基于修正最大似然估计的距离扩展目标检测器

在球不变随机向量的非高斯背景下,针对估计协方差矩阵可能奇异的情况,研究了距离扩展目标的自适应检测方法。首先,推导了非高斯背景下未知协方差矩阵和目标散射点幅度的修正最大似然(maximum likelihood,ML)估计;然后,基于纹理分量的近似ML估计,建立了自适应检测器(adaptively modified generalized likelihood ratio test,AMGLRT)。仿真结果表明,AMGLRT在目标散射点能量均匀分布时检测性能最佳,随着杂波尖峰的减小或阵元数的增加,AMGLRT的检测性能有所改善;且其对不同杂波相关性表现出很好的鲁棒性。另外,AMGLRT的检测性能优于已有的M/K检测器,且这种性能优势随着散射点个数的增加而增大。

简单混合三参数一般均匀分布在地震发生间隔区间估计中的应用

本文首次介绍了一类一般均匀分布,包括单参数一般均匀分布、二参数一般均匀分布及三参数一般均匀分布,导出了三参数一般均匀分布的密度函数、数学期望、矩母函数及特征函数,获得了单参数及二参数一般均匀分布参数的矩估计和最大似然估计,通过结合最大似然估计法与矩估计法,从而获得了三参数一般均匀分布参数的二种最大似然型修正估计.文末,提出一个简单混合三参数一般均匀分布拟合地震发生时间间隔长度数据,用以预报一段时间内地震发生的概率.

基于概率密度函数的辐射源定位点融合算法

针对空中观测平台对地面辐射源目标定位得到多个定位点的问题,提出了基于概率密度函数的定位点融合算法。在分析最大似然估计法的基础上,提出了概率密度函数求和法和修正最大似然估计法两种融合算法,通过概率密度函数相加求和与数据窗口选择,实现对辐射源多次定位点的融合,提高了定位精度。算法解决了个别定位点误差过大以及多个辐射源同时存在且其定位点不可区分时的融合问题。仿真实验结果表明,该方法可以有效融合多辐射源定位点,提高定位的精度,并且概率密度函数求和法融合性能更为稳健。