阵元被动合成阵列算法

考虑到现有单阵元被动合成阵列算法对阵元的运动模型假设过于理想且对相位噪声的适应能力不足,首先,提出一种适用于阵元任意机动方式的单阵元被动合成阵列通用算法,进而通过相位噪声模型分析,给出最大相参时间及有效合成阵元数的选取方法,重建了合成阵列的流形矢量,得到了与相位噪声模型相匹配的改进算法.然后,在相位噪声影响条件下,推导了单阵元被动合成阵列波达方向的理论估计方差下限.仿真分析表明,较未考虑相位噪声影响的算法,改进算法能够有效提高相位噪声影响下的单阵元被动合成阵列测向精度.     

基于时延的宽带LFM信号DOA估计算法

针对常用宽带LFM信号DOA估计算法采样数据量大、运算量大的特点,提出了一种基于时延的宽带LFM信号DOA估计算法。先把阵元接收到的信号变换到频域,而后用极值频率点进行时延估计,并对各极值频率点的时延估计值进行加权平均,进而估计出宽带LFM信号的来波方位。仿真验证了该算法的合理性和有效性。     

关于算子方程Tx=y扰动分析的一些结果

在Banach空间中给出了一种相容算子方程解的误差估计 ,推广了矩阵扰动分析中的相应结果 .此外 ,利用Hilbert空间中算子M -P广义逆与算子的约化极小模之间的关系 ,给出了一些估计式 ,这些估计式对于分析不相容算子方程Tx =y的极小范数最小二乘解的扰动误差是有用的     

测试轮直径对路面不平度测试精度的影响

在加速度信号的路面不平度测量过程中,由于测试轮的几何外形对路面的滤波作用,会对功率谱密度的测量产生误差。为解决这一问题,在仿真环境下,通过测量在给定路面等级的随机路上行驶的测试装置测试轮的响应,研究不同直径的测试轮对同一路面不平度的滤波作用,分析其影响关系,从而为路面不平度测试装置测试轮轮径的选择提供参考。     

无源单站定位技术研究

无源定位技术已成为现代化战争中对抗"四大威胁"的关键技术。在研究目标来波方向(DOA)与多普勒频率的基础上,提出一种基于最小二乘估计的运动目标单站定位跟踪方法。经计算机仿真表明,该方法不仅能对运动目标进行定位,而且能对运动目标的速度、航迹等进行估计。     

靶场光学测量数据异方差性检验及修正

为了避免靶场光学测量数据异方差性导致的普通最小二乘估计非有效、显著性检验失去意义和模型的预测失效问题,采用了图形分析、Goldfeld-Quandt和Breusch Pagan Godfrey方法检验光学测量数据异方差性,并针对光学测量数据的异方差性提出分段加权最小二乘修正的方法。通过理论分析,对某设备方位角测量数据进行实验验证,取得了残差平方数据、G-Q检验统计数据、BPG检验统计数据和分段加权最小二乘BPG统计数据。结果表明应用图形分析法对光学测量数据进行异方差性检验最直观和简捷,适合存在明显异方差性的检验,G-Q检验法不适用光学测量数据的异方差性检验,BPG检验理论完整且适合光学测量数据的异方差性检验,分段加权最小二乘方法有效合理,消除了异方差性对回归模型的影响。     

基于波达方向矩阵的矢量水听器方位频率联合估计

提出了一种新的基于单个矢量水听器的方位频率联合估计方法--波达方向矩阵法.利用矢量水听器的时延数据,构造了两个相同的子阵,通过对波达方向矩阵的特征分解,实现了对目标信号的波达方向估计,并同时得到了目标的频率特征.计算机仿真实验表明,该方法具有较好的估计精度.     

坦克射击命中判断仿真

实时仿真系统中关于坦克炮射击命中判断仿真的方法还不成熟,通过对实时解弹道法和随机模拟法的比较,根据坦克射击误差的随机正态分布规律,依据目标几何模型和空间姿态,通过目标坐标变换.提出了在投影平面上采用统计抽样的方法确定瞄准点和弹着点.此法可以真实模拟射弹散布规律,仿真结果真实可靠,运算简便、快捷,可以满足实时仿真的要求,而且可以推广到坦克等类似系统上使用.     

基于神经网络和遗传算法对反装甲目标威胁度评估研究

针对威胁度估计问题和装甲车辆在战场上的实际情况,运用神经网络和遗传算法理论探索反装甲目标威胁度评估问题。基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。经过验证该算法能够有效反应出反各种反装甲目标的威胁度,其稳定性、精确性也比较高。