独立分量分析在MIMO OFDM系统信道盲估计中的应用

研究了MIMO—OFDM系统基于独立分量分析（Independent Component Analysis）的盲信道估计算法,提出了改进的ICA—only算法。该算法将ICA算法应用到各个子载波,将ICA算法所固有的排列和幅值上的模糊性通过发射端的线性编码来消除,实验结果表明,该算法能很好地估计出信道参数。     

基于贝叶斯网络的威胁识别

根据威胁识别与贝叶斯网络的特点,提出了基于贝叶斯网络的威胁识别方法.分析了使用贝叶斯网络进行威胁估计表示问题,提出了构建贝叶斯网络进行威胁估计的步骤.最后,给出一个具体的实例,演示了使用贝叶斯网络进行威胁识别的过程,实现了战场态势中蓝方机群对红方战术意图的提前预测.     

视觉惯性SLAM研究进展

近年来视觉惯性SLAM是机器人及计算机视觉领域中的研究热点问题,在无人驾驶、增强现实、三维重建等领域有着广泛的应用.简述了视觉惯性SLAM的关键技术,并从统一的贝叶斯框架出发介绍了后端的两种形式——滤波和优化.对几个代表性视觉惯性SLAM系统进行深入对比分析,讨论了近年研究热点与发展趋势,并做出总结与展望.     

时间与精度关系估算采样点数不等式的精确估计

本文给出了《论作战系统中时间与精度关系》论文中采样点数关系不等式的精确估计。     

本质流形上的自适应运动估计

分析了计算机视觉中一种新的运动估计模型,将运动估计作为一个参数定义在"本质流形"上的非线性系统参数辨识问题。针对基于离散处理和连续处理方法得到的"本质流形",提出了一种新的、统一的自适应推广卡尔曼滤波算法,在"本质流形"的局部坐标系上进行运动估计。仿真结果验证了该算法的正确性。     

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。     

复合总体异方差整体检验的两类风险估计

不同的作战条件对导弹命中精度有着显著的影响,评估对空导弹在整个作战空域的命中精度,实际是复合总体条件下不同空域异方差数据的整体检验问题。对空导弹攻击不同空域目标的实际试验数据通过适当的坐标转换,在相对坐标系下确定了试验样本在复合总体下的误差分布;建立了异方差数据的整体检验效率函数,得出了不同试验条件与不同鉴别比所对应的拒真风险和纳伪风险,解决了复杂总体条件下极小样本的整体评估难题。     

证据理论与模糊神经网络相结合的身份估计方法

重点研究了在数据融合身份估计领域中D-S证据理论与模糊神经网络相结合的多传感器数据融合方法。Demp-ster-Shafer证据理论方法是对Beyes决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知道等方面显示了很大的灵活性,但是在基于证据理论的身份估计融合中,基本可信度的分配是一个与应用密切相关的问题,也是实际应用中最难的一步。利用模糊神经网络来处理证据理论中的基本可信度分配问题,并对几种空中目标进行了身份估计数据融合,经计算机仿真实验证实了该方法的有效性。