带一步随机延迟量测非线性序列贝叶斯估计的条件后验克拉美罗下界

为了解决带一步随机延迟量测非线性状态估计器可获得最优性能的评价问题,提出了一种适用于带一步随机延迟量测非线性系统的条件后验克拉美罗下界(Conditional posterior Cram′er-Rao lower bound,CPCRLB),且现有的CPCRLB仅是所提出的CPCRLB在延迟概率为零时的一种特例.为了递归地计算提出的CPCRLB,本文提出了一种带一步随机延迟量测的粒子滤波器(Particle filter,PF),继而推导了提出的CPCRLB一般近似解和在高斯噪声情况下的特殊近似解.单变量非平稳增长模型、纯方位跟踪和频率调制信号模型的数值仿真证明了本文提出方法与现有方法相比的有效性和优越性.

分布式传感器网络中基于条件后验克拉美-罗下界的被动声目标跟踪局部节点选择算法（英文）

针对分布式传感器网络下的被动声目标跟踪问题,提出了一种基于条件后验克拉美罗下界(Conditional Posterior Cramér-Rao Lower Bounds, CPCRLB)的局部传感器节点选择算法,基于被动声探测背景下的纯方位量测数据,采用粒子滤波器推导得到了CPCRLB的近似解析表达式,进而在该CPCRLB的基础上定义了节点效用贡献作为节点选择准则,结合分布式传感器网络的特点提出了一种局部节点选择方法,节点无需知道全网传感器节点的信息,而是仅利用局部节点信息来决定下一时刻节点的活动状态,从而在实现自治节点选择的同时大大减少网络通信量。通过仿真结果表明,该算法在跟踪精度、能量消耗和计算复杂度方面都表现出较好的性能。

采用马氏决策过程和后验克拉美罗下界的多被动式移动传感器长期调度方法

针对多被动式移动传感器协同工作时跟踪精度不稳定等问题,提出了一种基于多步预测的移动传感器长期调度方法。该方法结合部分可观马尔科夫决策过程(POMDP)构建多传感器调度模型,并基于后验克拉美罗下界(PCRLB)建立了传感器调度过程中的单步与长期代价函数;为有效减少计算复杂度,利用大量无迹采样粒子来近似估算长期代价值;通过将多约束非线性调度问题转化为决策树优化问题,可快速获取传感器长期调度方法,并给出了一种基于分支定界技术的改进决策树搜索算法。实验结果表明,所提方法能够实现移动式传感器的合理调度,在决策步长为2时,其目标跟踪精度相较于短期调度可平均提升6.08%;改进搜索算法的求解速度也更加迅速,能够有效满足在线调度的实时性要求。

时延估计的克拉美-罗下界的渐近分析

从时延估计的Ｆｉｓｈｅｒ矩阵的最基本概率表达式入手，利用Ｔｏｅｐｌｉｔｚ（托布里兹）矩阵和循环矩阵的渐近等效性，以及循环矩阵的谱特性，导出了时延、多普勒、及其更高阶导数联合估计的Ｆｉｓｈｅｒ矩阵的严格渐近解析表达式，此结果较人们常采用的近似结果更加精确．两者之间的比较分析表明，在一定条件下两者具有较好的一致性．

磁性目标跟踪的后验克拉美罗下限分析与计算

为了求解磁性目标跟踪问题的后验克拉美罗下限(PCRB),提出了PCRB-GMSPPF算法。该算法利用高斯混合采样粒子滤波算法对目标状态的真实后验概率密度分布进行抽样,再通过蒙特卡洛积分法迭代求解每个观测时刻的Fisher信息矩阵,进而得出目标状态估计的PCRB;克服了基于PF算法求解PCRB过程中由于粒子退化和贫化问题造成不能从后验概率分布中正确抽样的缺点;在建立磁性目标跟踪的状态模型和观测模型的基础上进行仿真分析,将求解出的PCRB与采用GMSPPF及PF算法进行跟踪的均方根误差做对比,验证所提的PCRB-GMSPPF算法的有效性,结果表明:针对磁性目标跟踪问题,PCRB-GMSPPF算法较PCRB-PF算法具有更好的准确性,并可用于一般的非线性模型跟踪误差下限分析。

似然迭代平方根容积卡尔曼滤波算法的克拉美罗下界分析

本文介绍了平方根容积卡尔曼滤波算法和似然迭代平方根容积卡尔曼滤波算法,推出了后验克拉美罗下限.将两种算法应用到弹道再入段的状态估计中,分析和比较了两种算法的标准差与后验克罗美罗下限的关系.仿真实验结果表明,相比于平方根容积卡尔曼滤波算法,似然迭代平方根容积卡尔曼滤波算法的位置、速度和弹道系数的标准差与后验克拉美罗下限很接近,算法的滤波性能明显优于平方根容积卡尔曼滤波算法,是一个有效的状态估计算法.

采样信号周期数对克拉美-罗下界的影响

短时信号处理是信号处理的经典问题,但是关于最短信号长度尚无文献给出明确的建议。本文采用数值方法对正弦信号的克拉美-罗下界CRLB(Cramer-Rao Lower Bound)进行了研究并给出最短信号长度的取值,结果为:(1)根据采样信号周期数CiR(Cycles in Record)对CRLB的影响程度,把CiR分为高频段、低频段和极低频段进行研究;(2)极低频段的CRLB随CiR的下降急剧上升,且与信号相位有很大的关系;(3)最短采样信号周期数为CiR=0.8285,若低于这个临界值,无法保证估计算法的精度。

利用定位估计的克拉美罗下界进行双基地声呐系统最优化配置

为了研究双基地声呐系统最优化配置问题,建立了双基地声呐系统优化配置模型。以优化配置模型为基础,通过计算定位精度的克拉美罗下界,得到了不同分置角状态下的双基地声呐定位精度,并且仿真分析了系统计时误差和测角误差对定位精度的影响。当以目标为圆心,收发声呐在相同的半径上布站时,定位精度的仿真实验结果表明,分置角为2π/3时系统定位精度最高,该研究对双/多基地声呐系统最优化配置具有一定的参考意义。

基于克拉美-罗下界的移动网络定位性能分析

随着5G网络研究的不断深入,毫米波通信将成为5G的关键技术之一。由于毫米波波形的自相关特性能够影响时间估计的精度,所以影响基于到达时间(TOA)的定位方法的定位精度。为了进一步提高终端定位精度,文章运用估计理论推导了位置估计的克拉美-罗下界,列举几种毫米波波形,并通过仿真比较所列波形的定位性能,研究结果可为毫米波通信的波形选取提供理论支持。

基于经验电离层模型的短波时差定位理论分析

在短波波段,信号从辐射源到接收站要经过电离层反射,因此短波时差定位模型包含电离层信息。传统短波时差定位将电离层等效为均匀分布模型,电离层信息的扰动对定位精度的影响较大。本文利用国际参考电离层模型获取电离层的电子密度信息,以数值型三维射线追踪的方法建立起短波时差定位方程并推导了相应的克拉美罗下界(Cramer-Rao lower bound,CRLB)。仿真结果表明,短波时差定位的CRLB在白天低于夜晚,太阳活动高年和太阳活动低年差别不大;在准确获取电离层信息的条件下,电离层的变化对短波时差定位的CRLB影响并不显著。

基于SSK的室内VLPC系统设计及性能分析

本文设计了一个多输入单输出(Multiple-Input Single-Output,MISO)的三维室内可见光定位通信一体化(Visible Light Position and Communication,VLPC)系统,该系统在接收端基于接收信号强度(Received Signal Strength,RSS)的三维可见光定位(Visible Light Position,VLP)算法获得定位数据,同时估计信道状态信息(Channel State Information,CSI)并上传给发射端进行定向通信.该系统的发射端基于空移键控(Space Shift Keying,SSK)的室内可见光通信(Visible Light Communication,VLC)技术实现系统的通信功能.另外,本方案可以完全避免通信与定位子系统之间的干扰.同时,通过推导定位误差的克拉美罗下界(Cramér-Rao Lower Bound,CRLB)和SSK-VLC的通信可达速率来评估本文提出的VLPC系统的性能.仿真结果验证了本文所提方案的有效性.

基于均匀线性阵列的超大规模MIMO混合场信道估计算法

超大规模MIMO(extremely large-scale massive MIMO,XL-MIMO)是未来6G通信的关键技术之一。现有的XL-MIMO混合场信道模型大多对均匀线性阵列和单天线用户之间信道建模,且采用散射体最后一跳模型。若收发双端均配备线性阵列,现有的混合场信道估计方案将不再适用。为此,针对收发端均部署超大规模线性阵列的XL-MIMO场景,采用Saleh-Valenzuela模型进行信道建模,并提出了一种基于正交匹配追踪(OMP)的混合场信道估计算法。该算法首先利用角域变换矩阵对远场分量进行估计,然后通过极域变换矩阵估计近场分量。此外,引入克拉美罗-下界(CRLB)对所提算法进行评估。仿真结果表明,提出的混合场估计算法相较于仅考虑远场和近场的估计算法在信道估计性能上有约0.6 dB的提升。

基于可移动单元的智能反射面辅助近场定位技术

RIS在提高感知系统可靠性方面具有广泛的应用前景。同时,可移动天线技术可以利用天线的局部运动,动态地改变发射机和/或接收机处的天线位置,以优化信道条件,提高通信性能。因此,将可移动天线技术引入RIS,通过充分利用无线信道在有限区域的空间变化,进一步实现智能可控的无线信道传播环境。基于此,研究了一种基于可移动单元的智能反射面辅助近场定位技术。首先,提出了基于近场模型的最大似然定位算法,并推演出衡量定位性能的CRLB。然后,提出了一种基于投影梯度下降的交替优化算法,实现智能反射单元动态位置和波束赋形的联合优化,以获得RIS用于定位的优化结构和相位配置。仿真结果表明,与传统固定单元的RIS相比,通过灵活调整RIS反射单元的拓扑结构,获得更好的信道条件,能够显著降低用户位置估计的CRLB,提高系统的定位性能。

用于正弦波频率估计的修正I-Rife算法

对正弦波信号的频率估计是雷达领域常见的问题。当真实频率接近量化频点时,I-Rife算法的频移因子的计算会产生较大误差,为提高频率估计的精度,本文通过分析Rife及I-Rife算法的性能及误差产生的原因,利用频谱细化的方法,提出了一种修正I-Rife算法,即用峰值频点左右各0.5点处的频谱幅值来替代频谱峰值点的幅值和次大值频点处的幅值进行插值计算,对频率偏移值进行更为准确的估计,在计算量与I-Rife算法几乎相同的情况下,有效地提高了频率的估计精度。仿真结果表明,改进后的I-Rife算法整体性能优于I-Rife算法,且估计的均方根误差更接近于克拉美-罗下界。

基于距离向BCRLB的加权融合目标跟踪

推导了目标跟踪距离向贝叶斯克拉美罗下界(BCRLB)的表达式,将距离向BCRLB作为目标跟踪性能的量化指标。针对双机目标跟踪场景,采用交互多模型卡尔曼滤波,提出了基于距离向贝叶斯克拉美罗下界的加权融合算法。仿真实验表明,该算法的目标跟踪航迹与真实航迹贴合较好,跟踪过程中均方根误差能快速收敛到一个稳定的值,相比基于信噪比加权融合的目标跟踪算法,该算法的目标跟踪精度更高。

基于稀疏贝叶斯推断的密集城区内无人机目标直接定位算法

在当今社会,无人机“黑飞”现象日益频繁,给社会治理和公共安全带来了新的挑战。为了有效打击这一现象,迫切需要采取高精度的定位算法,以确保对无人机目标位置的准确获取。在一些密集城区内,定位设备的阵列天线接收到的信号是无人机经周边大量建筑物所构成的散射体散射后形成的多径分量的叠加,此时不能简单认为由点信源产生的,而是需要将目标建立为分布式信源模型。在这种情况下,如果仍采取传统的直接定位算法,在估计分布式信源位置时会出现性能急剧恶化的问题。针对上述问题,本文提出一种利用稀疏贝叶斯推断对相干分布式信源目标进行直接定位的算法。本算法首先建立相干分布式信源场景下多阵列联合的目标定位模型;对其构建稀疏概率框架,在该框架下对稀疏信号和噪声施加先验信息;之后利用贝叶斯推断方法可以更新迭代出超参数的估计值,进而得到每个网格点上的功率谱值;最后通过多维搜索来获取最大谱峰值处位置,即为信源位置。本文还详细推导了在数据域下相干分布式信源直接定位的克拉美罗下界,为算法的估计性能提供了基准。数值仿真结果表明在相干分布式信源模型下所提算法相比子空间类算法有着更高的定位精度和鲁棒性,在较多阵元情况下定位性能能够逼近最大似然估计算法。

基于CPCRLB的隐身目标协同检测与跟踪

针对雷达组网对隐身目标协同检测与跟踪时的动态分配问题,将条件后验克拉美罗下界(CPCRLB)用作系统跟踪性能的度量,结合改进二值粒子群优化(NBPSO)和粒子滤波,提出了一种基于CPCRLB的隐身目标协同检测与跟踪算法。该算法将雷达的动态分配问题转化成组合优化问题,根据新生目标的隐身特性对雷达分配方案的约束,借助分布在边界的检测粒子计算不同的雷达分配方案对新生目标的检测概率,并以已跟踪目标的CPCRLB衡量跟踪精度,采用NBPSO全局搜索最优分配方案,最后进行粒子滤波与协方差交集融合。

基于计算图与CRLB的集群编队队形优化方法

集群内定位精度是无人机集群应用于各类复杂任务的先决条件。面向集群编队队形定位优化需求,建立了基于相对距离和到达角的集群内协同融合定位模型,推导了领航-跟随编队下的融合定位克拉美罗下界理论极限值,建立了队形定位优化评价函数,作为集群编队队形优化理论依据。针对集群编队队形优化评价函数梯度求解难的问题,构建了队形定位优化评价函数的梯度计算图,通过反向传播,逐步得到最终梯度值,基于共轭梯度法,设计了最优队形搜索算法。通过数值仿真验证结果表明:与遗传算法和蜜獾算法相比,基于计算图与CRLB的集群编队队形优化方法可以得到更优的编队队形,集群理论定位精度也更高。

混合信道下基于到达时间的快速直接定位算法

为了实现复杂环境下视距(Line-of-Sigh,LOS)与非视距(Non-Line-of-Sigh,NLOS)同时存在的混合信道中的目标辐射源直接定位(Direct Position Determination,DPD),提出基于到达时间(Time-of-Arrival,TOA)的快速直接定位算法。该算法充分挖掘不同信道信号中的信息参数,采用最小二乘法原理构建代价函数,无需估计定位参数,避免了传统两步定位法所需的NLOS识别与数据关联。引入粒子群(Particle Swarm Optimization,PSO)算法精确估计目标辐射源的位置信息,以降低计算复杂度。将所提定位算法与基于TOA的两步定位法在定位精度方面进行对比,仿真结果表明,所提算法定位精度高于两步定位法,且可以逼近克拉美罗下界(Cramer-Rao Lower Bound,CRLB),能够快速定位混合信道中的目标辐射源。

机载传感器的抗定位缩比试验方法

针对机载传感器在对抗测向交叉定位系统时,定位精度不易直接评估的问题,开展了定位精度的缩比试验方法研究。介绍了测向交叉定位系统的原理并推导了定位精度的克拉美罗下界。设计了缩比试验场景并对比分析了缩比前后定位精度的克拉美罗下界,为开展定位精度的缩比试验提供了理论支撑。对缩比试验方法进行了仿真验证。仿真结果表明:测向交叉定位系统的缩比试验方法有效可行,可对100 km以外的真实场景开展缩比试验,缩比后的克拉美罗下界达到100 m量级。