基于改进最小二乘算法的TDOA/AOA定位方法

针对现有的两步加权最小二乘(Two-stage Weighted Least Squares, TSWLS)和约束加权最小二乘(Constrained Weighted Least Squares, CWLS)在TDOA/AOA混合定位中可能产生测量矩阵奇异的情况, 提出了一种改进的CWLS算法来消除奇异矩阵求逆运算.其主要思想是在约束条件下, 用含有移动台位置坐标的价值函数对移动台坐标和附加变量分别取偏微分, 分离出引入的附加变量, 使移动台位置坐标与附加变量分别位于线性方程的两边, 求解关于附加变量的一元二次方程, 因此避免了对奇异矩阵求逆的运算.在零均值的高斯白噪声环境下, 且移动台位于或接近监测基站阵列中心时, 通过MATLAB仿真验证了改进的CWLS算法比TSWLS和CWLS算法均能取得更高的定位精度, 可以达到克拉美-罗下界(Cramér-Rao Lower Bound, CRLB).     

部分相干光在大气湍流中的到达角起伏

研究了部分相干高斯谢尔光束在大气湍流中的到达角起伏.主要采用湍流内外尺度的修正Von Karmon谱模型及广义惠更斯-菲涅尔原理和交叉谱密度函数推导出了部分相干光在大气湍流中的到达角起伏表达式.对比分析了湍流内外尺度、湍流强度、传输距离、源相干参数以及波长等参数对部分相干光在大气湍流水平路径上传输时的到达角起伏的影响.结果表明:随着传输距离的增加,到达角起伏越来越小;随着大气湍流内外尺度和源相干参数的增加,到达角起伏也越来越大;与部分相干光相比,完全相干光的到达角起伏受湍流影响很小;随着波长和湍流强度的减小,到达角起伏越来越小.     

无定向导线测量的实践试验及其精度分析

本文阐述了无定向导线测量的基本方法和计算原理,并以桐乡县控制测量的实践试验为例,对这种方法进行论证.采用两种不同的计算方法对成果t}精度进行比校分析.本文还讨论了无定向导线测量用于城市建筑区及隐蔽地区控制测量的特点,指出这种方法的实用价值和应注意的问题.     

在多层神经网络中用Back-Propagation算法进行方位角估测

本文介绍了多层神经网络的基本结构和主要概念,并对训练多层神经网络的Back-Propagation学习算法(即后向传递误差算法,简称后向算法)的原理和实施步骤作了详尽的分析和推导。在多层神经网络中运用这一算法,提出了平面波方位角估测的新方法。计算机模拟结果显示,这一方法是可行     

用任意阵实现二维到达角和极化的联合估计

基于四阶累积量和ＥＳＰＲＩＴ算法提出一种新的任意高斯噪声环境上多个独立空间信号二维到达角和极化的联合估计方法。该算法的阵列由和坐标轴方向一致的偶极子对组成,各偶极子对的排列结构任意。计算机模拟结果证实了方法的可行性。     

600A MeV Au+Au碰撞的挤压效应分析

对600A MeV Au+Au碰撞实验的挤压效应进行了研究.在方位角分布分析的基础上,完成了对挤压效应的定量测量,有效地消除了估计反应平面离散对测量结果的影响.     

非科尔莫戈罗夫湍流情况下光学波前的到达角起伏方差分析

引入非科尔莫戈罗夫 (Kolmogorov)湍流情况下的归一化相位空间功率谱 ,针对 G倾斜和Z倾斜两种情形 ,分别推导了非科尔莫戈罗夫湍流情况下光学波前的到达角起伏方差与相位空间功率谱指数下降因子β和归一化大气湍流相干长度ρ0 之间的关系。结果表明 ,对于 2 <β <4 ,非科尔莫戈罗夫湍流情况下光学波前的到达角起伏方差随着β的增加而增大 ,β相同时 ,G倾斜方差总是小于 Z倾斜方差。     

四星时差定位中的卫星构型及其定位性能

针对目前多星联合定位研究中对卫星覆盖区域无法长时间高精度定位的问题,提出了一种新型的四星星座构型,并在STK软件中得到了实现。推导了在地球约束情况下基于四星时差定位的误差模型,对卫星全球飞行过程中星座构型变化时的定位性能进行了仿真。仿真结果表明,新型四星星座可以实现在卫星全球飞行过程中对覆盖区域保持高精度定位,在时差测量误差为50 ns且不考虑卫星位置误差的情况下,定位误差在依45毅波束范围内优于1.5 km,对多星联合定位技术在工程设计应用上具有重要意义。     

基于目标高度先验信息的多站时差无源定位方法

该文针对利用多站到达时差观测量的辐射源目标定位问题,已知目标高度先验信息,提出一种基于加权最小二乘的闭式高精度定位方法。近距离场景下,可忽略地球曲率影响,此时目标高度信息可等效为目标的1维坐标。基于该条件,使用一种新的两步加权最小二乘算法实现对目标的定位解算。该算法不需要目标位置初始值估计,无需迭代运算,计算量较小。仿真表明:利用目标高度先验信息可有效提高对目标的定位精度;在观测量噪声为高斯噪声且功率较小时,算法定位性能可达到克拉美罗界。     

基于樽海鞘群算法的无源时差定位

针对无源时差(TDOA)定位的非线性方程解算问题,论文使用一种名为樽海鞘群算法(SSA)的新的群体智能优化算法。首先,该算法采用一种新的群体更新模型,充分平衡迭代过程中的探索行为与开发行为,在保证搜索的全局性与个体的多样性的同时,改善了其他智能优化算法容易陷入局部极值的问题。其次,该算法控制参数很少,运算速度明显提高。该算法的收敛速度十分稳定,定位精度更高。仿真结果表明,樽海鞘群算法在3维时差定位中能够快速、稳定地收敛至目标位置,对传统粒子群算法(PSO)、改进的线性权重粒子群算法(IPSO)与SSA的定位精度进行比较,SSA精度明显高于PSO与IPSO。