导读:本文包含了联合参数估计论文开题报告文献综述及选题提纲参考文献，主要关键词:频率分集阵列,多输入多输出,参数估计,阻塞ESPRIT
联合参数估计论文文献综述
张昭建,陈辉,王永良,刘维建[1]（2019）在《频率分集阵列MIMO多目标二维参数联合估计》一文中研究指出针对频率分集阵列MIMO(多输入多输出)雷达中的距离、角度参数联合估计问题,在区分导向矢量非时变、时变两种情况下展开研究.在非时变情况下,提出基于阻塞ESPRIT(旋转不变子空间)修正算法的谱估计方法,在保证估计精度的同时实现了参数自动配对.在导向矢量时变情况下,理论分析了导向矢量时变性对谱估计性能的影响,有针对性地提出了分区估计策略,较好解决了时变条件下的参数估计问题.理论分析及仿真结果表明:所提算法能有效估计频率分集阵MIMO雷达的距离角度参数,且在估计精度、参数自动配对等性能上优于其他降维估计算法.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年10期）
李云成,崔琛,龚阳[2]（2019）在《非均匀双基地MIMO雷达目标参数联合估计算法》一文中研究指出针对非均匀配置下的双基地MIMO雷达远场目标参数估计问题,提出了一种基于平行因子分析和分数阶傅里叶变换的目标收发角、径向速度、径向加速度联合估计算法。首先将匹配滤波后的信号转化为叁阶张量并对其进行降维处理,然后通过交替最小二乘和Root-MUSIC等算法得到目标收发角,最后利用分数阶傅里叶变换的能量聚集特性估计出目标的径向速度和径向加速度。该算法实现了目标收发角、径向速度、径向加速度的联合估计,且所得参数自动配对。仿真结果验证了所提算法的有效性。(本文来源于《电子信息对抗技术》期刊2019年05期）
陈尔康,荆武兴,高长生[3]（2019）在《弹性高超声速滑翔飞行器的状态/参数联合估计》一文中研究指出弹性高超声速滑翔飞行器具有强非线性、强不确定性和刚体/弹性耦合的特点,对其状态和参数进行估计十分必要。为解决这一问题,提出了一种传感器布置策略和一种利用正交叁角(QR)分解更新到达代价的滚动时域估计算法(MHE-QR)。首先,建立了考虑弹性的传感器观测模型并分析了传感器位置对可观性的影响,并在此基础上提出了一种反映系统可观性的性能指标。传感器布置策略以此性能指标为目标函数,将传感器布置问题转化为约束非线性优化问题并求解,即可得到最优传感器布置方案。然后提出了MHE-QR算法。在滚动时域估计的框架下,该算法利用前向动态规划原理将到达代价的计算转化为最小二乘问题,并给出了基于QR分解的到达代价更新算法。仿真结果表明该传感器布置策略和MHE-QR算法能够有效提高估计精度、收敛速度和计算速度。此外,MHE-QR算法具有实时应用的潜力。(本文来源于《航空学报》期刊2019年08期）
李瞳辉,金蛟,童行伟[4]（2019）在《线性EV模型参数的联合损失修正估计》一文中研究指出给出了线性EV模型回归和尺度参数的联合损失修正估计方法,在测量误差服从拉普拉斯分布且协方差阵已知条件下,证明了估计量的渐近正态性.(本文来源于《北京师范大学学报(自然科学版)》期刊2019年03期）
姜思仪[5]（2019）在《基于压缩采样的多频带信号空频域参数联合估计》一文中研究指出多频带信号在现代信息技术中的雷达探测、超宽带无线通信、频谱检测以及认知无线电等领域中应用广泛,对其空域及频域的各参数信息同时进行检测始终是阵列信号处理领域的研究热点。多频带信号的频谱分布越来越宽,但有效占有带宽却很窄,而且在大部分的应用场景中目标信号的载频是未知的。香农-奈奎斯特采样定理指出信号的最低采样速率最小为信号最高频率的两倍时,才能无失真地重构原始信号,过高的采样率给硬件带来了巨大压力。近年来基于压缩感知(Compressed Sensing,CS)理论提出的调制宽带转换器(Modulated Wideband Converter,MWC)系统解决了多频带模拟信号的采样问题。因此针对目前阵列信号处理中对多频带信号的空频域参数的联合估计方法所需采样率较高的问题,本文研究基于阵列MWC结构的多频带信号空频域参数联合估计方法。本文首先研究现有的基于L型阵列MWC结构的一维波达方向(Direction-OfArrival,DOA)与载频的联合估计方法,主要研究其中的两种利用均匀阵列旋转不变特性来进行求解的ESPRIT方法及CP分解方法。由于现实中的信号存在于叁维空间中,因此使用二维DOA来描述目标信号的方向更为准确。鉴于L型阵列简单的结构以及优秀的估计性能,本文在基于L型阵列MWC结构的一维DOA与载频联合估计方法的基础上,对现有的L型MWC阵列结构及一维DOA与载频联合估计ESPRIT方法和CP分解方法算法同时进行改进。首先提出了基于双L型阵列MWC结构的ESPRIT方法和CP分解方法,通过将叁维参数估计问题转化为两个二维参数估计问题,增加了估计的参数维度,并给出了相应的配对方法。接着为了省略复杂的配对步骤,减小算法复杂度,本文进一步提出了基于L型延时阵列MWC的二维DOA和频率的联合估计的ESPRIT方法和CP分解方法。通过对增加固定延时通道来估计载频参数,无需参数配对。具体内容如下:1.研究现有的基于L型阵列MWC的空频域参数联合估计方法。对阵列多频带信号模型、L型阵列MWC采样结构及重构算法进行研究。对目前现有的基于L型阵列MWC一维DOA与载频联合估计的旋转不变子空间(Estimating Signal Parameter via Rotational Invariance Techniques,ESPRIT)方法和正则分解/平行因子分析(CANDECOMP/PARAFAC,CP)方法进行了研究,进行了详细的理论分析,给出理想条件下保证精确恢复所需的条件,并通过MATLAB仿真对各方法的性能进行了对比分析,同时探究了阵元间距、通道数等系统参数及噪声对各方法估计精度的影响。2.针对一维DOA无法准确描述空间中目标信号方向的问题,为了估计目标信号的二维DOA参数,对L型阵列结构进行了扩展,提出了基于双L型阵列MWC的空频域参数联合估计方法。在双L阵列结构特点的基础上,对基于ESPRIT方法和CP分解方法的一维DOA和载频联合估计方法进行扩展,实现了基于ESPRIT方法和CP分解方法的二维DOA和载频联合估计。通过将叁维参数估计问题转化为两个二维参数估计问题,增加了估计的参数维度。由于叁个坐标轴接收信息相对独立,需要进行额外的参数配对,我们也给出了相应的配对方法。接着通过MATLAB仿真对基于双L型阵列MWC的ESPRIT方法和CP分解方法仿真实验和对比分析,并将提出的两种方法与现有的方法进行了仿真对比分析,同时探究了阵元间距、通道数等系统参数及噪声对各方法估计精度的影响。3.为了省略繁复的配对操作,减小算法复杂度,直接进行叁维参数估计,我们同样对L型结构进行扩展,提出了基于L型延时阵列MWC空频域参数联合估计方法。在L延迟阵列结构特点的基础上,实现了基于L型延迟阵列结构的二维DOA和频率的联合估计的ESPRIT方法和CP分解方法。利用延迟通道的采样值直接估计载频,可以直接计算叁位参数估计问题,无需额外的配对操作,减小了算法复杂度。接着通过MATLAB仿真对基于L型延迟阵列MWC的ESPRIT方法和CP分解方法进行了仿真实验和对比分析,同时探究了阵元间距、通道数等系统参数及噪声对各方法估计精度的影响。本文在现有的基于L型阵列MWC结构的一维DOA与载频联合估计方法的基础上,对L型MWC阵列结构及ESPRIT方法和CP分解方法算法同时进行改进。首先提出了基于双L型阵列MWC结构的ESPRIT方法和CP分解方法,通过将叁维参数估计问题转化为两个二维参数估计问题,并给出了相应的配对方法。接着为了省略复杂的配对步骤,本文进一步提出了基于L型延时阵列MWC的二维DOA和频率的联合估计的ESPRIT方法和CP分解方法。无需额外的配对操作,减小了算法复杂度。最后我们总结了双L型阵列和L型延迟阵列结构的特点和优劣,以及ESPRIT算法和CP算法方法的特点和优劣。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
周宏,周佳乐,顾小清,刘虹娇,郭立[6]（2019）在《3V-JMLE法:计算机自适应测试中一种基于叁值矩阵的联合参数估计方法》一文中研究指出文章对计算机自适应测试中常用的参数估计法——联合极大似然估计(Joint Maximum Likelihood Estimation,JMLE)法进行了改进,提出了一种基于叁值矩阵的联合参数估计方法——3V-JMLE法。基于此,文章以作答反应数据库中被试作答信息为样本,分别采用JMLE法、3V-JMLE法进行参数估计,其对比结果表明:在理想作答矩阵下,3V-JMLE法和JMLE法具有同等的参数估计精度和计算效率;在非理想作答矩阵下,采用JMLE法进行参数估计存在一定的局限性,而采用3V-JMLE法具有很高的参数估计精度并大大提高了计算效率。3V-JMLE法的提出,对于联合参数估计方法的实际估计参数过程有重要指导意义。(本文来源于《现代教育技术》期刊2019年05期）
袁赛,邓志刚,帅孟超[7]（2019）在《大容量锂电池在线参数辨识及SOC联合估计》一文中研究指出为了提高对大容量磷酸铁锂电池的在线联合精度,分别对在线参数辨识、及SOC估计两部分做了研究。对电池建立了二阶RC等效电路模型,求出了状态表达方程式;使用变遗忘因子的递推最小二乘法来进行在线参数辨识。在多脉冲放电实验工况下,离线参数辨识的最大误差为4.86%(0.18V);而采用变遗忘因子递推最小二乘法,在线辨识的最大误差为1.89%(0.07V)。在线参数辨识不仅实现了实时性,也提高了精度。在参数辨识的基础上,分别采用扩展卡尔曼滤波算法(EKF)、无迹卡尔曼滤波算法(UKF)对电池SOC进行联合估计。在多脉冲放电实验工况中,当SOC的初始误差在30%以内时,UKF算法收敛到误差允许范围内的最大时间为400s;EKF算法收敛到误差允许范围内的最大时间为1100s(实验中电池的总运行时间为18000s)。且当SOC初值正确时,UKF的最大误差为3.2%,而EKF的误差约为7.8%。因此,UKF的鲁棒性、精确度明显优于EKF。(本文来源于《电气开关》期刊2019年02期）
刘琨,黄冠华[8]（2019）在《基于集合卡尔曼滤波法的二维土壤水流状态变量和参数联合估计》一文中研究指出集合卡尔曼滤波方法(EnKF)显式地考虑了模型输入、输出以及模型结构等因素的不确定性,近年来被广泛应用于水文模型参数估计研究中。本文基于EnKF方法开展二维土壤水流运动模型状态变量和参数联合估计研究,设计数值实验探究了在线源入渗条件下EnKF方法对粉壤土、壤土和砂壤土的饱和导水率和进气值参数的估计以及压力水头的同化效果,分析了观测点布置方式和观测点数量对同化效果的影响。研究结果表明,粉壤土条件下观测点垂向布置方式更好;壤土和砂壤土条件下,在0～30cm深土壤中水平向布置观测点可以得到较好的参数估计值。观测点水平向布置时应尽量靠近地表,同化系统可以有效地利用观测信息更新状态向量,参数更快地收敛于真值,但压力水头的同化效果仅限于一定深度的土壤。增加观测点数量可以有效地减小参数估计偏差,进而提高土壤剖面压力水头的预测精度。(本文来源于《水利学报》期刊2019年03期）
刘树聃[9]（2019）在《基于多重渐消因子强跟踪非线性滤波的故障参数联合估计》一文中研究指出为改进故障参数估计的精度和鲁棒性,提出基于多重渐消因子强跟踪七阶容积卡尔曼滤波(MST7thCKF)的故障参数联合估计算法。算法将故障参数扩展至状态向量,实现状态和故障参数联合滤波。然后,将多重渐消因子强跟踪滤波(MSTF)引入七阶容积卡尔曼滤波(7thCKF)的框架中,改进7thCKF在故障参数变化函数未知或者发生突变时的鲁棒性,提高故障参数的估计精度。仿真结果表明,相比MSTF均方根容积卡尔曼滤波(MSTSCKF)和7thCKF,所提算法具有更好估计精度。(本文来源于《电子测量与仪器学报》期刊2019年01期）
李云成,崔琛,龚阳[10]（2018）在《基于平行因子分析的时空非均匀采样下双基地MIMO雷达目标参数联合估计算法》一文中研究指出提出了一种基于平行因子分析的时空非均匀采样下双基地MIMO雷达收发角及多普勒频率联合估计算法。首先计算K级非均匀延迟器输出数据的协方差矩阵并对该矩阵进行变换和去冗余处理,然后将新数据转化为叁阶张量并对其进行降维处理,最后通过交替最小二乘和Root-MUSIC算法估计出目标收发角和多普勒频率。该算法实现了时域和空域孔径自由度的二次扩展,提高了参数估计精度,降低了运算量。此外,通过最小冗余配置,实现了孔径的高效扩展,降低了系统配置需求。仿真结果验证了所提算法的有效性。(本文来源于《空军工程大学学报(自然科学版)》期刊2018年06期）
联合参数估计论文开题报告
（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：
针对非均匀配置下的双基地MIMO雷达远场目标参数估计问题,提出了一种基于平行因子分析和分数阶傅里叶变换的目标收发角、径向速度、径向加速度联合估计算法。首先将匹配滤波后的信号转化为叁阶张量并对其进行降维处理,然后通过交替最小二乘和Root-MUSIC等算法得到目标收发角,最后利用分数阶傅里叶变换的能量聚集特性估计出目标的径向速度和径向加速度。该算法实现了目标收发角、径向速度、径向加速度的联合估计,且所得参数自动配对。仿真结果验证了所提算法的有效性。
（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。
联合参数估计论文参考文献
[1].张昭建,陈辉,王永良,刘维建.频率分集阵列MIMO多目标二维参数联合估计[J].华中科技大学学报(自然科学版).2019
[2].李云成,崔琛,龚阳.非均匀双基地MIMO雷达目标参数联合估计算法[J].电子信息对抗技术.2019
[3].陈尔康,荆武兴,高长生.弹性高超声速滑翔飞行器的状态/参数联合估计[J].航空学报.2019
[4].李瞳辉,金蛟,童行伟.线性EV模型参数的联合损失修正估计[J].北京师范大学学报(自然科学版).2019
[5].姜思仪.基于压缩采样的多频带信号空频域参数联合估计[D].哈尔滨工业大学.2019
[6].周宏,周佳乐,顾小清,刘虹娇,郭立.3V-JMLE法:计算机自适应测试中一种基于叁值矩阵的联合参数估计方法[J].现代教育技术.2019
[7].袁赛,邓志刚,帅孟超.大容量锂电池在线参数辨识及SOC联合估计[J].电气开关.2019
[8].刘琨,黄冠华.基于集合卡尔曼滤波法的二维土壤水流状态变量和参数联合估计[J].水利学报.2019
[9].刘树聃.基于多重渐消因子强跟踪非线性滤波的故障参数联合估计[J].电子测量与仪器学报.2019
[10].李云成,崔琛,龚阳.基于平行因子分析的时空非均匀采样下双基地MIMO雷达目标参数联合估计算法[J].空军工程大学学报(自然科学版).2018