基于主成分的改进马氏距离TOPSIS方法

针对指标变量线性相关,导致变量协方差矩阵行列式(广义样本方差)为零无法应用马氏距离的情况,采用主成分分析法对指标变量进行线性组合,在不减少信息量的同时,得到少数几个不相关的主成分,由主成分构成的协方差矩阵行列式不再为零。依据降维后的主成分变量,采用基于马氏距离的逼近理想解法对五种预警机探测引导能力进行了排序,经检验其结果与实际情况相符。     

基于混合矩的多输出模型确认指标研究

针对随机不确定性条件下多输出计算模型与物理实验数据之间一致性难以量化度量这一问题,本文提出一组新的基于混合矩的多输出模型确认指标。在不确定情况下,同时考虑到多维输出之间的相关关系和单输出的均值,构建了由多输出数学期望列阵和协方差矩阵组成的多输出模型确认局部混合矩指标和全局混合矩指标。其中局部混合矩指标包括绝对指标(LA-3M)和相对指标(LR-3M),它们适合固定位置的多输出局部模型确认;全局混合矩指标也包括绝对指标(GA-3M)和相对指标(GR-3M),它们适合多点位置的多输出全局模型确认。通过数字算例和工程算例,并与PIT和t-pooling 面积指标进行对比,结果表明本文所提指标可行有效,能够方便地度量计算模型和物理实验之间的差异程度。     

基于随机森林的重要性测度指标体系

重要性测度分析可以找出重要特征变量,从而降低输入空间的维数,节约运算成本.基于随机森林重要性测度的分析原理,探寻随机森林的重要性测度指标与基于方差的全局灵敏度指标之间的联系,得到求解方差灵敏度主指标Si及其总指标STi的新途径.建立基于随机森林的单变量、组变量重要性测度指标,并明确具体的求解过程,完善基于随机森林的重要...     

GPS动态定位中整周模糊度的快速解算

在导航中快速和高精度GPS定位需要解算差分载波相位的整周模糊度值.目前整周模糊度的求解方法,丢失了对提高未知参数估值精度很有用的历元信息,并且在去相关过程中必须使方差阵为正定阵,不仅解算难度大,还可能出现病态分解,使得去相关失败.提出了一种GPS整周模糊度的快速解算方法,首先利用卡尔曼算法求解整周模糊度的浮点解;其次确定搜索空间,对协方差阵进行Cholesky分解,削弱其相关性;最后用ratio检验得出最终解.通过理论推导和基于实测数据的仿真分析表明,卡尔曼算法有效地利用多历元信息提高了浮点解的精度,并且在去相关过程中解决了方差阵必须为正定阵的问题,避免出现病态分解,使得搜索空间得到明显的改善,提高了效率,具有实际的应用价值.     

基于多先验谱模型的低慢小目标子空间检测器

针对非均匀杂波环境下自适应检测低慢小目标时,信号特征难提取,有效训练样本受限的问题,将低慢小目标建模为多维子空间模型,提出了基于多先验谱模型的低慢小目标子空间检测器构造方法。该检测器使用纹理分量为逆伽马分布的复合高斯模型来描述杂波,利用多先验谱模型的线性组合来表示杂波协方差矩阵的逆,能在均匀和非均匀杂波背景下检测低慢小目标。仿真表明,该检测器比传统基于渐进最大似然估计协方差矩阵的检测器以及单独基于多先验谱和子空间的检测器性能更好,并且训练样本数不足的情况下保持很好的性能。     

基于DSP的SMI方法快速实现研究

空时自适应处理(STAP)权值计算有数据域和均方域两种方法,分别以QR分解和样本协方差矩阵求逆(SMI)方法为代表.QR分解方法可以映射到脉动阵上并行实现,但实现复杂且设计成本较高;SMI方法实现则相对简单,但需要对样本协方差矩阵直接求逆.首先考察了不同矩阵求逆方法的内在并行性,基于DSP支持的片内并行技术,提出并实现了SMI方法的单DSP分块并行处理,进一步给出了数值稳定性分析和改善方法,实验结果证明了方法的有效性.     

多输出模型确认中的混合矩指标

在不确定性条件下,同时考虑到多维输出之间的相关关系和单输出的均值,构建由多输出数学期望列阵和协方差矩阵组成的多输出模型确认局部混合矩指标和全局混合矩指标。其中局部混合矩指标包括绝对指标(LA-3M)和相对指标(LR-3M),它们适合单点位置的多输出局部模型确认;全局混合矩指标也包括绝对指标(GA-3M)和相对指标(GR-3M),它们适合多点位置的多输出全局模型确认。通过数字算例和工程算例,所提指标可行有效,能够方便地度量计算模型和物理实验之间的差异程度。     

利用阵列协方差矩阵稀疏性的到达角估计方法

为了解决传统基于阵列协方差矩阵稀疏性到达角估计方法计算复杂度高的问题,提出基于直接二维稀疏重构思想的高效到达角估计方法。该方法利用阵列输出数据的协方差矩阵构造二维稀疏表示模型,对协方差矩阵进行特征值分解以实现噪声功率估计,从而降低噪声对到达角估计的影响。在求解稀疏表示模型时,直接对该二维稀疏重构问题进行求解,避免了矩阵矢量化操作。仿真实验结果表明,该方法运行效率大大提高,并且在低快拍数、低信噪比和稀疏阵元等条件下估计性能优于传统方法。     

舰艇队形识别目标选择算法

根据反舰导弹自控终点散布、末制导雷达方位探测误差、舰艇队形和散布,推导建立了正态判据总体的均值向量和协方差矩阵,并描述了如何应用马氏距离判别法和判据总体从舰艇编队中识别选择出所装订目标的算法流程。对算例的仿真结果表明队形识别目标选择算法优于传统目标选择算法。     

二次型最优系统逆问题——频率条件、最优权阵构造和最优指标确界

在二次型最优系统逆问题中,给定反馈阵K,与之对应的最优权阵和最优指标一般不是唯一的。本文分析了三者之间的映射关系,提出了用多项式(弱)谱分解的概念求解最优权阵的构造定理及一些有用的推论,并找到了最优指标的上下确界。本文还给出了二次型最优的两个频域必要条件,其中之一更正了文献的结果。而推论1给出文献算法有解的充要条件和一种非常简单的算法。     

随机系统扇形极点和方差约束状态反馈控制

区域极点和稳态方差是表征控制系统性能的两个重要指标,通过把扇形区域极点指标和稳态方差指标融入到一个修正的Lyapunov方程,研究了扇形区域极点和稳态方差上界约束下的状态反馈控制问题.利用矩阵广义逆和矩阵分解的方法得到了扇形区域极点和稳态方差可配置条件以及控制器的求取方法,所得控制器表达式中含有自由参数,便于控制器的工程实现,也为选取控制器的自由参数来使控制系统满足更多的性能指标留下了余地.     

基于估计协方差MME检测的频谱感知算法

针对小采样数据长度下,采样协方差矩阵对统计协方差矩阵估计不准,影响传统最大最小特征值(MME)检测算法检测性能的问题,提出一种基于逼近收缩(OAS)矩阵估计的改进MME检测算法。首先利用OAS估计量对采样数据做协方差矩阵估计,再对估计协方差矩阵特征值分解,将最大最小特征值之比作为检测统计量,克服了传统MME算法检测门限随采样点大幅波动的缺陷,提高了检测门限的鲁棒性。仿真结果表明,所提算法的检测门限具有鲁棒性,检测性能提高了1 d B~2 d B。     

一种高机动场景下的单快拍DOA估计算法

针对高机动场景下目标信号样本数据少,常规算法难以获取信号子空间的问题,提出一种基于改进协方差矩阵的单快拍DOA估计算法。所提算法首先对接收的单次采样数据做互相关预处理,利用预处理所得数据重构等效协方差矩阵,再基于MUSIC算法完成相干信号的DOA估计。在不损失阵列孔径的同时,算法保证了谱估计精度。计算机仿真表明,在样本量较小的情况下,所提算法能够有效估计出相干目标信号,较现有算法估计精度有所提高。     

一种非均匀噪声下的DOA估计算法

通用协方差差分算法用来实现对空间非均匀噪声环境下相干信号的波达方向(DOA)估计,该算法可以完全消除空间非均匀噪声,且适用于低信噪比环境,但该算法的DOA估计结果存在伪峰。针对这一问题,提出了一种改进的算法。改进算法通过对通用协方差差分(GCD)算法的信号协方差矩阵进行变换,再用特征分解的方法得到信号的DOA估计值。改进的算法可以完全消除伪峰,理论分析和仿真实验验证了改进算法的有效性。     

基于马氏距离的飞行缺失数据估计方法

针对基于欧式距离的最近邻居的缺失值估计算法的不足,提出了一种基于马氏距离的估计算法来估计飞行数据集中的缺失数据.该算法通过飞行数据之间的马氏距离来选择最近邻居数据,并将已得到的估计值应用到后续的估计过程中,然后采用信息熵来计算最近邻居的加权系数,得到缺失数据的估计值.仿真结果表明该算法优于基于欧式距离的最近邻居缺失值处理算法,是一种有效的飞行数据缺失值估计方法.     

SINS/DVL/AST水下组合导航中的鲁棒信息融合方法

捷联式惯导系统由于自主性强等优势成为自主式水下航行器长航时、长航程导航的主要手段。针对水下环境中外部多导航传感器如多普勒计程仪提供的测速信息和水声单应答器提供的位置信息容易受到非高斯噪声污染的问题,提出基于马氏距离算法的联邦鲁棒卡尔曼滤波算法。在联邦鲁棒卡尔曼滤波算法中,通过马氏距离算法引入膨胀因子,对量测噪声协方差阵进行膨胀,以实现非高斯条件下水下组合导航系统鲁棒性的提升。同时基于子滤波器的滤波性能对信息分配系数进行自适应调整以确保水下组合导航系统的高精度。基于江试试验实测数据进行水下组合导航半物理仿真试验,试验结果表明:相比于传统的联邦卡尔曼滤波算法,联邦鲁棒卡尔曼滤波算法可在非高斯条件下实现更高精度、更加稳定的组合导航;能够满足水下组合导航系统对容错性和鲁棒性的要求。     

基于协方差矩阵估计的稳健Capon波束形成算法

常规Capon波束形成器性能对模型误差或失配非常敏感,尤其是当期望信号包含在训练数据中,导向矢量失配将引起性能急剧下降。为解决这一问题,提出了一种采用干扰噪声协方差矩阵和导向矢量联合估计的稳健波束形成算法。该方法通过对Capon空间谱在非目标信号的方位区域内的积分,实现对干扰噪声协方差矩阵的估计,解决数据协方差矩阵包含有目标信号时引起信号自相消问题;其次为了克服导向矢量失配的影响,通过最大化输出功率,并增加二次型约束防止估计的导向矢量接近于干扰导向矢量,实现对导向矢量的估计。仿真实验表明:该算法能获得近似最优的输出信干噪比,与现有算法相比稳健性更强。     

Robust cubature Kalman filter method for the nonlinear alignment of SINS

Nonlinear initial alignment is a significant research topic for strapdown inertial navigation system(SINS).Cubature Kalman filter(CKF)is a popular tool for nonlinear initial alignment.Standard CKF assumes that the statics of the observation noise are pre-given before the filtering process.Therefore,any unpredicted outliers in observation noise will decrease the stability of the filter.In view of this problem,improved CKF method with robustness is proposed.Multiple fading factors are introduced to rescale the obser-vation noise covariance.Then the update stage of the filter can be autonomously tuned,and if there are outliers exist in the observations,the update should be less weighted.Under the Gaussian assumption of KF,the Mahalanobis distance of the innovation vector is supposed to be Chi-square distributed.Therefore a judging index based on Chi-square test is designed to detect the noise outliers,determining whether the fading tune are required.The proposed method is applied in the nonlinear alignment of SINS,and vehicle experiment proves the effective of the proposed method.     

空间谱估计在干涉测角中的应用

提出了一种利用空间谱估计对干涉测角系统进行解算的方法,该方法在多重信号分类(M USIC)算法的基础上,对协方差矩阵的估计、特征值分解、谱峰搜索等计算量较大的步骤进行了改进,提高了运算速度.并根据入射角连续的特点,提出了空域跟踪搜索的算法,进一步减小了计算量,同时提高了解模糊的正确率.