导读:本文包含了参数估计融合论文开题报告文献综述及选题提纲参考文献，主要关键词:通信雷达融合系统,目标参数估计,稀疏表示,张量分解
参数估计融合论文文献综述
孔波[1]（2018）在《基于稀疏和张量表示的通信雷达融合系统目标参数估计方法研究》一文中研究指出雷达传感器网络对国家安全发挥着越来越重要的战略作用,并已渗透到社会各个方面。相比传统的雷达系统,雷达传感器网络面临更多的挑战,如频谱资源短缺、多体制模块并存以及小型化及能耗大等问题,进而导致节点间干扰增加,模块间干扰污染以及机动性受限等。出现这些问题的根本原因在于,传统分离式多模块设计已不能满足当今日益密集的雷达传感器应用场景需求。解决雷达传感器网络中这个问题的有效方法之一是通信与雷达融合设计技术。随着通信系统与雷达系统之间在硬件结构、工作频段以及信号特征上的差异性逐渐减小,通过合适的融合方法使其一体化,对雷达传感器网络的大规模推广部署具有重要意义。在通信雷达融合系统中,融合信号处理技术对融合系统的发展起到至关重要的作用,但仍面临诸多挑战。在频谱资源受限的环境中如何解决多用户接入以及用户间干扰问题,以及如何在保证高通信容量的同时实现高性能探测问题。传统的信号处理算法通常受到波形信息的影响,且在低信噪比下表现欠佳,这也限制了融合系统的应用范围。稀疏表示作为一门新兴理论,在信号采样及处理等方面具有诸多优势。而随着多输入多输出(Multiple-Input MultipleOutput,MIMO)技术在通信及雷达领域的推广应用,信号维度扩展带来的性能优势越来越明显。在这方面,稀疏表示在更高维度的扩展——张量表示,相比于传统方法,则可以更为有效地利用该优势,利用张量的低秩特征获得更好的性能。为此,本文针对基于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术的通信雷达融合系统,重点研究基于稀疏和张量表示的目标参数估计问题。主要内容包括如下几部分:首先,本文研究了融合系统中基于张量分解的目标参数估计方法。在传统的融合系统信号处理方法中,大多基于向量或者矩阵的建模方式,对于具有多维结构的信号,通常采用各维度顺序处理方法实现目标参数估计过程。然而,这一方面容易破坏信号的内部多维结构特征,导致丢失部分信息,影响参数估计结果,另一方面则带来额外的参数配对等问题,导致虚假目标的出现。本文研究了如何利用张量方法实现融合系统中的目标参数估计。首先用张量对目标参数估计问题进行建模,并采用张量分解算法,将目标多维联合参数估计问题转化为多个一维参数估计问题。针对传统张量分解算法存在不稳定以及容易陷入局部极值的问题,本文提出了基于多路随机初始化的张量幂法实现张量最佳秩1近似求解,并提出了贪婪CP分解算法将秩大于1的张量分解问题转化为多个张量秩1近似问题,有效提升了算法的稳定性并减少了算法陷入局部极值的机会。为了利用张量分解中各因子向量的参数化结构特征,提出了参数化校正算法。仿真实验结果表明所提算法对目标参数估计性能提升明显。之后,本文研究了基于张量补全的目标参数估计方法。通信雷达融合系统需要兼顾通信和雷达探测功能,为了提高目标参数估计的精度,通常需要采用大时宽带宽积信号,这不仅对硬件处理能力提出极高的要求,也造成了频谱资源的极大浪费。这里针对存在欠采样的通信雷达融合系统,提出了基于张量补全的目标参数估计方法。由于目标参数估计问题中参数自由度远远小于传统张量分解及张量补全算法中的参数自由度,为了进一步提升目标参数估计性能,从函数化张量角度出发,提出了函数化张量分解算法用于张量补全的求解。结合具体问题场景,采用网格粗估计和牛顿迭代精确估计实现函数化张量最佳秩1近似求解,并采用贪婪迭代算法对秩大于1的张量进行求解。为了降低函数化张量分解的计算复杂度,提出了傅里叶变换域预处理思想。仿真结果表明,在不同的欠采样参数和目标场景中,提出的算法相比现有算法都具有更好的性能,尤其是在低信噪比条件下表现优异。最后,本文研究了通信雷达融合系统中的多用户接入及对应的信号处理问题。在传统通信系统的多用户频谱接入方法中,通常采用分块频谱接入或等间隔频谱接入方法,但这对雷达探测能力带来了极大影响。并且,传统的融合系统信号处理方法在多用户接入场景中的目标探测能力不足,会带来旁瓣过大等问题。本文针对融合系统中的多用户接入问题,提出了基于合作式随机子载波分配的信道接入方法,并在接收端采用基于稀疏表示的算法求解。为了降低计算复杂度,提出多普勒阈值检测方法,可有效降低算法所需的计算量。文中针对所提出的多用户接入方法分析了用户间干扰功率的分布特征,并针对无用户间干扰和有用户间干扰的情景分别做了仿真分析,结果表明所提方法与融合系统中的传统方法相比具有更好的性能。(本文来源于《南昌大学》期刊2018-12-19）
张志敏[2]（2018）在《不等精度数据融合的最优权值与参数估计方法》一文中研究指出对测量数据进行融合处理是提高数据处理精度的一个十分有效的方法;文章使用引入加权因子的方法,对不等精度测量数据融合处理的最优加权与参数估计的问题进行了研究;对于线性回归模型,从理论上证明了,最优融合权值由数据的精度唯一确定,这与经典的Gauss-Markov定理是一致的;对于非线性回归模型,在理论上获得了最优融合权值的计算方法,给出了实际数据融合处理的最优权值与参数估计算法,并且证明了非线性模型的不等精度数据融合的最优权值,不但与数据本身精度相关联,而且与模型的结构、模型的导数相关联,则在此时经典Gauss-Markov定理不再成立;通过算例进行对比验证,证明了所提方法的有效性。(本文来源于《计算机测量与控制》期刊2018年09期）
李艳杰,刘宸,眭晋[3]（2018）在《基于视觉和激光传感器信息融合的楼梯结构参数估计》一文中研究指出针对在室内楼梯环境下履腿复合机器人的自主攀爬过程中的楼梯结构参数确定问题,提出了一种基于视觉和激光传感器信息融合的楼梯目标识别与结构参数确定方法。将叁维点云数据处理为二值图像,利用霍夫变换提取的特征直线确定台阶深度和宽度,通过点云直线间距离与台阶边缘直线距离比确定台阶高度。验证试验结果表明:所提方法能够快速、有效地获取足够精度的楼梯结构参数,为楼梯攀爬控制提供任务环境反馈信息。(本文来源于《传感器与微系统》期刊2018年06期）
陈浩[4]（2018）在《MIMO雷达参数估计与数据融合方法研究》一文中研究指出多输入多输出(Multiple Input Multiple Output,MIMO)雷达采用波形分集、频率分集、空间分集和极化分集等技术,与传统雷达相比,具有更大的自由度,在参数估计、目标检测与识别等方面有着明显的性能优势。依据不同的收发天线位置,MIMO雷达一般分为集中式MIMO雷达与分布式MIMO雷达两类。本文紧密结合工程需求,研究了集中式MIMO雷达的高效参数估计方法和分布式MIMO雷达的数据融合方法。论文的主要研究工作和成果如下:1.针对基于子空间技术的MIMO雷达参数估计方法计算量大的问题,考虑降低算法复杂度,提出了一种联合波离角(Direction of Departure,DOD)和波达角(Direction of Arrival,DOA)快速估计算法。基于由两个子阵构成的接收站MIMO雷达结构,利用接收端数据构建互相关矩阵(Cross-Correlation Matrix,CCM),从而采用矩阵分块理论与阵元旋转不变特性估计目标角度。该算法在对多目标进行角度估计时,无需进行特征分解,估计角度也可以自动配对,从而提高了计算效率。2.传统的均匀圆阵ESPRIT(Uniform Circular Array-ESPRIT,UCA-ESPRIT)算法可以较好地解决圆阵中俯仰角和方位角纠缠的问题。但这种方法基于激励相位模式,在圆阵半径等于发射信号波长时存在两个局限。一是要求圆阵的阵元个数必须大于12;二是可识别的最大目标数为5个。针对这种局限性,一方面,基于发射圆阵的双基地MIMO雷达架构,提出了一种单目标快速测角方法,该方法对圆阵的阵元个数没有限制。利用接收线阵间的旋转不变特性估计出目标DOA,将估计结果代入接收信号导向矢量,提取出发射圆阵的导向矢量信息。该算法直接提取协方差矩阵的相位,将相位构建为矩阵乘积的形式,基于最小二乘准则,给出俯仰角和方位角的闭式解。另一方面,提出一种基于非循环信源UCA-ESPRIT(Non-circular UCA-ESPRIT,NC-UCA-ESPRIT)的角度估计方法,该方法可识别最大目标数可达到10个。利用信源的非循环特性,将阵列虚拟孔径扩展至两倍,基于接收线阵间的旋转不变关系估计DOA。利用选择矩阵,提取出发射圆阵的导向矢量数据,从而将MIMO雷达的角度估计问题转化为基于均匀圆阵的角度估计问题。最后,利用NC-UCA-ESPRIT算法估计出目标的俯仰角和方位角。3.针对现代工程应用中传感器数通常固定,而信号是不断采集的,会出现信号维度远大于传感器数的应用场景,基于随机矩阵理论(Random Matrix Theory,RMT),提出了一种多传感器数据融合方法。该方法基于高斯噪声模型假设,利用RMT中奇异值和奇异矢量的低秩扰动现象,进行多传感器数据融合。数据融合的结果可以利用RMT的结论直接计算,无需进行迭代,降低了计算量。该方法可以看做是线性最小均方误差(Linear Minimum Mean Squared Error,LMMSE)估计器的近似工程实现。此外,该估计器是一个有偏估计,在信号维度大于传感器数时,通过权衡偏差和方差,可以比最大似然估计(Maximum Likelihood Estimation,MLE)具有更低的均方误差(Mean Squared Error,MSE)。理论和实验证实了所提算法的融合性能接近于归一化的 LMMSE。4.针对恒虚警概率(Constant False Alarm Probability,CFAR)检测中微弱目标难以识别的问题,基于马尔可夫链理论,提出了一种分布式MIMO雷达信号融合算法。该算法基于目标回波数据,利用空间目标在相邻帧间的运动特征变化有限的特点,建立模型计算观测点为目标的概率。最后,将概率值与检测阈值进行比较,判定观测点是否为真实目标。仿真实验表明,提出的算法可以降低CFAR检测门限,抑制噪声和虚警,实现对弱小空间目标的有效探测,改进雷达系统性能。5.针对基于马尔可夫链的数据融合算法需要首先计算首尾点的位置,检测门限计算复杂的问题,提出了一种基于滑窗贝叶斯的MIMO雷达信号融合算法。该算法从相邻帧获得当前帧各点为目标的先验概率,再结合目标在相邻帧间机动性有限的运动模型,利用贝叶斯公式计算当前点为目标后验概率。进而在各帧各量测点之间建立关联路径,并估计关联路径属于目标轨迹的概率。最后,结合门限判决实现多次扫描帧之间的多目标关联配对。该算法简化了检测门限的计算方法,稳定性高。录取民航飞机的回波数据进行外场实验,结果表明经过基于滑窗贝叶斯算法融合,移动目标可以被清晰的辨别,目标轨迹被“推远”,点迹得到了有效延长。(本文来源于《南京大学》期刊2018-05-20）
李红,王伟,吴粉侠,郭新明,张小波[5]（2017）在《基于Contourlet变换和广义高斯参数估计的遥感图像融合》一文中研究指出为了降低多光谱图像与全色图像融合过程中的光谱扭曲和空间失真,提出了一种基于Contourlet变换和广义高斯分布的遥感图像融合方法。首先将多光谱图像和全色图像经过Contourlet变换后得到它们的低频信息和高频信息,对低频信息采用加权平均的融合规则、对高频信息采用广义高斯参数估计的方法进行融合,最后将融合的低频信息和高频信息进行逆变换,得到融合后的高分辨多光谱图像。将文中方法应用于Geoeye_1卫星数据,与同类方法的对比分析结果显示:该方法能够减少光谱扭曲和空间信息的损失,得到的融合结果在视觉效果和客观评价标上均优于对比方法。(本文来源于《咸阳师范学院学报》期刊2017年06期）
证券[6]（2017）在《“智能电动汽车全状态参数估计、复杂环境感知与多源信息融合”课题取得阶段性进展》一文中研究指出作为国家重点研发计划新能源汽车重点专项"智能电动汽车的感知、决策与控制关键基础问题研究"项目的重要研究内容,由同济大学牵头,清华大学、武汉大学、哈尔滨工业大学、杭州海康威视数字技术股份有限公司参与实施的"智能电动汽车全状态参数估计、复杂环境感知与多源信息融合"课题取得了阶段性研究进展。(本文来源于《军民两用技术与产品》期刊2017年11期）
杨衍波[7]（2016）在《不确定参数耦合系统状态估计与融合研究》一文中研究指出面向复杂环境的机动目标跟踪、网络化系统控制、多传感器非集中式定位跟踪等动态系统状态估计与融合越来越呈现出多模态、非线性、噪声相关、加性和乘性噪声共存、网络化、分布式结构等诸多不确定参数耦合特性。通过跳变马尔可夫过程刻画多模不确定,相应系统往往转化为伴随跳变马尔可夫过程的不确定参数耦合系统。因此,在跳变马尔可夫过程下,研究并发展一系列不确定参数耦合系统的状态估计与融合处理方法具有重要的理论意义和实际应用价值。本论文基于跳变马尔可夫过程,围绕动态系统状态估计与分布式融合这两个具有一般意义的科学问题,开展了以下研究:1.针对具有随机系数矩阵的跳变马尔可夫线性系统,推导了线性最小均方误差(Linear minimum mean square error,LMMSE)估计,分析了所推导的估计器稳定性。基于所推导的LMMSE估计,通过重构随机系数矩阵下的量测方程,给出了杂波环境下机动目标跟踪状态估计与数据关联一体化处理框架。在高斯和Glint噪声下单机动目标和双机动目标跟踪中,所提算法可以获得比相应交互式多模型概率数据关联及交互式多模型联合概率数据关联算法更高的估计精度。2.针对服从一阶自回归过程的有色量测噪声下跳变马尔可夫系统,通过寻找左零矩阵,重构了包含双跳变马尔可夫参数且仅受高斯白噪声扰动的量测方程,在定义包含双跳变马尔可夫参数所有可能取值的假设集基础上,给出了状态估计的后验概率密度递推,通过删除权值微小的高斯分量,实现了基于Kullback Leibler距离度量的后验概率密度自适应高斯和递推近似。在距离门拖引扰动下的机动目标跟踪中,所提算法在考虑有色量测噪声下可以获得比相应交互式多模型和跳变马尔可夫非线性系统高斯和滤波算法更高的估计精度。3.针对互相关噪声跳变马尔可夫随机参数矩阵系统,在多传感器集中式框架下,推导了相应系统的LMMSE估计及其均方根阵列实现,结合一致性策略,给出了所考虑系统的分布式估计融合及其均方根阵列实现,并讨论了一致性策略的收敛条件和收敛点。在传感网下的机动目标跟踪中,所提算法在乘性噪声和互相关噪声共存下获得了比相关跳变马尔可夫系统LMMSE估计更好的估计精度。4.针对包含传感网、传输网和处理网的网络化非线性系统,考虑伴随服从跳变马尔可夫过程的多拍量测随机延迟,基于随机延迟后验概率在线估计,设计了单处理单元下的高斯递推滤波,通过各邻接节点间利用一致性策略共享信息,给出了处理网下的分布式高斯一致性算法。在量测一步和两步随机延迟的情况下,所提算法在单处理单元和分布式处理网中皆获得了比相应量测随机延迟的无味Kalman滤波更高的估计精度。5.针对传感网下具有量测随机延迟衰减和乘性噪声的非线性系统,基于合理的高斯混合后验概率近似,实现了单处理单元下的高斯混合滤波递推,基于非线性量测方程的统计线性回归并结合一致性策略,提出了分布式高斯混合信息滤波算法。在单处理单元和分布式处理网中,所提算法在量测随机延迟、信道衰减及乘性噪声共存下获得了比量测随机延迟的高斯近似滤波算法更高的估计精度。(本文来源于《西北工业大学》期刊2016-11-01）
乔辛磊,杨一航,郑应豪,余天宇,李绍军[8]（2016）在《融合单纯形算法的AEA算法研究及其在重油热解参数估计中的应用》一文中研究指出针对AEA(Alopex-based evolutionary algorithm)算法收敛速度慢的缺陷,本文给出一种融合了单纯形搜索方法的改进算法SMAEA(Alopex-based evolutionary algorithm with simplex search method)。它将AEA算法和单纯形依次混合迭代,利用单纯形法进行局部搜索,从而加快算法的收敛速度。在15个标准测试函数上进行试验,结果表明SMAEA的寻优能力要好于AEA算法。最后,改进的算法用于重油热解反应动力学参数的估计,结果也表明本文算法的有效性。(本文来源于《计算机与应用化学》期刊2016年10期）
刘天亮,莫一鸣,徐高帮,戴修斌,朱秀昌[9]（2015）在《多线索非参数化融合的单目视频深度估计》一文中研究指出为解决二维视频的叁维转化问题,提出了一种基于非参数化学习和多线索融合的单目视频深度图提取方法.首先,利用单目图像的区域边界轮廓和几何透视结构线索,基于前景背景融合来估计单目视频中各帧的深度图像;然后,利用视频帧间空时相关性,借助非参数学习实现单目视频深度估计;最后,利用全局背景深度分段约束和去抖动来增强深度视频序列.实验结果表明,与其他现有方法相比,该方法能得到更为准确的单目视频深度图序列,无论在主观质量还是均方根误差(RMS)和结构相似性度量(SSIM)上,均能取得较好的效果.(本文来源于《东南大学学报(自然科学版)》期刊2015年05期）
冯春,吴洪涛,陈柏[10]（2015）在《基于多传感器融合的航天器间位姿参数估计》一文中研究指出提出了利用单目视觉与激光测距仪混合的航天器间相对位置和姿态参数测量的解析算法。首先利用四元数测量算法,采用5个非共面特征光点和单目视觉获取航天器间相对位置和姿态参数的解析解,并对解析解进行修正;然后,将上述6D位姿参数与激光测距仪获取的1D距离进行融合,以进一步对6D位姿参数进行修正。最后,通过计算实例对该算法进行数学仿真,仿真结果表明:该算法保证了在相机标定和特征光点提取及匹配较大误差下的位姿参数的估计精度,能够满足航天器相对位姿确定精度和实时计算要求。(本文来源于《红外与激光工程》期刊2015年05期）
参数估计融合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对测量数据进行融合处理是提高数据处理精度的一个十分有效的方法;文章使用引入加权因子的方法,对不等精度测量数据融合处理的最优加权与参数估计的问题进行了研究;对于线性回归模型,从理论上证明了,最优融合权值由数据的精度唯一确定,这与经典的Gauss-Markov定理是一致的;对于非线性回归模型,在理论上获得了最优融合权值的计算方法,给出了实际数据融合处理的最优权值与参数估计算法,并且证明了非线性模型的不等精度数据融合的最优权值,不但与数据本身精度相关联,而且与模型的结构、模型的导数相关联,则在此时经典Gauss-Markov定理不再成立;通过算例进行对比验证,证明了所提方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
参数估计融合论文参考文献
[1].孔波.基于稀疏和张量表示的通信雷达融合系统目标参数估计方法研究[D].南昌大学.2018
[2].张志敏.不等精度数据融合的最优权值与参数估计方法[J].计算机测量与控制.2018
[3].李艳杰,刘宸,眭晋.基于视觉和激光传感器信息融合的楼梯结构参数估计[J].传感器与微系统.2018
[4].陈浩.MIMO雷达参数估计与数据融合方法研究[D].南京大学.2018
[5].李红,王伟,吴粉侠,郭新明,张小波.基于Contourlet变换和广义高斯参数估计的遥感图像融合[J].咸阳师范学院学报.2017
[6].证券.“智能电动汽车全状态参数估计、复杂环境感知与多源信息融合”课题取得阶段性进展[J].军民两用技术与产品.2017
[7].杨衍波.不确定参数耦合系统状态估计与融合研究[D].西北工业大学.2016
[8].乔辛磊,杨一航,郑应豪,余天宇,李绍军.融合单纯形算法的AEA算法研究及其在重油热解参数估计中的应用[J].计算机与应用化学.2016
[9].刘天亮,莫一鸣,徐高帮,戴修斌,朱秀昌.多线索非参数化融合的单目视频深度估计[J].东南大学学报(自然科学版).2015
[10].冯春,吴洪涛,陈柏.基于多传感器融合的航天器间位姿参数估计[J].红外与激光工程.2015