一种传感器网络时空融合模型

针对多传感器间存在时空相关性和先验知识未知的情况,提出了一种基于核偏最小二乘最优加权的传感器网络时空融合模型。首先用核偏最小二乘法对每个传感器在不同时刻的测量值进行融合,然后将各个传感器同时刻的估计值进行空间最优融合,从而得到被测参量的最终融合估计。该模型还能排除那些取值远离样本点集合平均水平的奇异点。理论分析和融合实验表明,该模型能取得较高的融合精度,并能显著节省网络能量。     

一种16APSK信号载波残余频偏估计算法

文中提出了一种针对16A PSK信号的非数据辅助的载波残余频偏估计算法。该算法以判决后星座点的相位偏转量与判决符号数之间的数学关系为依据,通过对16APSK星座判决区域进行优化,并结合FFT方法求解相位偏转量的周期得以实现。仿真分析表明,在不同的信噪比条件下该算法通过选择适当的估计长度能快速完成高精度的频偏估计。     

基于采样的非线性滤波方法

在系统阐述贝叶斯估计理论的基础上,分析和总结了扩展卡尔曼滤波、Sigma点卡尔曼滤波以及粒子滤波等方法的特点、使用条件以及局限性.介绍了扩展卡尔曼滤波方法并指出其缺陷;介绍了无轨迹卡尔曼滤波、中心差分卡尔曼滤波等确定性采样方法,并在加权统计线性回归意义下将其归结为Sigma点卡尔曼滤波方法;介绍了随机采样方法-粒子滤波方法,并指出其主要的研究方向.最后,对非线性滤波的发展趋势进行了展望.     

分布式麦克风阵列的声源定位

声定位探测技术的无源被动特性,使其在定位技术研究领域内独树一帜,时延估计和定位算法是支持这一技术的核心。DUET时延估计算法简单,通过对接收到的信息分段帧移加窗处理,能够有效识别有用语音信息,时延估计精度较高,在高噪声的环境中非常适用;球面定位算法是基于时延估计提出的,对麦克风的排列形式不固定,适用于任意排布的麦克风阵列,并且在时延估计精度较高的情况下,能够很准确地对声源目标进行定位。     

OFDM水声通信自适应调制算法研究

分析预估信道长度对信道估计算法的影响规律,提出了利用水声通信均衡恢复信号统计量对信道估计质量实时评估的方法,通过信道长度自适应修正机制,实现了对未知水声信道高精度、快速估计;针对水声信道造成的OFDM子载波特性差异,基于信道估计结果,提出了在码元总速率、能量约束条件下,各个OFDM子载波局部速率、功率优化分配的自适应调制算法,相比于传统的等功率、速率分配算法,新算法能够显著提升水声通信系统的误码率性能,通过仿真和实地试验,验证了本文研究内容的有效性。     

基于复合失效模式的寿命分布检验方法

产品往往受随机失效和耗损失效两种模式的双重影响,因此,构造指数威布尔分布表征该类产品的失效规律。首先,用图检验法对该类产品的寿命数据进行初步检验;其次,研究了该类产品寿命数据的极大似然估计的求解方法,进一步用伽方检验方法对寿命分布类进行了检验;最后,通过工程仿真例子说明了该方法的具体操作流程,最终验证了方法的正确性。     

基于相位相关的快速亚像素全局运动估计

为了实现亚像素级图像快速全局运动估计,提出了一种基于相位相关的快速亚像素全局运动估计方法。首先对待计算的两幅图像进行下采样并计算整像素级的全局运动矢量,然后选取两幅图像重叠的部分进行插值,再计算亚像素级的全局运动矢量。最后,将整像素级和亚像素级的计算结果进行加权计算,得出亚像素级的全局运动位移。实验结果表明,文中算法对噪声影响、光照变化和局部遮挡具有较好的鲁棒性,同时能够有效地提高运动估计的精确性和计算效率。     

基于贝叶斯网络的空中目标威胁估计算法

联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策。贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题。提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性。     

基于集合交的欧式误差状态估计方法

基于集合交的欧式误差估计方法利用集合理论,根据已有的探测数据对目标的状态进行估计,在满足一定的条件下,计算目标状态估计集合。根据该集合确定状态的估计值以及估计的欧式误差范围。可以针对某一次具体的实验,计算目标的状态估计以及误差界。     

运用跑道平面结构化线特征的固定翼无人机视觉导航算法

针对固定翼无人机在着陆阶段的位姿估计的问题,提出运用跑道平面结构化线特征的无人机视觉导航算法。利用单台固连在无人机上的前视相机对跑道区域进行成像,自动提取结构化线特征。在无人机降落前期利用完整的结构化线特征配置解算出无人机的六自由度位姿参数(偏航角、俯仰角、滚转角、纵向位置、横向位置、高度),并在无人机降落到较低高度时,利用退化的结构化线特征(跑道边缘)解算出无人机的关键位姿参数(偏航角、俯仰角、横向位置、高度)。三维实景仿真实验证明,在距离机场200 m处,无人机的距离参数精度小于0.5 m,角度参数精度小于0.1°。