二维虚拟ESPRIT算法

Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ 算法是一种快速的高分辨率方向估计方法,但它是一种一维估计方法,不能直接推广到二维方向估计。本文在 Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ 的基础上,针对一种特定的阵列结构,提出了一种计算量很小的二维估计方法——二维虚拟 Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ,它的计算量同一维 Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ 相当。     

态势估计中一种基于贝叶斯估计的统计时间推理方法

统计时间推理是态势估计中的一个重要组成部分。Ｋｉｒｉｌｏｖ的基于极大似然估计（Ｍａｘｉ－ｍｕｍＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｉｏｎ,ＭＬＥ）的推理方法将未知时间变量看作常数,估计方差较大。文中建立的已知时间信息和未知时间变量之间的关系模型,将未知时间变量扩展为随机变量,将贝叶斯估计（ＢａｙｅｓＥｓｔｉｍａｔｉｏｎ,ＢＥ）引入时间推理。经过对两种推理算法的性能进行分析和比较,发现在一定范围内,基于ＢＥ的方法性能优于基于ＭＬＥ的方法。     

非匹配摄动系统协方差矩阵的定界估计

基于Ｌｙａｐｕｎｏｖ 稳定性理论,在系统矩阵及噪声输入矩阵均存在非匹配摄动的一般情形下,研究随机系统稳态状态协方差的定界估计问题,通过求解两个代数Ｒｉｃｃａｔｉ方程,给出了该协方差矩阵上下界的估计式,并提供了一个说明性算例     

一种用AR模型参数自适应检测瞬态信号的新方法

本文研究AR 模型参数特征用于瞬态信号自适应检测的问题。本文依据AR 模型参数矢量长度为特征检测信号的思思,提出了一种具有良好地自适应抑制噪声扰动的参数估计方法,弥补了LS、SVDT 方法的不足。理论分析和实验结果均表明,本文的方法具有很好的AR 模型参数估计和瞬态信号检测性能。     

Gamma分布的Bootstrap估计

本文以二参数(三参数)Gamma 分布的极大似然估计为基础构造出其参数的Bootstrap 估计(简记 MLBE 估计),同时证明了这种估计在大样本情况下是相合的。通过计算机模拟表明:MLBE 估计在小样本下比 MLE 估计更有效,特别是 MLBE 估计能很好地解决三参数 Gamma 分布的区间估计问题。     

动态均匀分布模型及Bayes预测

Ｂａｙｅｓ预测是在Ｂａｙｅｓ统计分析基础上得到的一种预测方法,本文给出了观测服从均匀分布的动态均匀分布模型,并在状态向量线Ｂａｙｅｓ最优估计基础上给出了模型参数的修正递推及Ｂａｙｅｓ预测。     

先验信息下的改进主成分估计

对于线性模型Ｙ＝ＸＣ＋ε,Ｅ（ε）＝０,Ｃｏｖ（ε,ε）＝σ２Ｉ,在先验信息（Ｅ（Ｃ）＝０,Ｃｏｖ（Ｃ,Ｃ）＝σ２０Ｉ）下,本文给出主成分个数的一种更合理取法,并提出了一种改进的主成分估计。文中证明了该估计是可容许估计,且在“平均”均方误差意义下,优于最小二乘估计,亦优于主成分估计     

三轴MEMS加速度计的最大似然校正算法

加速度计是惯性导航系统的重要测量元件,而由于制造工艺及各类传感器误差,低成本加速度计很难达到要求的精度,因此需要对其进行校正。提出一种基于最大似然估计的加速度计自校正算法。综合考虑加速度计零偏、比例误差、非正交误差、安装误差与测量噪声,建立了传感器误差模型。在此基础上,将加速度校正问题转化为校正参数的最大似然估计问题。通过数值仿真和实测试验验证,表明算法具有较高的参数估计精度,能够有效地对上述因素引起的误差进行校正。     

临近空间高超声速目标跟踪技术研究

由于临近空间高超声速目标具有高速度、高机动的特点,对此类目标的跟踪是一个研究热点问题。提出了一种基于容积卡尔曼滤波的临近空间目标跟踪方法,首先分析临近空间高超声速目标的运动特性,建立了临近空间高超声速目标的运动模型。然后通过三站测得时差信息,实现了对临近空间目标的跟踪。最后,对提出的算法与扩展卡尔曼滤波和不敏卡尔曼滤波进行了综合性能对比分析,并通过仿真结果验证了该算法的实时性有效性。