基于扩展卡尔曼滤波的动中通低成本姿态估计

针对动中通系统低成本姿态估计问题,提出了一种基于扩展卡尔曼滤波的姿态估计算法。该算法以四元数作为状态变量,通过融合陀螺、加速度计以及单基线GPS位置和速度信息估计载体的姿态信息。针对载体机动加速度的影响,通过单基线GPS提供的速度信息对载体的机动加速度进行初步补偿;当载体发生转弯时,利用侧滑角补偿法进一步校正。实验结果表明,该算法成功融合了陀螺的短时精确性、加速度计的长时稳定性和GPS精确的测速和定位功能,系统的动态估计精度在±0．5°内,满足了动中通的应用要求。     

智能天线系统中上行多用户相干信号的分离与DOA估计方法研究

本文研究了平主道中的窨特征估计问题。提出了一种工于循环累量的多用户空间牲针该算法用于智能天线中的ＳＤＭＡ实现。该算法构造了循环累量域四,通过对空间特征循环矩阵的特征分解可以得到用户信号的空间特征估计。并以此为基础,设计了用于上行多波束成形的窨滤波器组实现了上行多用户信号的分离,利用空间滤波器的空间频率响应确定共信道多用户信号的ＤＯＡ《     

"动中通"变极化系统研究

根据任意极化波可由空间两个正交的线极化波合成的理论,提出了一种终端电控变极化的方案,通过控制两个正交线极化波的幅度和相位,可以获得任意取向线极化波,可实时对极化角进行稳定性处理,有效解决移动通信中的极化失配现象,改善通信质量。     

信号循环平稳特性及其应用

信号处理领域的很多时间序列都可以用循环平稳来建模，这是因为对信号的离散采样、扫描、调制、多址、编码以及物理现象固有的周期性都使信号呈现出周期性。循环平稳信号是一类非常重要的平稳信号，许多信号、干扰都表现出一定的循环平稳性，将信号的这种特性考虑在内的信号处理器，较之传统的信号处理器，可以得到性能上的提高。该文简要介绍了循环平稳信号的基本特性，主要介绍了该理论在各领域的具体应用。     

基于动态参数差分进化算法的多约束稀布矩形面阵优化

针对多约束条件下稀布矩形平面阵列天线的优化问题,该文提出一种基于动态参数差分进化(DPDE)算法的方向图综合方法。首先,对差分进化(DE)算法中的缩放因子和交叉概率引入动态变化控制策略,提高搜索效率和搜索精度。其次,改进矩阵映射方法,重新定义映射法则,改善现有方法随机性强和搜索精度低的不足。最后,为检验所提方法的有效性进行仿真实验,实验数据表明,该方法可以提高天线优化性能,有效降低天线的峰值旁瓣电平。     

移动卫星通信系统强跟踪姿态估计算法

针对移动卫星通信系统在高动态和强机动等复杂地理环境下,测控系统不能保证天线姿态稳定和指向实时对准的问题,提出了一种量测误差实时渐变的强跟踪姿态估计算法。通过量测误差实时渐变来改善强跟踪滤波中渐消因子突增造成的过调节问题;通过引入多重渐消因子对保证滤波预测方差阵的对称性不被破坏;通过强跟踪滤波提高天线姿态在强机动下的稳定性,增强对突变的跟踪能力。实验仿真表明,该算法在强机动和高动态条件下有较强模型参数失配的鲁棒性和突变情况下的跟踪能力,能有效提高天线姿态在高动态下的估计精度。     

基于最小冗余线阵的共轭循环ESPRIT算法

本文提出了一种基于最小冗余线阵的共轭循环ESPRIT算法。理论分析和计算机仿真实验均表明:该算法具有良好的DOA估计性能,增大了阵列孔径,抗噪能力强,分辨率高,可以用较少的阵元估计更多的信号源方向。计算机仿真实验验证了算法的有效性,并比较了该算法与共轭循环ESPRIT算法的DOA估计性能。     

利用信号的循环平稳特性进行相干源的波达方向估计

本文提出一种修正的ＳＣ－ＳＳＦ方法,该方法适用于宽带和窄带源,不仅可解决循环相关源的问题,而且具有更好的噪声抑制特性,用蒙特卡下实该方法噪声抑制性能优于ＳＣ－ＳＳＦ〈并具有对相同循环频率的多个循环盯关源进行ＦＤＯＡ估计的能力。     

结合多尺度空间滤波和层级网络的基于结构保持的高光谱特征选择

为了充分利用高光谱图像蕴含的丰富的光谱信息和空间信息,提出了结合多尺度空间滤波和层级网络的基于结构保持的高光谱特征选择算法.算法利用基于l2,1范数的数学模型,选出同时保存全局相似性结构和局部流形结构的特征子集;在多个尺度的窗口中使用双边滤波,自适应计算滤波核,自动在光谱数据中融入空间信息,增强了类内相似性和类间相异性,避免了参量选择;引入层级结构实现空间信息和光谱信息的深入融合,提高了分类准确度;讨论了层级数目和窗口尺度个数对分类准确度的影响.在Indian Pines和PaviaU两个数据集的实验表明,该算法在大部分地物种类上的分类准确度都有较大幅度的提升,总体分类准确度分别达到90.98%和94.20%,相比其他方法明显提高了地物分类准确度.     

迭代对角加载采样矩阵求逆鲁棒自适应波束形成

为有效克服导向矢量大失配误差对自适应波束形成器的影响,该文提出了一种迭代对角加载采样矩阵求逆鲁棒自适应波束形成算法。该算法对传统对角加载算法进行了迭代运算,基于Capon波束形成器的最优权矢量与假定导向矢量的基本关系,将每一步得到的权矢量,对应反解出一个比导向矢量假定值更为准确的导向矢量,并替代假定值,最终逼近真实的期望信号导向矢量。提出的方法在迭代过程中只需一步递推,无需对导向矢量建立不确定集,避免了在每步迭代中运用拉格朗日数值法或凸优化法,且明显提高了波束形成器的输出信干噪比。仿真结果验证了算法的正确性和有效性。