三种基于四元数模型的声矢量阵MUSIC算法

传统的基于长矢量模型的MUSIC算法没有充分利用矢量水听器各分量之间的正交特性,存在多目标分辨能力不足的缺点。针对这一情况,文中引入了四元数的概念,利用四元数能更好地描述矢量水听器各分量的正交结构这一优点,提出了三种基于四元数模型的二维声矢量阵方位估计算法:Q-VV算法、Q-PV算法和Q-PVV算法。与基于长矢量模型的MUSIC算法相比,新算法降低了协方差矩阵的维数,占用更少的内存空间。同时,由于利用了四元数强正交性约束的特点,新算法有好的单目标估计精度和多目标分辨能力。其中:Q-PV算法和Q-PVV算法利用了声压与振速的相干性,抗各向同性干扰的能力优于Q-VV算法。仿真实验证明了算法的有效性。     

拉索非线性振动参数敏感性分析及其频率区间估计

为准确把握拉索的动力学规律并指导工程应用,以拉索非线性振动理论(拉索自振频率的摄动法公式)为基础,以工程中常用的典型拉索为例,对拉索非线性自振频率的边界条件效应、参数敏感性以及区间估计方法进行研究.研究结果表明:拉索的边界条件效应随拉索长度、索力以及频率阶次的不同而不同;索力、线密度、弦长、抗弯刚度4个参数对于拉索各阶自振频率在影响程度、影响方式方面均存在显著差异,总体而言,自振频率偏差与索力和抗弯刚度2个参数的偏差成正比,与线密度和弦长2个参数的偏差成反比;根据拉索参数的概率统计特征能够获得拉索自振频率的区间估计.     

一种单脉冲末制导雷达抗质心干扰算法

为了提高单脉冲末制导雷达的抗质心干扰能力,结合信号到达方向（DOA）的极大似然估计法和卡尔曼滤波,提出了一种新的算法。首先,在假设目标和干扰数量、参数已知的情况下,建立雷达多次接收信号匹配滤波后跟踪回波附近的多个相邻采样点的似然函数。其次,计算得到目标和干扰信号DOA、延迟和功率的极大似然估计,并应用最小描述长度（MDL）准则判断目标和干扰数量。最后,设计了合适的卡尔曼滤波器用于正确跟踪目标。仿真结果验证了算法的有效性。     

基于水声信号的瞬时频率估计算法

为了获得水声信号稳健的瞬时频率值,本文综合相位差分法和M-估计方法对瞬时频率进行估计,获得理想的估计值.通过计算机仿真分析,给出采用该方法获得的瞬时频率估计值,并与真值进行对比.     

基于马尔可夫过程的快速路OD矩阵估计方法

为得到城市快速路网络的OD矩阵,引入马尔可夫理论.运用吸收马尔可夫过程对快速路网络进行建模分析,给出相应求解算法推导路段流量,小区OD矩阵表达式,并介绍了运用MATLAB软件进行矩阵求解的方法.最后进行了算例分析,利用VISSIM仿真,通过布设线圈检测器,对OD矩阵估计模型及算法进行精度评价.结果显示,模型可很好地拟合...     

希尔伯特-黄变换应用于宽带信号参数估计

多普勒效应对主动声纳接收信号的根本影响是接收信号相对发射信号的时间延迟和尺度伸缩。在宽带信号体制下对高速运动目标进行参数估计时,利用传统的窄带信号模型会产生模糊,必须采用时间尺度域模型,即利用接收信号和发射信号的相关性实现运动目标距离和速度的估计。宽带信号模型计算量大,计算时间长。希尔伯特-黄变换具有较高的频率分辨率,利用希尔伯特-黄变换对信号进行频率预估计,减小时间尺度域二维扫描的区域和运算量。在DSP硬件平台上实现希尔伯特-黄变换有关算法。     

基于出租车GPS数据的路段平均速度估计模型

为了解决现有基于GPS数据的路段平均速度估计模型应用条件苛刻、难以满足低成本和高精度信息需求问题,考虑不同类型GPS车辆运行特征,设计了两个基于出租车GPS数据估计路段平均速度的改进模型.基于两个改进模型,设计了路段平均速度的融合估计方法.用某城市局部路网的出租车GPS数据验证两个改进模型,并与传统模型进行了对比分析....     

非线性滤波器在动力定位船位估计中的应用

针对动力定位船舶在作业过程中因丢失GPS位置测量信号,从而导致动力定位系统不能正常工作,而使船舶偏离作业点的问题,设计了一种非线性滤波器,它可以利用以前保存的历史数据进行船舶位置的实时估计,从而使船舶在一定的时间内可以维持在作业点附近,当重新获得GPS信号后,又可以快速地进入正常工作状态。为了使历史数据能够更准确地反映船舶的实时位置,利用历史数据相对于作业点的平均偏差对历史数据进行了补偿。最后给出了此非线性滤波器在船舶仿真系统中的仿真曲线,分析表明在有滤波器的情况下,船舶真实位置估计的准确度比没有滤波器的情况下有明显的改善。     

自动驾驶汽车状态估计的矩阵加权自适应扩展卡尔曼滤波方法

针对自动驾驶汽车状态和故障估计问题,基于自适应扩展卡尔曼滤波（AEKF）理论提出了一种矩阵加权多传感器信息融合估计方法。首先,将自动驾驶汽车运动学模型进行离散化处理;然后,以极小化多传感器量测估计误差向量均方和为目标,采用拉格朗日极值求解方法设计了矩阵加权多传感器信息融合方法;最后,在低精度传感器、高精度传感器、融合估计3种条件下仿真验证该方法的正确性。结果表明,与单个传感器情形相比较,所提出的方法能较好地估计自动驾驶汽车的位置、航向角、速度信息以及执行机构故障信息,为自动避障、自动泊车等精准测控任务提供参考。     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。