基于空时级联单脉冲的多目标高效参数估计算法

比幅单脉冲最大似然算法(ACM-ML)在进行目标参数估计时需要进行距离与速度的2维松弛迭代搜索,导致了计算效率低、运算量大的问题。针对上述问题,该文提出一种基于空时级联单脉冲的高效多目标参数估计算法(M-STCMP算法)。该算法将单脉冲概念引入脉冲域,利用时域单脉冲计算目标速度,避免了ACM-ML算法中对速度的迭代搜索,将2维松弛迭代搜索降为1维搜索,有效降低了计算复杂度。考虑时域单脉冲无法同时匹配分布在不同时域主波束的速度各异的多个检测目标,进一步利用目标信号的多普勒信息,在各多普勒单元分别进行时域单脉冲测速,并搜索目标距离值。最后为抑制目标间的信号泄露,将所有目标的估计参数进行级联迭代获得高精度参数估计值。理论分析和仿真结果验证了M-STCMP算法的有效性。

基于自适应参数估计的微动时频表征重构方法

针对数据缺失条件下的目标微动回波时频表征重构问题,提出了一种基于自适应参数估计的微动时频表征重构方法。首先,将缺失的微动时频表征重构问题建模为基于L_P范数最小化的稀疏重构问题,其次,引入哈达玛积参数将L_P范数最小化稀疏重构问题转化为多个L_2范数联合最小化问题,并采用迭代吉洪诺夫正则化求解,同时在每次迭代过程中根据重构结果自适应估计正则化参数,最后,采用除偏处理减小了重构时频表征的振幅衰减。与传统微动回波时频表征重构方法相比,所提方法避免了需要人工设置正则化参数不足的问题,并且重构的时频表征更加完整。仿真实验和实测数据处理结果验证了所提方法的有效性和稳健性。

基于空域自适应单脉冲的抗干扰雷达多目标参数估计算法

基于空时级联单脉冲的多目标参数高效估计算法(M-STCMP)是一种高效的雷达多目标参数估计算法,但在干扰环境下其参数估计性能将严重下降。文中提出了基于空域自适应单脉冲的抗干扰多目标参数估计(AM-STCMP)算法。首先,将空域自适应单脉冲技术引入M-STCMP算法,自适应形成和差波束抑制干扰信号,提高各目标的信干噪比,并迭代修正自适应和差波束的鉴角曲线;其次,采用空时级联单脉冲技术估计各目标的距离-速度两维参数;最后,采用Relax算法高精度迭代估计各目标的角度-速度-距离三维参数。理论分析和仿真结果验证了AM-STCMP算法的有效性,其参数估计性能接近无干扰情形。

飞行器轨迹的半参数估计方法

提出一种基于半参数建模的飞行器轨迹估计新方法,通过抑制不可参数建模的测量系统误差提高轨迹的估计精度。利用不等距节点B样条函数建立飞行器轨迹的参数模型,将轨迹参数模型代入测量模型中,并将测量模型中不可参数建模的系统误差表示为非参数,进而建立包含轨迹参数待估量和系统误差非参数待估量的半参数回归模型。采用轨迹参数估计和系统误差分离交替迭代的方式求解该半参数回归模型,利用非线性最小二乘法估计轨迹参数,通过小波分析从残差数据中分离系统误差。理论分析和仿真结果表明,半参数估计方法的轨迹估计精度优于忽略测量系统误差的参数估计方法。

基于参数估计和Kalman滤波的单通道盲源分离算法

针对存在频谱混叠通信信号的单通道盲源分离(single channel blind source separation,SCBSS)问题,提出一种基于参数估计和Kalman滤波的SCBSS算法。首先,针对根多重信号分类(root multiple signal classification,Root-MUSIC)算法在相近载频估计方面的局限性,提出一种自适应的Root-MUSIC算法,对接收到的盲混合信号的源信号数目和载频进行估计;其次,将Kalman滤波的思想引入到SCBSS算法中,根据估计得到的源信号参数构造信号模型,将其作为Kalman滤波系统的观测向量,执行“时间更新”和“测量更新”两个过程,得到源信号的最佳估计,实现单通道盲源分离。仿真结果表明,所提算法能够有效地从存在频谱混叠的单路接收信号中准确地分离出多路源信号,比传统的算法分离精度高,运算速度快。

基于在线更新的线性混合效应模型的参数估计

本文考虑在线更新数据集下线性混合效应模型的参数估计问题,提出了对应的在线更新估计方法,并证明了所得估计量的相合性.通过数值模拟发现,在不同的参数设置下,该方法的表现良好.将该方法与全局估计进行对比发现,虽然该方法在估计误差方面的表现不如全局估计,但是该方法能适用于在线更新数据集的情形,且大大降低了估计量的估计时间,以及估计时对计算机存储性能与计算性能的要求.

基于参数估计-滑模阻抗控制的SEA性能分析

重载四足机器人的足部与地面接触过程和步态转换过程中会受到不确定的冲击载荷作用,易导致足部机构载荷过大从而造成结构的冲击损坏。因此,针对使用液压串联弹性执行器(series elastic actuators,SEA)作为足部末端在非结构环境下动态性能差的问题,提出了基于环境参数估计的滑模阻抗控制方法(environmental parameter estimation sliding mode,EPESM)。以阀控液压缸的活塞位移传递函数为基础建立了基于位置内环的SEA阻抗控制模型,并以PID作为基础控制器;为改善SEA阻抗控制的动态性能,根据Lyapunov第二法构建稳定的自适应环境参数估计方法对SEA期望位置进行前馈补偿;为提升自适应环境参数估计方法在SEA工作过程中不同阶段的动态性能和环境变化适应性,使用模糊控制方法对自适应环境参数估计方法中的自适应参数进行寻优;以SEA状态方程为基础构建滑模控制器与PID控制器进行动态性能对比分析。仿真结果表明:在变SEA弹簧刚度工况和变环境刚度下,EPESM阻抗控制的响应速度明显更快,可将调节时间从平均5 s缩短到1 s内,能更快地达到预期位移和预期接触力,且能略微降低稳态误差,使接触力误差保持在±6 N内。在动态跟踪工况下,EPESM阻抗控制的动态性能更好,在快速进入跟踪状态后,可以长时间保持0.2 s以内的相位滞后和5.2%的幅值误差。

基于非参数估计与滑动窗口改进的主成分分析方法研究

电容式电压互感器(CVT)测量准确性关乎电能的准确计量,监测难点是误差变化微小不易察觉。针对CVT数据非严格满足高斯分布的特点,提出了基于非参数估计与滑动窗口改进的主成分分析(PCA)方法。对同一电压等级下的各CVT相位差与幅值进行Johnson变换增强高斯性,由PCA分解为主成分与残差成分;在此基础上分别建立霍特林统计量(T^(2))和平方预测误差(Q);对待监测的T^(2)和Q先进行滑动窗口处理,再与控制限相比较,以判断角差和比差是否超差。控制限由CVT正常运行时的T^(2)和Q进行非参数估计得到。基于某变电站现场的CVT数据,通过人为施加固定/渐变偏差,该方法可有效识别±10′范围的角差超差与±0.2%范围的比差超差。

非同频场景下无人机遥控器信号参数估计方法

为了有效地管控和反制无人机,准确地估计无人机遥控器信号的参数,提出了一种非同频场景下无人机遥控器信号参数估计方法。该方法利用谱图变换法将信号转换为时频图,并对每个时隙的频谱进行插值以提高频域分辨率;借助全连接神经网络估计出每个时隙中的跳频信源个数;将门限自适应去噪算法和K-means算法相结合抑制噪声分量,估计出起跳时刻、跳频周期、中心频率以及总带宽等参数。实验表明,所提方法在上述参数估计性能方面相比2种传统方法具有明显优势。

无源雷达高速目标回波相参积累和参数估计算法

针对无源雷达高机动匀速目标参数估计中长时间积累引起的距离徙动效应问题,提出了一种基于Keystone变换和圆阵干涉仪测向的高效相参积累和参数估计算法。首先,根据目标运动和外辐射源信号参数,对参考信号和监视信号进行分段处理,段内为快时间,段间为慢时间;然后,利用Keystone变换对各频率的时间轴进行尺度变换,校正高速目标的距离徙动,继而将目标回波信号能量积累至同一时延-多普勒单元;最后,对目标回波所在的时延-多普勒单元进行圆阵干涉仪二维测向,得到目标方位角和俯仰角估计。仿真结果表明,算法可有效实现高机动匀速目标微弱回波信号的相参积累和参数估计,计算复杂度更低,对目标时延、多普勒、方位角和俯仰角参数估计的稳健性和精度更高。

多策略融合改进的沙猫优化算法及其在非线性马斯京根模型参数估计中的应用

针对广义非线性马斯京根模型在河道洪水演进中参数估计精度低及易陷入局部最优解的问题,文章提出一种多策略融合改进的沙猫优化算法(MSCSO),以提高洪水演算的精准程度。首先,利用Logistic混沌映射等策略提升原算法寻优能力;其次,通过与沙猫优化算法(SCSO)、灰狼优化算法(GWO)及正余弦优化算法(SCA)对比,验证MSCSO在寻优性能上的优势;最后,将其应用于广义非线性马斯京根模型参数优化。实验结果表明:MSCSO算法有效提升模型精度,具有广泛的应用前景。

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。

微燃机回热循环的参数估计与性能分析

以某微燃机循环系统试验台为对象,构建了微燃机回热循环系统模型,并基于此开展了回热循环系统的性能预测与分析。考虑到系统的关键部件性能参数未知,利用极大似然估计法,结合实验数据对其进行了估计,所得预测值和实验值的误差在3%以下,表明模型能够较为准确地预测回热循环的热力性能。然后基于建立的模型,开展了全工况的回热循环系统模拟,获得了不同环境温度下随负荷变化时微燃机功率、发电效率、排烟热量和排烟温度等的变化规律以及压气机的工作区间。所获得的微燃机关键部件信息和系统性能变化规律可为相关研究提供一定的参考。

雷达属性散射中心的快速目标分类和参数估计

雷达属性散射中心模型的属性参数能够提供目标更为丰富的重要信息,属性散射中心参数估计对解析雷达目标有着极其重要的研究意义。针对雷达属性散射中心模型,提出了基于深度学习的雷达属性散射中心快速目标分类和参数估计的技术。首先利用ViT(vision transformer)深度学习网络将雷达属性散射中心分类为局部式和分布式两类,然后基于TS2Vec框架构建针对属性散射中心参数估计的卷积神经网络(convolutional neural network for attribute scattering centers,ASCNN),最后分别对两种数据进行训练以实现局部式和分布式属性散射中心的参数估计。基于属性散射中心模型展开数值实验,实验结果表明,该方法对雷达属性散射中心目标分类的准确率高达99%以上;雷达属性散射中心参数估计的速度超过传统方法的10000倍以上,且精度更高,验证了所提方法的有效性和优越性。

基于智能学习的机载海杂波谱参数估计方法

传统机载雷达海杂波的抑制方法在估计杂波功率谱时存在人工参与度高、误差大等问题,导致环境适应性较差。为此,提出一种基于智能学习的机载海杂波谱参数估计方法,建立基于一维LeNet-5的海杂波训练模型,并将仿真和实测海杂波数据输入训练好的模型后对功率谱的中心和宽度进行估计,进而实现海杂波谱特性的直接感知。实验结果表明,与传统方法相比,文中所提方法具有更高的估计精度以及更好的鲁棒性。

面向设备性能退化监测的分步参数估计策略

为通过预防性定期维护提升化工装置的精细化管理水平,探讨了关键设备的在线性能监测原理,针对设备性能参数可估计性差的问题,提出了一种基于机理模型分析设备性能退变的分步参数估计策略,根据灵敏度分析确定参数处理规则。首先以工业装置的严格机理模型为基础给出在线的粗粒度模型候选项,以历史数据拟合误差最小为目标完成初步参数估计,给出最优模型和各参数初值。然后基于灵敏度分析矩阵特征给模型参数排序,以表征性能退变的时变参数为界,前后不同顺位的定常参数采用不同策略依次处理。最后以滑动时间窗方式估计时变参数,实现设备性能监测。以反应釜夹套换热器的传热性能监测为例,按照分步策略获得设备性能参数的退变,剥离操作变量的影响,结果与工厂操作周期符合。表示该策略可以用于设备性能监测。

荷斯坦牛一个体尺新性状遗传参数估计及其对繁殖性能的影响

本文探讨了荷斯坦牛一个体尺新性状——肛阴距离(Anogenital Distance,AGD)的遗传参数及其与繁殖性能的关系。研究测定了江苏省某奶牛场1 836头荷斯坦牛的AGD、十字部高、尻长、尻宽及腰角宽共5个体尺性状,采用多因素方差分析模型分析AGD影响因素及AGD对繁殖性状的影响,结合Logistic回归结果分析AGD对首次和前2次配种受胎率的影响,运用DMU软件中AI-REML模块,借助EM算法并配合多性状动物模型估计AGD等体尺性状的遗传参数。结果显示:荷斯坦牛AGD呈正态分布,平均值为119.61±11.56 mm;不同胎次和泌乳阶段对荷斯坦泌乳牛AGD均有显著影响,其中1胎牛AGD显著高于其他胎次,泌乳早期奶牛AGD显著高于其他泌乳阶段;AGD对首次配种受胎率有显著影响,AGD最短组(90.33~117.08 mm)奶牛的首次配种受胎率显著低于最长组(129.71~152.45 mm);AGD、十字部高、尻长、尻宽、腰角宽的遗传力分别为0.19±0.07、0.59±0.14、0.36±0.11、0.19±0.08、0.31±0.10,AGD与十字部高、尻长和尻宽的遗传相关系数在0.40~0.58之间,呈强遗传相关。综上,江苏省荷斯坦牛AGD为中等遗传力性状,AGD对荷斯坦牛繁殖性能有一定影响,本研究结果为通过对AGD的选择而提高奶牛繁殖性能提供了参考。

基于特种车辆摆臂实测载荷的参数估计拟合外推研究

以特种车辆摆臂实测载荷数据为依据,对实测信号进行编制得到了实摆臂的二维载荷谱,并对其进行了参数估计的拟合外推分析,确定了幅值和频次关系服从威布尔分布优于对数正态分布,均值和频次关系服从正态分布,并将外推后的结果与实测信号进行对比验证。结果表明:参数估计拟合外推的结果在合理误差范围内;预测的极值和频次更接近于实测值,初步验证了参数估计拟合外推方法在特种车辆领域应用的合理性。

基于3D激光雷达的水面无人艇靠泊参数估计

为准确地估计靠泊参数,提出了一种基于艇载3D激光雷达的靠泊参数估计方法。该方法包括2个主要模块:无人艇位姿估计和靠泊状态估计。无人艇位姿估计模块采用点云预处理算法对原始点云进行降采样并滤除异常值,利用点云配准算法实现了无人艇靠泊过程中的位姿估计。靠泊状态估计模块通过MSAC算法提取泊位边界信息,并基于此信息计算靠泊参数。实验结果表明:该算法所得无人艇位姿信息和靠泊参数信息均与实际相符,平均靠泊距离误差小于0.023 m,平均角度误差小于0.26°,验证了该靠泊参数估计算法的准确性和合理性。

奶牛乳尿素氮影响因素及遗传参数估计的研究进展

乳尿素氮(Milk Urea Nitrogen,MUN)是奶牛生产性能测定(Dairy Herd Improvement,DHI)工作中常规的测定指标之一,其浓度通常用于监测奶牛营养状况,反映日粮能氮平衡、繁殖性能以及环境中氮的排放量。MUN浓度因个体和日粮构成而异,同时受多种因素影响。准确的MUN遗传参数估计不仅能够提高牛场经济效益,而且能加快奶牛的遗传进展,为选育优质奶牛提供理论依据。本文对国内外关于MUN的影响因素、遗传力以及与乳脂率、乳蛋白率、乳糖率、产奶量、体细胞评分等性状的遗传相关进行了综述,以期为MUN的深入研究应用提供参考。