一种新颖的基于偏度的非视距区分算法

在超宽带(UWB)定位系统中,非视距(NLOS)传播是降低通信与定位精度可靠性的主要原因。因此,区分NLOS环境对提高定位精度尤为重要。针对该问题,提出了一种新的基于信道统计特性——偏度(Skewness)的NLOS区分算法。该算法首先将偏度在IEEE 802.15.4a信道模型（特别是室内家居和办公环境）中建模为对数正态分布,然后对其概率密度函数(PDF)做似然比检验来区分视距(LOS)与NLOS环境。仿真结果表明：室内UWB定位系统中,偏度可以更好地区分信道状态,在室内办公环境中,正确区分NLOS环境的概率可达99.99%。在定位模块中融入所获得的区分NLOS的结果将有助于定位精度的进一步提升。     

采用局部搜索的二维DOA估计

针对酉旋转不变估计信号参数(Unitary-ESPRIT)算法估计精度较低的问题，提出了一种采用局部搜索实现的非相干信源二维波达方向(2-D DOA)估计方法。该方法首先利用实特征矢量近似值估计导向矩阵,然后利用矩阵Kronecker积性质以及阵列旋转不变特性获得自动配对的角度估计值，降低了2-D DOA初始估计复杂度,实现了对Unitary-ESPRIT算法的改进；接着，采用一维局部搜索法对该初始估计结果进行优化，提高了低信噪比下的2-D DOA估计精度。仿真实验结果表明，相较于传统的Unitary-ESPRIT算法，所提方法在DOA估计精度和成功率上具有明显的优势，特别是在低信噪比以及快拍数较少条件下，因此该方法能够在计算复杂度和估计性能之间取的较好的折中。     

基于改进精估计与FrFT的Chirp信号参数估计

为了解决Chirp信号参数估计在低信噪比下保持高精度等问题，提出了一种基于粗精二次估计的Chirp参数算法。粗估计采用分数阶傅里叶变换（Fractional Fourier Transform，FrFT），能够在低信噪比下检测到Chirp信号并估计出调频率的范围。同时，提出了一种FrFT插值算法提高FrFT估计中心频率的精度。精估计根据信号能量和周期长度一定时Chirp信号频谱幅度的平方与调频率成反比的特性，不断地用已知Chirp信号的共轭与未知Chirp信号相乘，寻找使相乘后频谱幅度平方最大的已知Chirp信号的调频率。为了提高精估计算法性能，用提出的H-Rife算法估计中心频率和相乘后信号的频谱中最大的幅值。〖JP2〗用二分法代替等步长使精估计在粗估计出的调频率范围内搜索，极大降低了复杂度。在信噪比不小于-10 dB时，该算法估计调频率归一化均方误差（Normalized Mean Square Error，NMSE）较FrFT线性提升，估计中心频率NMSE较FrFT线性提升，接近克拉美罗界。     

TRM-FMM室内无线定位技术

在室内多径环境下信号视距传播易受障碍物影响,导致现有的一些室内定位技术对室内环境分布的估计较为困难。时间反转镜(TRM)室内无线定位技术可以有效地减少室内多径效应对信号的影响以及复杂环境造成的延时。但是,若没有信号传输信道的信息,常规TRM技术的定位精度就会大打折扣。针对该问题,给出了一种基于快速行进算法(FMM)的TRM室内无线定位方法。该方法首先利用FMM和同时代数重建算法(SART)迭代更新计算室内环境分布,然后使用估计结果进行TRM定位。仿真结果显示,对于小型规模的目标物体定位误差约为1.84 cm,在未知室内信道信息的仿真环境下,该方法比常规TRM技术的定位精度提高约32.90倍。     

基于权值优化的认知WiMax信号协同识别

传统的正交频分复用（OFDM）系统识别算法只能识别出接收信号是否为基于全球微波互联接入技术（WiMax）的OFDM信号，但无法判断该信号是认知信号，并且在复杂电磁环境下识别正确率低。为此，提出了一种协同识别认知WiMax无线网络OFDM信号的算法。该算法首先利用OFDM信号的循环自相关特性估计信号的有用符号时间，并通过估计各协同感知节点的信噪比对时间参数的估计值进行加权，得到有用符号时间的协同估计值，进而判断接收信号是否为基于WiMax系统的OFDM信号；再通过自私攻击策略，实现对OFDM信号是否是认知WiMax信号的判别，为进一步研究认知WiMax网络节点定位技术奠定了基础。仿真结果表明，与非协同识别算法相比，提出的协同识别算法在多径和低信噪比条件下具有更高的识别率。     

用于APSK和QAM信号信噪比估计的改进分段数据拟合算法

为提高幅相键控(APSK)信号和正交调幅(QAM)信号信噪比估计范围和精度,提出了一种改进的信号信噪比估计算法。算法首先计算接收信号平方的均值和绝对值的均值之比,然后根据星座图特征,利用多项式拟合该比值与信噪比的关系。在拟合过程中,对信噪比区间进行分段拟合来提高各段拟合精度,并用蒙特卡洛仿真经验值修正算法的固有偏差,从而得到信噪比的近似无偏估计。仿真结果表明,当信噪比估计区间为-5~20 dB且数据长度合适时,16APSK和32APSK信号信噪比估计偏差均值小于0.5 dB,标准差小于2 dB;该算法对16QAM和32QAM信号信噪比估计的标准差小于传统数据拟合算法。该算法运算复杂度较低,便于实时应用和硬件实现,对恒模和非恒模信号均能实现信噪比宽范围精确盲估计。     

一种适用于超宽带脉冲信号检测的改进CUSUM算法

将最快检测技术应用于超宽带脉冲信号检测中,具体采用改进的CUSUM(Cumulative Sum )算法来检测 超宽带脉冲信号。首先分析了经过多径信道衰减后的超宽带脉冲信号概率分布特性,进一步 提出了适用于超宽带脉冲信号检测的改进CUSUM算法。理论分析和仿真证明了所提改进 算法性能优越且实现复杂度低。该算法克服了块检测算法的信噪比门限效应,且具有最优的 检测延迟性能,相同虚警限制下其检测性能明显优于能量检测算法。     

一种改进的基于波束空间的酉-ESPRIT算法

针对酉-ESPRIT算法估计精度较高但是对信噪比水平变化比较敏感的问题，提出了一种改进的用于DOA估计的酉-ESPRIT算法。该算法首先对观测数据在变换域中进行预处理使信号能量更集中，然后进行波束变换，在波束空间中估计信号的到达方向。文中采用的波束形成矩阵使用较少的波束数可以在更广范围内搜索信号以避免漏掉有用信号，因此减少了运算量。通过计算机仿真试验可知，无论在白噪声还是色噪声背荣下，与酉-ESPRIT算法相比，本算法不仅减少了计算量，并且具有更小的信噪比门限，提高了酉-ESPRIT算法的鲁棒性。     

IMU辅助的TDOA室内定位

室内环境下，当无线信号受到多径和非视距干扰时，传统的基于到达时间差（Time Difference of Arrival，TDOA）的测距模型定位精度不满足室内定位精度要求。为此，提出利用TDOA与低成本的惯性测量单元（Inertial Measurement Unit，IMU）相结合的定位方法。在视距情况下，只有TDOA系统工作，但在信号受到干扰时，利用IMU能够在短时间内提供一个准确的相对位置信息的特性，采用TDOA算法对其进行辅助定位，并利用卡尔曼滤波器对它们的数据进行预处理，最后使用扩展卡尔曼滤波器对数据进行处理融合。实验结果表明，提出的算法比传统的TDOA定位具有更高的精度。     

一种M-ary扩频信号的盲同步方法

针对通信侦察领域M-ary扩频信号的盲同步问题,根据M-ary扩频信号的结构特点及扩频码集元素间的相关特性,提出了一种扩频码长度和失步时间联合估计方法。该方法能够同时估计出M-ary扩频信号的扩频码长度及失步时间,且不受扩频码集类型的限制。仿真实验表明,该算法能在较低的信噪比条件下对三种不同码集的扩频信号进行估计,且算法的性能随着所使用数据的增多而提高。     

多点定位系统高精度TOA提取方法

针对相关法检测报头时较低的采样频率对获取信号到达时间精度的不利影响,提出 一种基于改进相关法的局部高速采样的高精度TOA提取方法。该方法根据曼切斯特编码特性 在报头后第一个数据位时间内高频采样,使用两级移位寄存器作异或处理检测跳变沿提取到 达时间信息,使测时精度达到了纳秒级,在使用GPS秒脉冲对双接收通道时间进行精确同步 的 基础上,输出提取的时间信息,对比测时的一致性。实验结果表明在实际应用中,TOA测量 精度达到了理论预期。     

一种超宽带与惯导融合的LSTM室内定位算法

针对复杂环境下的室内高精度定位需求,提出了一种超宽带和惯导融合定位方案。结合位置估计过程可被划分为时间序列预测问题的特点,提出了一种基于长短时记忆(Long Short Term Memory,LSTM) 网络的联合定位算法,并对其总体架构设计、数据预处理方法、网络结构设计、模型训练方法进行了研究。在此基础上,通过仿真和实测实验对联合定位算法进行验证,实验结果表明,该LSTM神经网络联合定位算法的定位精度优于传统TOA(Time of Arrival)、UKF(Unscented Kalman Filter)联合定位算法,适用复杂室内定位。     

高信号密度雷达脉冲分选算法

利用脉冲重复间隔(PRI)是高信号密度环境下一种主要的脉冲分选去交错方法.文中分析了受到雷达扫描特性影响时,脉冲到达时间(TOA)测量误差对PRI估计及对脉冲分选去交错的影响,提出了一种对脉冲幅度变化不敏感的TOA测量算法和能够克服PRI误差累积的去交错算法.仿真结果表明,该算法适用于高信号密度环境,性能良好.算法已在DSP平台上实现,具有很好的实时性.     

融合改进FT显著性与Grabcut的图像目标分割算法

针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题,提出了一种融合改进的FT（Frequency-tuned）显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域,并利用SLIC（Simple Linear Iterative Clustering）算法对显著图进行预处理得到超像素图,能够有效改善边界的分割效果,然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率,通过聚类以超像素代替原像素,并反复迭代高斯混合模型（Gaussian Mixed Model,GMM）参数,最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标,对高分辨率图像也有很好的适用效果,相比于其他算法在分割精度上提高10%左右,并具有较高的分割效率。     

运动TDMA系统目标时差定位算法

根据时分多址（TDMA）系统的同步特征,利用TDMA运动目标准周期性信号的到达时间,提出 了3种在三站时差定位系统中实现目标定位的算法。采用目标运动分析的方法,对TDMA目标 位置的可观测性进行分析,提出了目标运动分析时差定位算法,利用目标航迹上多个位置的 时差实现目标的定位。运用目标运动分析测距算法,提出了测距与传统时差定位和目标运动 分析时差定位相结合的两种定位算法。3种定位算法充分利用了目标的运动特性 ,提高了TDMA目标的定位精度,避免了传统时差定位算法中的多解和无解现象。仿真 结果验证了算法的有效性。     

基于雨衰雪衰影响的空间信道统计模型

针对某些特殊的移动通信环境中信号的到达角度（TOA）、到达时间（AOA）等信道参数估计的复杂性，提出一种基于散射体均匀分布室外统计信道模型。该模型将树木中的树冠层作为散射体呈均匀分布在移动台与基站周围的椭圆形区域内，通过树冠层在雨雪环境中的相对介电常数来分析降雨降雪量对信号传输带来的影响，可以方便地估计出此室外微小区的空时信道参数，如AOA概率密度分布函数、TOA概率密度分布函数以及到达角度/到达时间（AOA/TOA）联合概率密度分布函数。仿真结果表明，信号的到达时间TOA以及到达角度AOA随着降雨降雪量的增大而增大，尤其当降雪量增大使得树冠层相对介电常数达到4.5时，信号的传输将被阻塞。该模型的信道参数估计结果符合理论与经验，扩展了移动无线通信信道模型的研究与应用。     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上，针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题，提出了一种新型的粒子群优化(PSO)算法与后向传播（BP）神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值，易形成局部极值，同时学习次数较多，需先通过粒子群算法进行优化。为了提高定位精度，首先采用速度常量法滤波处理，然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化，并分析算法的性能。试验中隐层节点个数采用试错法，从12到19变化，以确定合适数目。实验结果表明，与一般加权算法和传统BP算法相比，改进的混合优化算法可大幅改善测距误差对定位误差的影响，同时可使25 m内最小定位误差小于0.27m     

基于ADS-B意图信息的航迹预测改进算法

在飞行冲突探测和恶劣天气情况下,单纯利用跟踪滤波算法无法准确判断目标飞机未来的飞行动态。为了有效提高航迹预测精度,针对广播式自动相关监视（ADS-B）信息中意图信息对航迹的影响,提出了一种基于ADS-B意图信息的航迹预测改进算法。该改进算法先通过残差均值交互式多模型（RMIMM）算法,推算出目标飞机的飞行状态参数和飞机运动模式,再结合天气状况、飞行计划和空中交通管制规章进行意图估计,最后通过飞行状态参数、飞机运动模式以及意图信息共同预测目标飞机的航迹。运用蒙特卡洛方法进行仿真,结果表明,与现有算法相比,该改进算法不仅能提供更加精确的航迹预测,而且降低了意图推断的时间延迟。     

利用Kalman滤波修正卫星导航差分RTK定位坐标

卫星导航差分RTK(Real Time Kinematic)定位方法的定位精度极易受到载波相位整周模糊度固定算法的影响，在模糊度固定失败的情况下，差分RTK定位将出现大幅偏差。针对该问题，基于Jerk模型提出了一种利用Kalman滤波修正差分RTK定位坐标的方法。在传统Jerk模型基础上，将卫星导航系统输出的载体运动速度信息引入状态空间模型的观测方程。基于扩展状态空间模型，利用Kalman滤波器实时修正载体的位置坐标。半实物仿真表明，所提方法能大幅改善卫星导航差分RTK定位精度。     

对抗NLOS误差的TOA/AOA混合无线定位算法

信道的时间和空间的变化所导致的非视距（NLOS）传输是移动定位技术面临的巨大困难。为此，利用蜂窝网络的结构、信号到达时间（TOA）以及信号到达角度（AOA）提出了一种TOA／AOA混合定位算法，有效地解决了这一问题。研究了算法在不同类型NLOS误差下的表现，结果表明该算法能够有效地降低NLOS误差的影响，定位精度比其它算法有显著提高，而且在不同分布的NLOS误差下表现稳定。