时间跨度对GPS坐标序列噪声模型及速度估计影响分析

选取全球范围内72个基准站的坐标序列,采用改进的赤池信息量准则、贝叶斯信息量准则对不同噪声模型组合进行噪声分析,得到基准站坐标序列的最优噪声模型及速度参数,探讨时间序列跨度对噪声模型及速度估计的影响。结果表明,基准站坐标序列噪声模型不能由单一的噪声模型表述,其呈现出多样性特征,主要表现为幂律噪声、高斯马尔科夫噪声、闪烁噪声+白噪声特征,且三坐标分量表现出不同的噪声特性;随着时间跨度的增加,坐标时间序列的最优噪声模型、GPS站速度及其不确定度逐渐由发散趋于收敛,随机游走噪声模型的比重有所增加。结果表明10 a以上的时间跨度是较为理想的噪声模型估计尺度。     

周期平稳通信信号时差估计

研究了一种利用信号谱相关特性对周期平稳通信信号进行时差估计的方法。研究表明,谱相关时差估计方法较之经典的广义互相关(GCC)法具有更强的抗干扰能力,在多辐射源环境下,该方法可以无模糊地估计各个辐射源的时差。     

小口径舰炮对空虚拟校射校正量的最优估计

首先建立了小口径舰炮对空虚拟校射脱靶量的观测方程,分析了脱靶量的统计性质,在此基础上推导出校正量的最优估计量,并用仿真结果验证了结论的正确性。     

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。     

基于Golay互补序列的UWB同步和信道估计

提出了一种基于Golay互补序列的UWB信道估计和同步方法。该方法利用了Golay互补序列所具有的互补的自相关特性。首先引出了Golay互补序列的插0序列的概念,并证明了这种插0序列也是Golay互补序列。通过依次发送Golay互补序列,在接收端采样后分别与相应Golay插0序列进行相关并求两者和,根据门限判别即可完成同步和信道估计,仿真结果表明了该方法是有效的。     

时延估计多基地水下目标被动定位及误差分析

根据基于时延估计的多基地航空搜潜系统中目标、各被动浮标之间空间上的几何位置关系,建立目标位置的数学模型,确立了目标空间位置与声传播信号到各被动浮标的时延、布阵间距、声速之间的关系;在此基础上,根据时延估计方差的克拉莫-罗下限,分析信号信噪比、接收机带宽、信号中心频率及观测时间等参量测量误差对时延估计的影响,进而分析了各参量误差对目标定位误差影响,最后对所建模型及误差进行了仿真分析。     

基于二进制传感器网络的目标运动方向估计方法

介绍了方向估计二进制传感器网络(DE-BSN),提出基于统计学习解决目标运动方向估计的思路,并给出了使用线性判别分析法(LDA)和支持向量机算法(SVM)的估计方案。仿真分析了在不同传感器节点密度时上述算法的精度、和在节点出现错误的情况下算法对目标方向估计的可靠性。实验结果表明上述算法均可实现高精度的目标方向估计,并都具有一定的鲁棒性,各自的优势分别在于:LDA的计算复杂度较小,而SVM的估计误差较小。     

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.     

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。     

贝叶斯参数估计在雷区范围估计中的应用

提出了以发现水雷位置信息为抽样点,在给定估计误差的条件下,使用贝叶斯参数估计方法进行雷区范围估计的思路。详细讨论了水雷服从均匀分布时使用贝叶斯参数估计方法估计雷区范围的问题,给出了相关公式的推导过程,并设法解决仿真中存在的中间数值过大的问题。仿真结果均在允许误差范围之内,这验证了算法的可行性。