垂直线列阵无源定位精度分析

提出了一种基于垂直线阵的系统,给出了定位模型,并简要介绍了其定位原理.利用由时延引入的距离、高低角和观测得到的方位角信息,建立了三维坐标系下的状态方程和观测方程.通过理论分析和仿真计算,讨论了声速测量误差、时延估计误差和阵元位置误差对系统定位精度的影响,给出了时延估计误差的克拉美-罗下界.综合时延估计、基线横纵扰动、三类误差的影响,在一定条件下,对目标距离估计的相对误差可控制在20%以内.     

基于半定规划的无源跟踪最佳传感器选择

在多站测向定位系统中,观测站与目标的几何位置影响目标定位跟踪精度。以目标估计的克-劳美罗下界(CRLB)行列式最大值为优化指标,在考虑传感器自身的探测能力等实际约束的前提下,建立了无源协同跟踪下最佳传感器选择优化模型。提出了一种基于半定规划(SDP)算法将上述组合优化问题转换为凸优化问题,进行优化求解。仿真结果验证了算法的有效性,与松弛算法和随机选择算法相比,基于SDP的传感器选择可以进一步提高无源协同跟踪的精度。     

分布式多站雷达协同定位功率分配改进凸松弛算法

针对分布式多站雷达协同定位下的功率分配问题,提出一种改进凸松弛的启发式算法。给出了分布式多站雷达定位误差的克劳美罗下界(CRLB),建立功率约束下最小化CRLB迹的功率分配模型。设计了一种改进凸松弛算法,通过迭代修正松弛参数和快速功率调整策略解决非凸优化问题消除松弛带来的误差。仿真实验表明,相对于均匀功率分配算法和基于凸松弛的功率分配算法,改进凸松弛启发式功率分配算法下目标的定位性能更优。     

贝叶斯推理模型Index-GMVAE在随机数据缺失填补中的应用

变分自编码器(VAE)推理随机缺失数据还原是近年来一种新兴的数据填补方法,但传统的VAE算法存在后验分布单一,变分推断证据下界收敛慢等问题.因此,提出了一种采用高斯混合后验分布和缺失数据位置掩码推理缺失数据还原的新的贝叶斯推理网络框架——Index-GMVAE.在Mnist手写数字数据集和Adult数据集上分别做了实验...     

基于遗传算法的陆基导航布站方法研究

陆基导航是一种通过高精度的测距进行定位、定速的系统,其定位、定速精度与布站有密切关系.为优化陆基导航的布站结果,提高惯性+陆基复合导航精度,提出了一种基于遗传算法的陆基导航布站方法.推导了使用惯性+陆基复合导航的Cramer-Rao下界(CRLB),并以其作为遗传算法布站寻优的适应性函数,再结合其他影响布站的因素作为约束条件,形成了基于遗传算法的布站方法.数学仿真表明,通过该方法的布站可得到较为满意的复合导航的精度,在实际工程应用中具有重要意义.     

天基预警系统多体制传感器综合调度方法

为提高天基预警系统对多目标的跟踪能力,提出扫描传感器纬度区间扫描模式和凝视传感器目标群跟踪模式,并基于此种模式设计基于聚类的扫描传感器纬度区间扫描调度方法和凝视相机目标群跟踪调度方法。由于诸多传感器的工作模式、探测频率、测量误差、视场模型均不相同,推导不同探测频率、视线误差的多传感器联合观测跟踪的克拉美-罗下界计算公式。综合运用以上方法,建立多体制传感器综合调度优化方法。仿真试验表明,该方法比传统工作模式下的系统对多目标具有更高的跟踪精度。     

利用区间着色 Petri 网的 C~3I 系统时延分析

Ｃ３Ｉ系统是一个复杂的分布式离散事件动态系统,适合于用Ｐｅｔｒｉ网来描述其异步,并发行的,而且Ｃ３Ｉ系统是一个时间准则系统,文中提出的区间着色Ｐｅｔｒｉ网非常适合于分析其严格时限,并给出计算时延上（下）界的算法。     

随机弱实时系统作业调度概率保证分析

随机弱实时系统与强实时系统的显著区别是 ,它不要求实时任务的每一项作业都满足时限要求 ,只要保证作业的时限延误率低于某一阈值 ,其总体执行性能就是可以接受的。提出了概率时间需求分析法 (PTDA) ,用于估计可剥夺静态优先级调度策略下周期性任务的作业满足时限约束的概率的下界 ,并通过一个具体的实例考察了下界的紧性。对实例系统的仿真结果表明 ,PTDA分析的误差小于 1 0 % ,计算速度快 ,可以为弱实时应用的设计提供重要的参考依据     

基于熵最小化的LFM信号调频率估计算法

利用LFM信号频谱的熵随着调频率减小而降低的性质,提出了一种基于频谱熵最小化的LFM信号调频率的估计SEM方法。建立参数待估的相位补偿因子,通过搜索得到使得补偿后信号频谱熵全局最小的调频率估值。在搜索过程中,采用两级搜索策略,并引入牛顿迭代算法,有效降低了算法复杂度。理论推导和仿真结果证明,该算法为有偏算法,估计偏差量与初始频率相关,理论估计方差比较CR下界低12d B。对雷达实测回波信号进行验证,与离散多项式变换算法相比发现,提出算法估计的鲁棒性更好,并具有较高的测速精度,具有一定的应用价值。     

RCS特性辅助的CMIMO雷达功率资源分配方法

针对集中式多输入多输出(collocated multiple-input multiple-output, CMIMO)雷达在实际探测过程中,未有效结合目标雷达散射截面(radar cross section, RCS)高动态变化特性导致雷达跟踪精度不高甚至失跟的问题,提出一种基于目标RCS高动态特性的CMIMO雷达功率资源自适应分配方法。考虑到目标RCS特征的角度敏感性,利用目标运动状态的可预测性动态获取实际观测角度,从而完成跟踪帧的极化方式优选;在此基础上构建包含功率与RCS的多目标跟踪误差后验克拉美罗下界,将其作为目标函数进行优化,利用内点惩罚法求解该凸优化问题即可实现RCS高动态情况下的功率优化分配。实验结果表明:该方法可结合目标不同方向RCS动态分集特性实现功率的有效分配,相比于传统RCS模型分配方案,有效解决了分配方案与实际跟踪场景之间的失配问题,从而提升了CMIMO雷达的多目标跟踪性能。