机载GNSS-R最小方差风速估计器

针对全球导航卫星系统反射信号(GNSS-R)海面风速反演问题,提出一种基于多特征参数的风速反演方法,即机载最小方差风速估计器。现已有研究建立了星载估计器,根据星载估计器所用特征参数建立机载风速估计器,估计器风速反演精度为1.225m/s、相关性为0.4077,场景不同特征参数对风速的敏感度不同,导致该机载风速估计器性能较差。为提高机载估计器反演性能,现提出其他特征参数建立机载风速估计器,估计器风速反演精度为0.1406m/s、相关性为0.9579,相比第一个估计器,反演精度和相关性较高。

基于量子协方差成形估计器的MIMO检测方法

协方差成形最小二乘估计器是量子信号处理框架内基于MMSE协方差成形方法的一种新型线性估计器。本文将协方差成形最小二乘估计器应用于MIMO系统检测,提出了基于协方差成形最小二乘估计器的MIMO系统检测算法,通过数值计算进行性能分析,仿真结果表明协方差成形MIMO检测方法的误码率性能优于传统ZF和MMSE检测方法,同时系统性能与目标成形矩阵有关。

基于视图不确定关系模型的地面目标位置估计和跟踪

为了实现地面上目标的位置估计和跟踪,提出了一种摄像机平面视图与地面位置估计之间关系的建模理论,推导了正态随机变量在投影下的变换;首先分析了随机变量(摄像机图像平面上的位置估计和地面上的位置估计)在投影变换下的变换方式,将变换后的随机变量中的Cauchy分量的强度与图像平面上目标的真实位置到地面无穷远处的直线投影之间的距离联系起来,表明了当某些几何性质满足时,投影变换会将正态分布映射为正态分布;其次采用无迹变换来计算得到变换后的随机变量的矩;最后采用得到的建模相关性设计了一种用于多个摄像机位置估计的最小方差估计器,并应用于跟踪地面上动态环境中的多个目标;实验结果表明,提出的模型不仅具有较好的组合位置估计能力,而且还能够利用这种模型得到的最小方差估计器有效地呈现和跟踪地面目标。

转换坐标卡尔曼滤波算法分析

在非线性系统的目标跟踪中，常用的滤波算法是扩展卡尔曼滤波算法（ＥＫＦＡ），但这种滤波算法常常会发散．近年来，Ｂａｒ－Ｓｈａｌｏｍ等人在二维平面上提出了转换坐标卡尔曼滤波算法（ＣＭＫＦＡ），并通过仿真实验证明了在非线性系统的目标跟踪中此算法优于扩展卡尔曼滤波算法（ＥＫＦＡ）．文中对转换坐标卡尔曼滤波算法进行了深入的研究，通过理论推导证明了当状态方程和测量方程满足一定条件时，转换坐标卡尔曼滤波算法是去偏转换测量值的线性无偏最小方差估计算法．