交通基础设施空间特征参数的多维估计方法

为系统提取交通基础设施的空间属性数据,获取其空间发展特征以辅助区域交通运输规划,本文基于空间分异理论和空间剥夺理论,采集交通基础设施发展水平评价数据,定义空间异质系数和空间依赖系数,构建了空间特征参数的多维估计方法;并以西部12省为实例,通过对比分析省域尺度和城市尺度的估计结果,验证模型的有效性.结果表明:省域尺度下交通基础设施空间发展较为均衡,空间依赖特性不显著;城市尺度下交通基础设施发展异质特征明显,存在显著的空间依赖特性.最后,基于情景假设分析,验证了空间特征参数对交通资源优化配置的重要决策价值.本文所构建的多维估计方法,可实现不同尺度下交通基础设施空间特征参数的精确测度,在交通运输规划领域具有较好的适用性.

基于单矢量水听器时频声强法的非合作水声跳频信号多维参数估计

针对传统方法对水下非合作跳频信号的多维参数估计效果不佳的问题,提出一种基于单矢量水听器时频声强法的非合作水声跳频信号空时频参数估计方法。利用矢量水听器声压通道与振速通道的接收信号建立时频域的短时互谱分布,分析噪声与信号在时频域分布的差异,通过迭代去噪法与连通域方法,对噪声进行抑制并平滑每跳的能量分布;采用复声强法对短时互谱矩阵进行处理,得到清晰稳定的跳频信号空时频分布;提取空时频分布的脊线并利用Haar小波变换对脊线进行奇异点检测,估计出信号的多维参数。仿真和水池试验结果表明,当信噪比大于-5 dB时,所提方法得到的参数估计归一化均方根误差小于0.05。

基于降维变换的低复杂度双基地EMVS-MIMO雷达高分辨多维参数估计

针对当前算法在实现双基地电磁矢量传感器多输入多输出(electromagnetic vector sensors multiple input multiple output,EMVS-MIMO)雷达的多维参数估计时计算代价较高的问题,通过利用降维变换技术来实现低复杂度的角度参数和极化参数求解。针对阵列接收数据维度较大问题,通过设计相应的波束空间变换矩阵来实现对阵列接收数据的降维处理。针对算法本身的较高计算复杂度问题,采用低计算复杂度的平行因子分解算法。所提算法能够精确地实现对发射因子矩阵和接收因子矩阵的求解。同时,通过新的旋转不变关系构建新的估计信号参数,可以实现对发射/接收俯仰角的求解。进一步,发射/接收方位角、发射/接收极化角和发射/接收极化相位差的估计可以通过发射/接收空间响应矩阵的重构来实现。仿真实验结果表明,所提算法在降低计算复杂度的同时能够保持优越的多维参数估计性能。

基于差分阵列的双基地EMVS-MIMO雷达高分辨多维参数估计

为提升双基地EMVS-MIMO雷达的多维参数估计性能,该文提出利用发射/接收EMVS的差分阵列结构来实现多维参数的高分辨估计。对于阵列接收数据,可以利用高阶张量来实现对发射/接收EMVS的差分阵列的构建。首先,利用高阶张量的交换和缩并规则来构建一个包含原始发射/接收EMVS差分阵列结构的5阶张量模型;通过利用两个选择矩阵,可以剔除该张量模型中差分阵列的重复元素,且获得的差分阵列的自由度为原始阵列自由度的两倍。然后,对新构建的5阶张量模型再次进行张量的缩并处理可以获得一个第3个维度为36的3阶张量模型。最后,通过利用平行因子分解算法可以实现对发射4维参数和接收4维参数进行有效的求解。仿真实验表明,该文对差分阵列的构建有效地实现了双基地EMVS-MIMO雷达中多维参数估计性能的提升。

一种多载频MIMO雷达高速运动目标多维参数估计方法

多载频MIMO雷达中,高速运动目标回波信号经通道分离后各通道的距离和多普勒频率均不在同一分辨单元,无法利用传统的超分辨算法对目标距离、角度等参数进行估计.本文根据目标回波特点提出一种基于级联Keystone变换的高速运动目标参数估计方法.该方法先在快时间维利用Keystone变换校正距离走动,再在慢时间维进行Keystone变换校正多普勒走动,最后用MUSIC算法进行距离、方位和俯仰等参数估计.仿真结果表明了所提方法的可行性和有效性.

基于圆阵双基地MIMO雷达多维角度联合估计

提出了一种基于均匀圆阵双基地MIMO雷达多目标多维角度估计的新算法。对阵列接收信号进行分析,表明其具有平行因子三线性模型特征,利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出多维角度。该方法无需谱峰搜索,可实现参数的同时估计与配对,与基于旋转不变参数估计技术(Estimation of signal parameters via rotational invariance techniques,ESPRIT)思想的算法相比具有更高的估计精度,而且在小样本数下也能较好地工作。仿真结果验证了该算法的有效性。

双基地MIMO雷达二维DOD和二维DOA联合估计

提出一种双基地MIMO雷达L型阵列下多维角度联合估计的新算法.该算法利用匹配滤波器输出信号特点构造不同的代价函数,采用迭代最小二乘算法估计收发阵列流形矩阵,根据L型阵列结构的特点和最小二乘法,从估计出的矩阵中计算目标的二维DOD(direction of departure)和二维DOA(direction of arrival).该方法无需谱峰搜索,可实现参数的同时估计与配对.与ESPRIT算法相比,具有更高的估计精度,并接近于克拉美-罗睛限,且在小快拍数下也能较好地工作.仿真结果验证了该算法的有效性.

MIMO雷达多目标多维参数估计预处理算法

目标高速运动使得MIMO雷达回波信号经通道分离后各通道的距离和多普勒频率均不在同一分辨单元,此时,无法利用传统的超分辨算法对目标距离、角度等参数进行估计.本文利用速度估计值构造补偿因子,对回波信号进行预处理,校正距离和多普勒单元走动,再利用空间谱估计算法对目标多维参数进行估计.仿真结果表明了所提方法与MUSIC相比,具有更好的可行性和有效性.

水库下游防洪区多维风险估计模型研究

针对以水库为主要防洪工程且受干支流洪水遭遇影响的典型下游防洪区,基于Copula函数具有将多个边缘分布函数连接为多元联合分布函数的功能特点,选取在水文分析中应用比较广泛的一种Copula函数,以水库出流和区间入流洪峰流量为随机变量,结合洪水频率组合法寻求下游防洪控制断面总汇流的分布函数,构建了水库下游防洪区多维风险估计模型,为合理评估干支流洪水遭遇情况下的水库下游防洪风险提供了一条可行途径。算例分析表明,该模型能够充分考虑干支流洪水遭遇可能性,估算得到水库下游防洪的风险率,为调度人员的管理和决策提供了一定的技术参考。

基于时空极化导向矢量的阵列信号多维参数联合估计

通过对极化敏感阵列的时域采样构造了具有旋转不变结构的矩阵对,该矩阵对分解的特征值与对应特征向量分别是旋转矩阵和阵列的时空导向矢量,利用该导向矢量和旋转矩阵直接得到信号的频率、二维波达方向和极化的联合估计,该多维参数计算方法具有虚拟阵元和较高的估计精度。简述了多维ESPRIT方法的基本原理,其配对方法采用了多个矩阵束具有相同的特征向量,两种方法均利用了的相同信息-矩阵束的特征值和特征向量,仿真实验验证和比较了两种方法的性能。

多维L_p估计的抗差测度

本文根据Hampel定义的影响函数，导出了多维Lp估计的理论影响函数、经验影响函数及影响函数的方差公式，表征了多维情形下，设计空间对Lp估计的抗差影响。木文得到的结果及结论也适于一维情形，且与一维清形得到的结论基本一致。

基于量子免疫进化的空时多维参数估计

利用阵列信号处理时域与空域等效的关系,以平面阵为基础,采用阵列协方差矩阵的奇异值分解和广义特征值分解估计接收信号的频率,通过分析阵列模型,提出一种抗原和抗体的亲和力函数;利用量子免疫进化的特性,估计出信号的俯仰角和方位角,从而完成阵列信号的多维参数估计,改善了多维参数估计的抗噪性能、数值稳定性和运行时间。通过计算机仿真,证明了该算法的有效性。

冲击噪声背景下宽频段信号的多维参数估计

提出了一种基于协变异矩阵的宽频段信号频率、二维到达角和极化参数联合估计的算法。该算法利用非均匀L型极化敏感阵列的时空数据构造了一个时空协变异矩阵,通过对其进行特征分解,并利用分解得到的特征值和特征矢量估计出宽频段信号的多维参数。在冲击噪声环境下,该算法能够精确地估计信号的多维参数,无需多维谱峰搜索和参数配对过程,并具有较好的信源参数兼并能力。计算机仿真结果验证了算法的有效性。

宽带线调信号脉内参数及二维角联合估计

针对具有时变阵列流型的宽带线性调频(WLFM)信号,建立瞬时波束空间阵列模型,实现多个WLFM信号瞬时频率和二维角联合估计;同时利用二维角估计值完成信号间瞬时频率的分离,并最终实现各个WLFM信号脉内参数(初始频率和调频斜率)估计。算法具有相干信号处理能力,且不需空间平滑或聚汇等预处理。仿真实验证明了算法的有效性。

时-空欠采样的信号频率和二维DOA估计

在空间信号时 -空欠采样下 ,基于时延、四阶累积量和MUSIC算法提出了一种新的多空间信号频率和 2 D到达方向分离估计方法。适当地选取时延和非均匀阵列阵元位置 ,该方法的信号频率和 2 D到达方向估计无模糊。灵活地运用矢量Kronecker积估计信号数大于二阶技术。

基于加权矩阵的多维广义特征值并行分解算法

针对串行广义特征值分解算法实时性差的缺点,提出基于加权矩阵的多维广义特征值分解算法.与串行算法不同,所提算法能够在一次迭代过程中并行地估计出多维广义特征向量.平稳点分析表明:当且仅当算法中状态矩阵等于所需的广义特征向量时,算法达到收敛状态.通过对比相邻时刻的状态矩阵模值证明了所提算法的自稳定特性.所提算法参数选取简单,实际实施较为容易.数值仿真和实例应用进一步验证了算法的并行性、自稳定性和实用性.

基于多维参数估计的河流水质数学模型研究

河流水质数学模型的建立可以为河流中污染物排放与河水水质提供定量关系。通过对河流的参数同时估值,该方法的优点是从模型的整体出发,计算模型中的参数,从而大大提高了所选模型的可靠性。

船舶通信系统的近场源多维参数估计

针对传统船舶通信系统中近场源参数估计准确率不高的现象,提出船舶通信系统的近场源多为参数估计。确定近场源多维矩阵阵元,利用阵元间距对多维空间内的延时相位差进行标记,并划定多维参数预估的矩阵范围,采用多维阵元参数估计算法,对多维空间内的近场源数据矩阵进行参数估计处理,实现多维参数估计。仿真实验结果表明,近场源多维参数估计方法比传统估计方法的参数估计效率高出20%,并具备极高的有效性。

基于Wi-Fi多维参数特征的无源目标跟踪技术

针对Wi-Fi无源目标跟踪技术中,由于直射路径信号以及噪声等影响造成提取目标反射路径信号困难等难点,本文提出了基于Wi-Fi多维参数特征的无源目标跟踪技术.该技术采用串行干扰消除代替全零初始化来完成某时刻多条路径到达角(Arrival of Angle,AoA)、飞行时间(Time of Flight,ToF)以及多普勒频移(Doppler Frequency Shifts,DFS)的初始化,并且对传统频域空间交替广义期望最大化(Frequency Domain Space Alternating Generalized Expectation-maximization,FD-SAGE)算法进行改进,弥补了传统算法收敛速度慢以及噪声影响等缺陷.除此之外,本文采用基于最小代价多路径网络的混合数据关联方法解决了在不同时刻具有不同路径数目时无法进行路径有效关联的问题,同时该方法将固定时间窗中的最优匹配作为某时刻的关联数据,避免了某次关联错误导致后续关联失败所造成的不可逆错误.实验结果表明,本文在复杂室内环境下能够达到1.3m的平均跟踪定位精度.

实际COSPAS-SARSAT信号TOA估计算法研究

该文针对伽利略搜救系统中TOA高精度估计的需求,考虑了实际接收的COSPAS-SARSAT信号中信息位宽的不确定度和调制不对称度,提出了基于多维联合极大似然估计的TOA估计算法。文章首先介绍了含调制不对称度的COSPAS-SARSAT信号模型,然后推导了算法原理,并给出了具体的实现过程。Monte Carlo仿真结果表明,在34.8 dBHz的处理门限、调制不对称度为5%和-5%的极端条件下该算法得到的TOA估计的均方根误差小于13.5μs,满足15μs的系统指标要求,优于其他算法的估计精度。