迭代异方差估计及其在多传感器数据融合中的应用

本文提出一种适应任意噪声分布的迭代渐近无偏估计异方差的方法,它能对多个不同测量噪声的方差进行估计.不同于传统的异方差估计算法,本文提出的迭代异方差估计,可在不损失估计精度和减少运算量的前提下,对多个不同的测量噪声方差进行捕获和跟踪.在多传感器数据融合中的应用结果表明:本文提出的方法具有估计稳定性好、运算简单和具有较强的鲁棒性等优点,仿真和实验的结果均证明了提出方法的有效性和可行性.

时频信号的非参数加窗稀疏协方差迭代分析法

针对多分量非平稳时频信号的分析,提出了一种非参数加窗稀疏协方差迭代分析(Sparse Iterative Covariance-based Estimation,SPICE)法。该方法通过引入局部化的窗函数,并在窗内对信号建立非参数化的时频模型,以获取非平稳信号的局部时频特性。分析表明:给出的非参数时频模型,可通过加权最小二乘(Weighted Least Square,WLS)进行求解。当将WLS的加权矩阵的构建问题转换为广义噪声协方差矩阵时,提出的模型也可借助于加窗SPICE方法来进行求解。分析和仿真均表明:与传统方法相比,提出方法具有噪声抑制能力强、能量集中度高和对于载频差异较小信号的分离效果佳等优点。

数据缺失情况下基于M⁃SPICE的低空风切变风速估计方法

针对机载气象雷达回波数据缺失的情况下,低空风切变风速估计失准这一问题,本文提出了一种基于缺失数据稀疏迭代协方差估计(Missing Sparse Iterative Covariance-based Estimation,M-SPICE)的低空风切变风速估计方法。该方法首先构造数据缺失模型,然后根据协方差拟合准则计算估计算子,并不断迭代更新得到最终所需的估计算子,进而恢复得到缺失的风切变数据,最后将恢复得到的数据重构得到完整的风切变数据,实现对风场速度的准确估计。仿真结果表明,该方法能够有效实现缺失数据的重建并精确地估计风速。

基于调制谱超分辨重构的微多普勒参数估计

调制谱间隔是气动目标识别的重要特征,在雷达波形资源受限的情况下存在估计精度差且噪声鲁棒性弱的问题。针对此问题,利用稀疏迭代协方差谱估计方法进行调制谱超分辨,根据调制谱谱线等间隔的原理提出用基频组功率累积占比表征基频谱,进而实现基频的超分辨估计。基于甚高频波段雷达的仿真和实测数据分析证明了该方法抗噪能力强,且在相参积累时间大于1.5倍微动周期、调制谱折叠、重频参差等场景下均可有效提高调制谱间隔参数估计准确率。

基于并行模型自适应滤波的空间目标相对位姿估计

扩展卡尔曼滤波(EKF)的估计精度受限于测量噪声统计特性的准确程度,如果敏感器测量噪声方差偏离其标称值,将会对滤波性能产生不利影响.尽管自适应扩展卡尔曼滤波(AEKF)能够对测量噪声方差进行估计,但是,噪声特性准确的情况下,AEKF的性能往往不及传统EKF.针对上述问题,本文提出一种并行模型自适应滤波(PMAF),基于特定的自适应率将EKF和AEKF结合起来,使得在先验信息准确的情况下,EKF在状态估计中起主导作用;相反,在实际噪声方差偏离标称值时,令AEKF起主导作用.这样,即能有效削弱测量噪声统计特性不确定性对滤波性能的影响,又能确保正常情况下的估计精度.以空间目标相对位姿估计为例,通过数学仿真对EKF、AEKF和PMAF进行了对比研究,表明所提算法的综合性能优于传统方法.

基于小波变换的油液金属颗粒检测算法研究

为了实时掌握发动机滑油系统的磨损状况,需要在线监测系统连续监测发动机内部磨损情况。随着发动机的工作时间与磨损状态的不同,其金属磨粒的浓度、成分、尺寸等参数均发生不同的变化。因此,滑油油液中金属颗粒参数的变化可以作为重要指标来反映发动机的磨损状态,需要专门的传感器系统进行实时在线监测。但由于使用环境等因素影响,往往会使油液金属颗粒信号包含噪声,对信息检测造成影响。提出一种基于小波变换的油液金属颗粒检测算法,充分利用小波变换对时域和频域的良好局部化性质以及多分辨率分析的特点,并结合发动机实际工况下的信号特征对信号进行降噪及检测,并对算法进行了实验验证。结果表明,该算法可以有效地实现信号降噪及检测。