基于数据矩阵重构的相干源波达方向共轭ESPRIT(C-SPRIT)估计方法

本文提出了一种相干源波达方向估计算法.该方法利用C-SPRIT思想,通过构造数据矩阵,使得无论是否存在相干信号,均能很好估计信号波达方向(DOA).传统的空间平滑技术通过子阵平滑来解决相干源DOA估计问题,但信号之间并没有完全解相干,孔径损失也很大,且最多只能估计2N/3个相干源(N为阵元数目).本文方法也采用空间平滑去相干的思想,但无孔径损失,信号之间完全解相关,提高了相干源DOA估计精度,并且能估计N-1个相干源,该方法利用ESPRIT数值求解进行角度估计,无需角度搜索,运算量小,计算机仿真验证了该方法的有效性和优越性.

基于FMCW雷达的多目标生命信号检测方法

针对调频连续波(FMCW)雷达工作带宽有限,难于对多目标生命信号准确检测的问题,提出了一种基于前后向空间平滑多重信号分类(FBSS-MUSIC)算法的FMCW雷达多目标生命信号检测方法。首先对中频信号进行距离维快速傅里叶变换(FFT)得到距离剖面矩阵,然后通过FBSS-MUSIC算法进行高分辨率距离估计从而确定每个目标所在的距离单元,接着根据每个目标所在的距离单元进行距离积分后提取每个目标对应的相位信号,使用变分模态分解(VMD)算法分解相位信号,通过模态判别准确重构呼吸和心跳信号,最后对生命信号进行短时傅里叶变换得到呼吸和心跳信号频率。实测数据结果表明,相比于距离维FFT,本文提出的算法能够显著提高FMCW雷达的距离分辨率,能够实现多个目标的准确定位并提取其生命体征信息。

基于量化测量的前向-后向箱粒子平滑器

提出了一种新的前向-后向箱粒子平滑算法。在正向过程中,使用标准的箱粒子滤波算法。在后向过程中,使用箱粒子近似平滑后验概率。提出了一种额外的箱粒子移动步骤,使箱粒子在目标周围集中。通过量化测量下的仿真,验证了所提算法的性能优势。

前向-后向平滑滤波在GNSS动态数据处理中的应用

针对GNSS动态数据处理中，信号失锁导致GNSS定位精度下降问题，研究了前向一后向平滑滤波算法，给出了本文所使用的Kalman滤波观测模型。对一组实测的GNSS数据进行了处理，结果表明，前向一后向平滑滤波算法能够有效提高GNSS信号失锁期间的定位精度，其对三个分量定位精度的提高在30％以上。

基于智能天线的相干多径环境的标签信号提取方法

针对射频识别系统中标签信号在相干多径环境下难以提取的问题,提出一种采用智能天线技术来提取相干标签信号的方法。以均匀直线阵为基础,利用子阵输出的相关信息,采用前后向空间平滑技术对相干的阵列接收信号进行预处理,再用多重信号分类(MUSIC)算法正确估计出波达方向(DOA)用以提取标签信号。性能仿真和实验结果表明,该方法具有较低的信噪比门限和较高的分辨能力。

基于时频子空间分解的宽带线性调频信号DOA估计

针对具有时变方向向量的宽带线性调频信号,该文建立了基于短时Wigner-Ville分布(WVD)的空间时频分布矩阵,通过对各个空间时频矩阵的特征分解获得对应的信号子空间和噪声子空间,给出了基于时频子空间投影实现多个时频点综合估计信号DOA的算法。利用空间时频分布的前后向平滑解决了具有相同时频特性信号的均匀线阵DOA估计问题。算法不需要聚汇和插值等复杂的矩阵变换,精度较高,计算简便.仿真实验显示该算法性能显著优越于基于矩阵插值的宽带调频信号DOA估计算法.

固定区间Kalman平滑新算法

用现代时间序列分析方法 ,基于ARMA新息模型和白噪声估值器 ,提出了一种正向固定区间稳态Kalman平滑新算法和两种反向固定区间稳态Kalman平滑新算法 ,并给出了保证算法最优性的最优初值公式 .算法简单 ,便于实时应用 .仿真例子说明了它们的有效性 .

基于前后向协方差矩阵投影的信源数估计算法

针对均匀线阵的信源数估计问题,提出了一种基于前向-后向采样协方差矩阵正交投影的多目标信源数快速估计算法。该算法将经过酉变换后的前向-后向采样协方差矩阵的列矢量做Gram-Schmidt(GS)正交化,并将正交化后矢量的模值与一个自适应判决门限做比较来估计信源个数。该判决门限根据阵列采样协方差矩阵估计误差的渐近分布特性推导得到。计算机仿真证明了该算法的正确性和有效性。

一般相关量测噪声下线性系统的平滑估计算法

提出了具有一般相关量测噪声的线性系统的平滑估计算法 ,该算法是在系统正向和逆向滤波估计结果的基础上 ,利用线性无偏最小方差估计获得的 .由于量测噪声的相关性 ,使得其后验均值不一定等于其先验均值 ,而它的后验均值又无法通过计算得到 ,因而提出的算法是一个次优算法 .在正、逆向滤波结果已知时 ,所提出的算法计算量小 ,易于实现 .仿真实例说明 ,该算法的估计结果要优于正、逆向滤波估计结果 ,以及量测噪声不相关的Kalman平滑估计结果 .

前/后向空间平滑算法与修正MUSIC算法对相关信源DOA估计性能的比较

前/后向空间平滑技术(Forward/BackwardSpatialSmoothingTechnique)与修正MUSIC算法(MMUSIC)是两种估计相关信号DOA(DirectionofArrival)的有效方法。文中分别分析了它们去相关的基本原理及各自优缺点。仿真了它们的分辨性能随信噪比以及相关系数增加的情况。

机械零件重构模型质量评价体系研究

基于正逆向混合建模方案完成零件逆向建模的基础,建立了评价重构的CAD模型的质量体系,包括精度评价与曲面光顺分析两个方面。给出了精度评价指标和误差控制策略,对于应用FARO-LDI三维激光扫描测量系统的逆向建模过程中,各环节的误差来源进行了具体分析,提出了具体的控制误差的技术手段,最终确定了计算逆向建模整个过程的总误差的数学模型。给出曲面光顺的准则,分析了曲面光顺分析的常用方法,并通过具体实例进行了应用。

相干信号联合波达角频率估计的一种新型预处理方法

本文有效地将一维中的前向 /后向空间平滑技术扩展到二维中的时 空阵列数据矩阵 ,提出了一种用于相干信号联合波达角 频率估计的新型预处理方法 .本文详细地分析了如何构造前向 /后向平滑时 空阵列数据矩阵 ,导出了确保信号波达角 频率参数可分辨应满足的条件 .与仅利用前向空间平滑的现有预处理方法不同 ,本文的预处理方法同时利用前向和后向空间平滑 ,因而提高了阵元的利用率 ,使联合波达角

两种解相关算法的DOA估计性能研究

MUSIC算法能对独立信号的波达方向（DOA）进行有效估计，但该算法对相干信号或强相关信号进行DOA估计时，算法性能会随着相关系数的增加而急剧恶化甚至失效．针对该问题，利用前后向空间平滑技术与修正MU—SIC算法进行去相关，研究了它们去相关的基本原理及优缺点；利用MUSIC算法通过实验仿真对相关信号的波达方向估计性能进行了研究，分析了信号间相关系数对前后向空间平滑算法与修正MUSIC算法的测向性能的影响，并验证了算法去相关的有效性．

三种新的学习子空间模式识别方法的研究

本文提出了最小模、检错平均、前后向平滑三种新的神经网络学习子空间模式识别方法．这些方法在识别率和收敛速度等整体性能上，接近或超过Ｅ．Ｏｊａ的平均学习子空间方法；特别是，前后向平滑学习子空间方法是目前最好的一类学习子空间方法，在模式识别领域，特别是语音识别方面具有广泛的应用前景，本文就舰船目标与箔条杂波利用这些方法进行了若干分类与识别实验，计算机模拟结果证实了这些方法的有效性．

低信噪比下相干信号的DOA估计的白噪声滤除方法

在波达方向估计中,"相干"和"信噪比"一直引人关注。相干会使多重信号分类等算法失效,究其原因就是信源协方差矩阵的秩亏缺。低信噪比使阵列协方差矩阵的主次特征值区分困难,造成信号和噪声的子空间划分错误。针对相干,人们往往都是从"解相干"的角度出发,通过各种手段使信源的协方差矩阵能够满秩,但并未对秩亏缺特性加以利用。基于此,本文给出了一种在低信噪比下对相干源的波达方向估计的噪声消除方法,在仅有加性白噪声的环境下,利用相干信号协方差矩阵不能满秩的特点,通过求解方程组,用求的值代替估计的协方差矩阵的相关对角元素(即对角加载处理),置换被噪声污染的对角元素,进而可以滤除掉白噪声的影响。仿真结果证实了方法的有效性。

MUSIC及其改进算法的DOA估计

MUSIC算法是一种有效的DOA(Direction of arrival)估计方法,但它仅能估计非相关信源,不能估计相关信源。前后向空间平滑技术(Forward/Backward Spatial Smoothing Technique)是一种改进的MUSIC算法,对相关信源有很高的分辨率。分析了它的基本原理及优缺点,仿真了它的分辨性能。

基于平方根无迹卡尔曼滤波平滑算法的水下纯方位目标跟踪（英文）

为了避免被动跟踪中非线性带来的计算复杂化及跟踪精度的下降,提出将平方根无迹卡尔曼滤波平滑算法(SR-UKFS)应用到水下纯方位目标跟踪。SR-UKFS利用Rauch-Tung-Striebel(RTS)平滑算法将平方根无迹卡尔曼滤波(SR-UKF)作为前向滤波算法得到的目标状态估计向后平滑,得到前一时刻目标状态估计,再利用该状态估计值进行再次滤波得到当前时刻目标状态估计。该算法得到的前一时刻的目标状态估计更加精确,从而进一步提高了目标跟踪的精度。最后,通过对SR-UKFS算法和SR-UKF算法的跟踪性能进行了对比分析和验证,仿真结果表明在相同条件下,SR-UKFS算法能减少59%的位置误差和54%的速度误差,SR-UKFS算法应用于水下纯方位目标跟踪系统是有效的,为水下纯方位目标跟踪系统的工程实现提供了非常有价值的参考。

带乘性噪声系统双滤器平滑及反褶积算法

在带乘性噪声系统（ＳＭＮ）间接平滑算法的基础上，通过构造一种新的ＳＭＮ逆向信息滤波算法，建立了ＳＭＮ的双滤器平滑和反褶积算法；为解决ＳＭＮ最优估计问题提供了新的方法。

空间谱估计相干信号源的处理

相干信号源的存在使得很多经典的高分辨算法受影响甚至失效。基于对去相干处理的方法的研究,发现两种算法具有较好的去相关效果——修正的MUSIC算法即MMUSIC和加权前后向空间平滑算法。这两种方法的本质都属于算法MUSIC的改良,它们之间有一定的联系。通过计算机仿真对它们进行比较,发现前者具有更好的去相关性能,而且对阵列没有孔径损失。

一种子空间识别DOA估计算法的研究

在传统MUSIC的基础上介绍了SSMUSIC,并以ULA为例,通过计算机模拟发现SSMUSIC比传统的MUSIC具有更好的角度分辨力。但是当阵列入射信号相干时,SSMUSIC的估计性能明显下降。为了解决此问题,首先对数据协方差矩阵进行前后向平滑,再用SSMUSIC进行波达方向(DOA)估计。计算机仿真结果表明,引入了前后向平滑后,提高了SSMUSIC的解相干能力。