一阶广义随机系数自回归模型参数的最小渐近方差估计

研究广义随机系数自回归模型中参数的估计问题,给出了未知参数的一个估计类,证明了该估计类中估计的相合性和渐近正态性,并且获得了该估计类中的最小渐近方差估计,并通过数值模拟比较了估计类中各种估计方法的优劣.

基于稀疏迭代协方差矩阵的谐波参数快速估计方法

针对稀疏迭代协方差估计(sparse iterative covariance-based estimation,SPICE)方法功率谱估计精度较低和计算复杂度较高的局限性,提出了一种基于稀疏迭代协方差矩阵的谐波信号功率谱和频率参数的快速估计方法。该方法主要结合渐近最小方差准则和快速傅里叶变换,对功率谱参数进行快速迭代校正估计。首先,使用SPICE算法得到功率谱和频率参数的初估计。然后,通过渐近最小方差准则得到功率谱参数的迭代校正表达式。最后,利用功率谱迭代校正式获得谐波信号的功率谱和频率参数的估计。为提高算法的计算效率,利用观测数据协方差矩阵的Toeplitz结构和导向矢量的指数形式,对协方差矩阵进行(Gohberg-Semencul,G-S)分解,通过快速傅里叶变换对协方差矩阵求逆和矩阵与向量相乘部分进行求解,从而使参数估计的计算时间大大减少。仿真实验表明,验证了所提算法对谐波功率谱和频率参数具有较高的估计精度,并且计算复杂度较低。

毫米波FMCW MIMO雷达三维点云成像方法

毫米波FMCW MIMO雷达的三维点云成像在自动驾驶、智慧交通、工业和安防等领域的三维环境感知因其独特的优势而受到广泛关注。本文在现有处理框架下提出一种结合渐近最小方差稀疏迭代(SAMV)的高分辨点云成像方法。该方法首先对差拍信号做一维快速傅里叶变换(FFT)获得高分辨距离像,然后对每一个距离单元采用SAMV算法来估计方位角网格和俯仰角网格的功率,最后结合CASO-CFAR检测算法,得到探测区域内目标高分辨的距离、方位角和俯仰角三维信息。仿真和实验结果表明,相比现有结合Capon测角的方法,该方法能在相同雷达条件下角分辨率提高2倍,实现了毫米波雷达高分辨的三维成像。

一种毫米波雷达快速高分辨三维点云成像方法

针对现有毫米波雷达三维点云成像方法难以兼顾高分辨性能和运算速度的问题,提出一种结合自适应网格进化和稀疏渐近最小方差(SAMV)的快速高分辨三维点云成像方法。该方法首先在快速傅里叶变换(FFT)获得距离像的基础上利用恒虚警率(CFAR)检测目标的距离单元,以此估计目标的距离,然后对有目标的各距离单元使用“划分粗网格-功率谱估计-检测-网格细化”的自适应网格进化方法,得到感兴趣的方位-俯仰角细化网格,对这些细化网格估计功率谱后再次进行检测以快速得到目标的三维点云像。上述过程中,网格分裂前后的功率谱估计均使用2D SAMV方法,以提高点云像中的角度信息的精确度、分辨率。实验结果表明,该方法在保持4°的角度分辨率的同时,将生成三维点云的速度提升至2D SAMV方法的10倍左右。

定时截尾恒加试验的优化设计

在两个未知参数的加速方程下 ,以MLE渐近方差最小为原则 ,给出了指数分布下、k≥ 3个应力水平、定时截尾、满足条件 (3.3)