前向平滑MUSIC算法及其FPGA设计

波达方向估计是智能天线的一项核心技术,它在无线定位领域有着十分重要的意义。为了对相干信号的来波方向进行精确估计,介绍了一种基于空间平滑技术的改进型MUSIC算法,并通过FPGA设计,证明了该算法硬件实现的可能性。

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。

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。

幅相误差对两类高分辨测向算法性能的影响

高分辨测向算法主要包括MUSIC算法、最小范数法、前向平滑算法和修正MUSIC算法等。无论是针对独立源或是相干源,在没有考虑阵元的幅相误差的情况下,这些算法都能准确进行到达方向(DOA)的估计。主要考虑存在幅相误差时,两类高分辨测向算法(最小范数法和前向平滑算法)的DOA估计性能。最后,给出了计算机仿真结果,并对幅相误差对算法的影响作了性能分析。

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。

一种融合时滞值的状态估计方法及其应用

针对间歇过程中关键参数,在线检测精度低、离线分析时滞大的问题,提出一种融合时滞测量值的状态估计方法。鉴于在线和离线检测值的采样周期不同,分仅有在线检测值和两种检测值并存等两种情况进行分析。考虑间歇过程的非线性、非高斯分布等特点,引入粒子滤波算法并基于贝叶斯方法对其进行扩展,实现两种检测值的信息融合。将提出的算法应用在啤酒发酵过程中,并与不考虑时滞测量值的估计效果对比。实验结果表明,该方法能够较好地处理考虑时滞值的状态估计问题,且效果优于不考虑时滞测量值的情况。

含时滞测量值下间歇过程的双维状态估计

基于粒子滤波研究了间歇过程的状态估计问题。根据间歇过程双维动态特性,针对关键参数在线检测精度低、离线分析时滞大等问题,分别建立一种双维状态转移模型和时滞测量模型,并利用贝叶斯方法及前/后向平滑,提出一种含时滞测量值下的双维状态估计算法。该算法通过融合先前批次和时滞测量值的信息提高估计精度,并且克服了离线采样周期和时滞时间不确定的问题。在数字仿真和啤酒发酵过程中的仿真应用验证了该算法的有效性。

利用双天线商用WiFi信道状态信息估计到达角

商用WiFi接收模块可以提供比接收无线信号强度指示(received signal strength indication,RSSI)更细粒的信道状态信息(channel state information,CSI),利用3根天线获取CSI进行方位到达角(angle of arrival,AOA)估计已成为现实。利用正交频分复用技术(orthogonal frequency division multiplexing,OFDM)将2根天线拓展为60个虚拟天线阵,将前向平滑算法拓展到二维前向平滑算法。利用仿真的非相干信号源和相干信号源数据进行实验,结果表明,在只利用2根接收天线的前提下也能实现基于商用WiFi信号的方位角的AOA估计,所提出的2根天线的虚拟天线阵模型和二维前向平滑算法具有有效性和适用性。