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。

Cramer-Rao下界的扩充解释及其对帕累托分布参数倒数的估计

Cramer-Rao下界是统计学中非常重要的下界,也是Fisher信息量的倒数。针对Cramer-Rao正则族成立的5个条件以及参数函数无偏估计的方差下限值,从微积分计算的角度对Cramer-Rao下界进行扩充解释,证明了帕累托分布参数倒数的最大似然估计能达到Cramer-Rao下界,并给出了该参数倒数的另一个无偏估计。结果表明只有在无偏估计与参数本身无关的情况下,该估计的方差下限值才是Cramer-Rao下界。

基于MIMO雷达的相干分布式目标参数估计Cramer-Rao下界

本文研究了MIMO雷达对相干分布式目标参数估计的Cramer-Rao下界(CRB).首先,给出相干分布式目标的MIMO雷达信号模型,推导出目标参数估计CRB的一般关系式;然后,给出在一个分布式目标、点目标和目标部分信息已知等特殊情况下的CRB;其次,讨论了MIMO雷达CRB的性质;最后,进行计算机仿真试验,研究不同条件下的MIMO雷达性能.结果表明由于具有避免波束形状损失等优点,MIMO雷达对相干分布式目标的参数估计CRB性能优于普通相控阵雷达.本文的研究揭示了MIMO雷达的相干分布式目标参数估计性能.

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.

自适应雷达目标参数估计的Cramer-Rao下界

在窄带信号和窄带阵列假设下,分析了均匀面阵(UPA)自适应雷达中目标参数的最大似然估计.首先分析了UPA信号模型,随后给出了目标参数的最大似然估计和相应的CR下界.通过Jacobian矩阵给出了目标俯仰角、方位角、径向速度、模和相位的CRB.分析结果是1-D均匀线性阵列(ULA)到2-D(UPA)的推广,可用于空中运动目标参数估计的性能分析.

基于不完全量测下三维纯方位系统的Cramer-Rao下界

在量测数据随机丢失情况下,对非线性的纯方位跟踪(Bearings-only tracking,BOT)滤波Cramer-Rao下界(Cramer-Rao lower bound,CRLB)问题进行了讨论。针对量测信息来自探测概率小于1的不同信号通道且每个通道的探测概率不同情况,利用Fisher信息阵迭代法建立了多输入多输出三维BOT系统滤波的CRLB模型,它的计算量随探测序列呈指数增长;一种基于统计意义下的缩减因子法被给出,理论证明它小于理想CRLB;另外,一个适合工程应用的近似理论CRLB被提出,分析表明能降低计算复杂度。

阻尼正弦项叠加形式估计参数的Cramer-Rao下界

对于阻尼正弦项叠加形式的参数估计问题 ,详细推导了关于部分参数的Cramer Rao下界的精确形式 ,并具体计算了一阶情况下的表达式。由于阻尼项的存在 ,此类参数估计问题是做不到渐近一致的。参数的估计精度与阻尼项有关 ,阻尼项越接近于零 。

Cramer-Rao下界问题的参数不变性

参数θ的无偏估计的方差与I*(θ)=inf{Eθ([P(X,θ+h)-P(X,θ)]/[hP(X,θ)])2:h≠0,θ+h∈Θ}之间的关系;信息不等式的界对一个光滑的再参数化的不变性.

同步轨道双星定位精度Cramer-Rao下界分析与仿真

基于双星定位原理研究同步轨道双星定位系统的定位精度，推导了在目标辐射源位于地球表面约束条件下的Cramer-Rao下界（CRLB）。仿真分析了定位参数估计精度、卫星星历、目标辐射源位置以及辐射源载波频率等因素对定位精度的影响，并给出了物理解释。仿真结果表明，定位精度变化趋势与CRLB公式所反映一致。

双星定位系统定位精度的Cramer-Rao下界分析

介绍了双星时频差定位原理,在此基础上研究了在地球表面约束条件下的双星定位系统的定位精度理论下界。利用推导的定位精度Cramer-Rao下界,仿真分析了定位参数估计精度、卫星星历、目标辐射源位置以及辐射源载波频率等因素对定位精度的影响,并给出了物理解释。定位仿真试验结果表明,定位精度变化趋势与Cramer-Rao下界一致,证明了理论推导的正确性。

非理想检测下多雷达网络节点选择与辐射资源联合优化分配算法

该文针对分布式相控阵多雷达网络的多目标跟踪场景,研究非理想检测条件下的节点选择与辐射资源联合优化分配算法。首先,根据分布式相控阵多雷达网络构成、目标运动模型、雷达量测模型以及雷达节点检测情况,推导非理想检测下以雷达节点选择、辐射功率和信号带宽为变量的贝叶斯克拉默-拉奥下界(BCRLB)闭式解析表达式,并以此作为多目标跟踪精度衡量指标。在此基础上,以最小化系统各雷达节点对所有目标的总辐射功率为优化目标,以满足目标跟踪精度门限以及给定的系统射频辐射资源限制为约束条件,建立非理想检测条件下多雷达网络节点选择与辐射资源联合优化分配模型,对各时刻雷达节点选择、辐射功率和信号带宽等参数进行联合优化设计,以提升多雷达网络的射频隐身性能。最后,针对上述非线性、非凸优化问题,采用基于障碍函数法和循环最小化算法的4步分解算法进行求解。仿真结果表明,与现有算法相比,所提算法能在满足给定多目标跟踪精度的条件下有效降低分布式相控阵多雷达网络的总辐射功率,至少降低了约32.3%,从而提升其射频隐身性能。

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。

贝叶斯模型下的OMP重构算法及应用

针对稀疏度先验信息缺失的条件下,正交匹配追踪(orthogonal matching pursuit,OMP)算法设置冗余稀疏度时,造成信号过重构、抗噪性能变差等问题,基于贝叶斯检验模型,提出了贝叶斯正交匹配追踪(Bayesian orthogonal matching pursuit,BOMP)算法。并推导了该算法估计信号的克拉美罗下界,最后将算法应用于逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像。理论分析和实验结果表明,由于该算法能够更加真实地估计信号支撑集,因而具有更好的重构精度、抗噪性能,同时降低了计算复杂度。

基于系统物理参数测量和几何关系的车辆定位

对采用可见光通信(Visible Light Communication,VLC)的车辆定位方法进行了研究,研究、分析并比较了4种基于VLC的车辆定位方法;基于假设的系统模型和接收到的VLC信号数学模型,分析了每种方法所采用的TX位置与系统物理参数的测量过程,利用这些参数与TX位置之间的几何关系构成一个观测模型,获得车辆位置估计;基于VLC定位方法的观测模型得到每种方法关于位置精度的Cramer-Rao下界(Cramer-Rao Lower Bound,CRLB);在一般有限传播延迟、视距(Line of Sight,LoS)和加性高斯白噪声(Additive White Gaussian Noise,AWGN)的VLC信道模型下,对于真实道路的避碰和列队行驶场景,仿真了每种方法的系统物理参数测量,并基于测量结果,对每种方法的定位精度的CRLB进行了评价。

不完全量测下随机有偏离散系统的Cramér-Rao下界

针对含有不完全随机有偏测量序列的状态估计问题,给出了统计意义下的修正递推估计误差方差Cramér-Rao下界(CRLB)求解算法.首先建立了不完全随机有偏量测离散系统的数学模型,进而推导了枚举的CRLB和统计意义的CRLB计算式,该统计意义的CRLB为枚举CRLB的下界,其计算量远小于枚举CRLB求解的计算量.最后,以给定探测概率和偏差发生率下的一类光电跟踪系统为例,进行了数字仿真.

多星分布式无源相干定位方法

针对方向性辐射源信号主瓣波束窄测向定位精度不足的问题,提出多星分布式无源相干定位方法。首先,根据参考星接收到的主瓣强信号对辐射源位置进行粗定位,并根据粗定位信息对频移进行补偿;随后,将参考星信号分发至临近卫星,在粗定位范围内对相干星接收到的旁瓣弱信号进行互相关搜索,解算时差信息;然后,采用多星时差定位体制估计辐射源精确位置;最后对提出算法进行了Cramer-Rao下界分析,并通过仿真实验对算法进行验证。仿真结果表明,算法在弱信号信噪比(SNR在-40~0 dB)的情况下,定位误差能够快速逼近Cramer-Rao下界,并且能够有效提高辐射源的定位精度。

频谱共存下机载组网雷达辐射资源与航迹规划联合优化算法

为了提升频谱共存环境下机载组网雷达多目标跟踪性能,提出了一种雷达辐射资源与航迹规划联合优化算法。首先,推导了包含雷达辐射资源以及载机飞行参数的贝叶斯克拉美-罗下界表达式,以此作为多目标跟踪精度的衡量指标;在此基础上,以最小化机载组网雷达多目标跟踪误差为优化目标,以雷达辐射资源总量、载机机动性能、通信基站可容忍干扰能量和跟踪各目标节点数为约束条件,建立频谱共存下机载组网雷达辐射资源与航迹规划联合优化模型;然后,将上述优化模型分解为多个子问题,并结合循环最小化算法、半正定规划算法和粒子群算法进行分步求解。最终仿真结果表明,所提算法能够在保证通信基站正常工作的条件下,充分利用各平台运动优势,与现有算法相比,能够有效提升机载组网雷达的多目标跟踪性能。

一种基于测距的无线传感器网络智能定位算法

提出了一种基于测距的无线传感器网的智能定位算法。建立了RSSI的理论计算模型;通过引入加权因子改进了DV-Distance定位算法(IDV-Distance)。实验结果表明:改进后的定位算法提高了定位精度,改善了系统的稳定性。

多站时差频差高精度定位技术

针对多站时差频差联合定位系统,建立了定位模型,推导了定位误差表达式并作了仿真分析。仿真结果表明,在观测站构型较差的情况下,多站时差频差联合定位与纯时差或频差定位相比可提高定位精度。本文同时提出了利用相参脉冲串实现雷达信号高精度频差测量方法,推导了无模糊频率估计的充要条件及相参脉冲串测频的CRLB,仿真及实验室测试结果证明了在一定条件下可实现对相参雷达信号的H z级测量精度,对工程应用具有一定的价值。

一种基于EM算法的快速收敛参数估计方法

将EM算法用于参数估计中,提出了一种在EM算法迭代中使用符号后验概率修正先验概率的快速收敛参数估计方法。通过分析参数估计的CRB与EM算法收敛速率的关系,指出通过降低参数估计的CRB可以提高EM算法的收敛速率。证明了修正之后的算法能加速算法收敛的机理,即降低了缺失数据的熵;同时证明了修正后的算法仍然收敛到修正前的似然函数。最后以载波相位估计为例与传统基于EM算法的相位估计方法进行比较,仿真结果表明,在不影响估计性能的前提下,算法收敛速率明显加快。