附加运动约束的MEMS惯性传感器融合定姿算法

针对MEMS惯性传感器因精度低、误差随时间累积导致无法满足长时间姿态测量要求的问题,提出了一种附加运动约束的姿态估计方法,即在以陀螺仪解算的姿态信息作为系统预测、以加速度计与磁强计解算的姿态信息作为系统量测的基础上,将载体运动约束作为虚拟观测量输入滤波器。同时,针对传统EKF算法精度不高的问题,提出了一种新的滤波融合算法,即迭代更新扩展卡尔曼滤波(iterated update extended Kalman filter,IU-EKF)。新算法通过将当前量测信息逐步引入量测更新过程实现后验状态估计,从而达到减弱观测模型非线性、提高滤波估计精度的目的。数值仿真结果表明:本文算法的姿态估计精度较传统的"双矢量法+EKF"模式有大幅提升。     

基于星座图恢复的MQAM信号调制方式识别算法*

针对MQAM信号调制方式的识别问题,提出了一种基于星座图恢复的算法。该算法首先估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样。随后采用一种非判决辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响。最后利用平均似然比检测的方法,完成MQAM信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有更优的识别性能。     

多矢量水听器低频近场目标协同定位算法

针对水下小平台难以实现低频近场目标定位的问题,研究了基于多个矢量水听器的协同定位算法。算法将多个矢量水听器视为不同的观测点,利用矢量水听器阵列流型特点估计出目标相对于不同观测点的方位角,根据这些方位角信息利用正交矢量算法对近场目标进行定位,避免了多维搜索过程,减少了计算量。仿真结果表明,算法能够准确地定位低频近场目标,有效地提高定位精度。     

幅相调制信号的星座图恢复与调制方式识别

针对幅相调制信号的调制方式识别问题,提出一种基于星座图恢复的算法。该算法估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样;采用一种非数据辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响;利用平均似然比检测的方法,完成幅相调制信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有识别性能更优。     

阵列雷达波束内双目标的极大似然角度估计方法

单波束内目标往往相距较近,采用传统角度分辨技术难以将其分辨,从而给目标跟踪和识别带来较大困难。于是提出基于LM算法的极大似然角度估计方法,实现波束内双目标的分辨。该方法在阵列雷达的基础上建立双目标回波模型,推导极大似然角度估计算法。考虑到求解算法直接影响极大似然角度估计的收敛速度和估计精度,利用LM算法实现了极大似然估计的求解,从而得到目标角度的精确估计。该方法避免了多次脉冲相干积累,具有计算量小的特点。仿真结果验证了方法的有效性。     

基于非圆性的伪码引信欺骗干扰抑制算法

针对单通道伪码引信欺骗干扰问题,提出了一种基于信号非圆性盲分离的欺骗干扰抑制方法。该算法首先利用伪码信号的非圆性构造虚拟通道,使欠定问题转化为适定问题,然后对传统SSOS算法中的代价函数进行共轭梯度寻优,以提高算法的收敛速度,最后利用分离信号延时变化量区分回波与干扰。理论分析与实验仿真表明,修正的SSOS算法收敛速度明显优于原算法,且当信噪比(SNR)大于5 d B时,即使干信比(JSR)很高,回波相似度可达80%以上。     

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。     

视频编码标准H．264运动矢量搜索算法

高清视频的信息量巨大,传输比较困难。 H．264作为视频压缩的主流标准,可以有效去除视频的冗余信息,提高视频的网络传输能力。针对H．264中运动估计算法耗时严重的问题,提出一种新的X型搜索算法。 X型算法由粗到细地进行搜索,先以X型快速搜索确定运动矢量的可能范围,然后在可能范围内进行局部全搜索,最终确定运动矢量。试验结果表明,X型搜索能够在保证视频质量的情况下大幅度缩短编码时间,有效提高运动估计算法的效率,兼顾了速度与精度,为高清视频的实时传输提供了保障。     

地波雷达组网探测高空目标优化布站

针对高空无人机等目标,建立基于高频地波雷达为主的2D雷达探测网,以目标高度估计和协同补盲为约束条件,对2D雷达网的优化布站问题进行理论计算和实例仿真,实验结果证明布站方法的有效性。     

基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法,该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷,基于Tent映射提出混沌双扰动的思想,并加入粒子群算法的进化过程,实现对粒子群算法的改进;之后,利用该新算法训练BP神经网络的初始权值和阈值,建立目标威胁估计模型和算法;最后,将该方法应用于实例中进行仿真,结果表明该目标威胁估计新算法具有较高的准确度。