Chirp信号参数估计算法性能比较

通过数值仿真定量地比较了三种Chirp信号参数估计算法——解线调法、迭代估计法和局部搜索最大似然法的性能,并定性地比较了算法的运算量。仿真结果表明,在三种算法中,局部搜索最大似然法的估计性能最好,而运算量居中;解线调法运算量最大,但估计性能居中;迭代估计法的估计性能最差,但运算量最小。对于实际系统,应根据不同的估计精度和运算量要求,灵活选择不同的算法。综合考虑估计性能和运算量之间的折衷可以得到结论,在三种算法中局部搜索最大似然法是一种相对较好的选择。     

2D组网雷达目标真实高度的最小二乘估计

针对目标高度估计问题,给出了基于三部以上雷达距离测量的2D组网雷达目标真实高度的最小二乘估计,同时也给出了利用三部雷达计算目标真实高度的非最小二乘算法,并通过大量仿真分析了两种算法的性能。该算法能够在2D组网雷达内实现对目标真实高度的有效估计。     

基于加权双曲线定位的DV-Hop改进算法

针对基于双曲线定位的DV-Hop算法中误差项的异方差性引起的定位误差大的问题,提出了一种基于加权双曲线定位的DV-Hop改进算法。算法分析了基于双曲线定位的DV-Hop算法模型中误差项的异方差性,用加权最小二乘法对异方差性进行纠正,对加权最小二乘法中的权值矩阵进行了理论推导并得到与跳数相关的最佳权值矩阵,使得误差项满足同方差性,所得估计值接近最佳线性无偏估计。仿真结果表明,所提算法在定位精度上较目前常见的基于双曲线定位的DV-Hop算法都有一定提高。     

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。     

IIR系统的自适应横向滤波辨识

用自适应线性组合器匹配IIR型离散系统,通过拟合系统传递函数来辨识系统参数;比较了该法与自适应递归算法的动态性能,数值仿真结果证明该法的有效性.     

二阶矩模糊随机过程的均方极限

给出了二阶矩模糊随机过程均方极限的两种定义,证明了这两种定义的等价性,并讨论了二阶矩模糊随机过程均方极限的性质。     

基于多模型组合的模拟电路故障诊断方法

针对传统模拟电路故障诊断方法识别准确率低及耗时较长的问题,提出一种基于改进的二进制粒子群优化算法(IBPSO)与隐马尔科夫模型(HMM)的综合诊断方法。该方法利用IBPSO对故障特征进行提取优化,降低故障特征维度,进一步利用HMM对提取的故障特征进行预处理,排除不可能类故障特征,提高了LSSVM的分类准确率。经过仿真结果分析验证,该方法较现有的BP神经网络诊断方法,能够在确保正确率得到提升的基础上,进一步提高故障诊断速度,具有更强的战场环境适用性。     

一种稳健的自适应IIR陷波器复数级联算法

针对背景噪声中多个复正弦信号的提取问题,提出利用二阶陷波器复数算法的级联来实现,并给出了一种自适应级联算法.基于对软件复杂度和计算量的考虑,在这种算法的基础上又给出一种改进的二阶自适应陷波器级联的复数算法,大大降低了系统复杂度和计算量.仿真实验表明,两种陷波器级联算法均能很好地提取背景噪声中的复正弦信号,并准确估计复正弦信号的频率.     

相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题，提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性，基于扩展积分均方误差代价函数搜索最优置信范围，并对混合项进行高斯聚类，进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用，引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并，在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明，改进算法在保证跟踪精度的同时还可有效提高算法效率。     

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。