提出一种双基地MIMO雷达L型阵列下多维角度联合估计的新算法.该算法利用匹配滤波器输出信号特点构造不同的代价函数,采用迭代最小二乘算法估计收发阵列流形矩阵,根据L型阵列结构的特点和最小二乘法,从估计出的矩阵中计算目标的二维DOD(d...提出一种双基地MIMO雷达L型阵列下多维角度联合估计的新算法.该算法利用匹配滤波器输出信号特点构造不同的代价函数,采用迭代最小二乘算法估计收发阵列流形矩阵,根据L型阵列结构的特点和最小二乘法,从估计出的矩阵中计算目标的二维DOD(direction of departure)和二维DOA(direction of arrival).该方法无需谱峰搜索,可实现参数的同时估计与配对.与ESPRIT算法相比,具有更高的估计精度,并接近于克拉美-罗睛限,且在小快拍数下也能较好地工作.仿真结果验证了该算法的有效性.展开更多
为提高机器人动力学参数辨识的准确性,提出了一种基于迭代加权最小二乘(Iterative Reweighted Least Squares,IRLS)算法的辨识方法。首先推导了机器人的线性动力学模型,随后提出了一种改进摩擦模型,并设计了改进傅里叶级数作为激励轨迹...为提高机器人动力学参数辨识的准确性,提出了一种基于迭代加权最小二乘(Iterative Reweighted Least Squares,IRLS)算法的辨识方法。首先推导了机器人的线性动力学模型,随后提出了一种改进摩擦模型,并设计了改进傅里叶级数作为激励轨迹采集数据。为提升动力学参数辨识的准确性,在加权最小二乘法基础上进行改进,提出了IRLS算法对动力学参数进行辨识。最后以六自由度机器人为试验对象,进行了参数辨识试验。结果表明,基于IRLS算法的辨识方法与加权最小二乘法相比,前3个关节力矩误差的均方根(Root Mean Square,RMS)值降低了13.28%,后3个关节力矩误差的RMS值降低了28.57%,6个关节力矩误差的RMS值平均降低了17.15%,证明了基于IRLS算法的辨识方法的有效性。展开更多
现代谱估计方法能够反演基于几何绕射理论(geometric theory of diffraction,GTD)的模型参数,但不能处理非均匀不完备的雷达散射截面(radar cross section,RCS)数据。此外,通过暗室测量获取完备的RCS数据也需要较大的时空开销。针对上...现代谱估计方法能够反演基于几何绕射理论(geometric theory of diffraction,GTD)的模型参数,但不能处理非均匀不完备的雷达散射截面(radar cross section,RCS)数据。此外,通过暗室测量获取完备的RCS数据也需要较大的时空开销。针对上述问题,提出一种基于迭代加权最小二乘(iteratively reweighed least squares,IRLS)的跳频模式下GTD散射参数提取和RCS重构方法。该方法将稀疏重构理论与GTD散射模型相结合,能够在RCS数据非均匀不完备的条件下反演散射参数和实现RCS重构。仿真数据和电磁计算数据用于验证所提方法的有效性,实验结果表明该方法对降低暗室步进频率RCS的测量成本和扩增雷达RCS数据具有重要意义。展开更多
文摘提出一种双基地MIMO雷达L型阵列下多维角度联合估计的新算法.该算法利用匹配滤波器输出信号特点构造不同的代价函数,采用迭代最小二乘算法估计收发阵列流形矩阵,根据L型阵列结构的特点和最小二乘法,从估计出的矩阵中计算目标的二维DOD(direction of departure)和二维DOA(direction of arrival).该方法无需谱峰搜索,可实现参数的同时估计与配对.与ESPRIT算法相比,具有更高的估计精度,并接近于克拉美-罗睛限,且在小快拍数下也能较好地工作.仿真结果验证了该算法的有效性.
文摘为提高机器人动力学参数辨识的准确性,提出了一种基于迭代加权最小二乘(Iterative Reweighted Least Squares,IRLS)算法的辨识方法。首先推导了机器人的线性动力学模型,随后提出了一种改进摩擦模型,并设计了改进傅里叶级数作为激励轨迹采集数据。为提升动力学参数辨识的准确性,在加权最小二乘法基础上进行改进,提出了IRLS算法对动力学参数进行辨识。最后以六自由度机器人为试验对象,进行了参数辨识试验。结果表明,基于IRLS算法的辨识方法与加权最小二乘法相比,前3个关节力矩误差的均方根(Root Mean Square,RMS)值降低了13.28%,后3个关节力矩误差的RMS值降低了28.57%,6个关节力矩误差的RMS值平均降低了17.15%,证明了基于IRLS算法的辨识方法的有效性。
文摘现代谱估计方法能够反演基于几何绕射理论(geometric theory of diffraction,GTD)的模型参数,但不能处理非均匀不完备的雷达散射截面(radar cross section,RCS)数据。此外,通过暗室测量获取完备的RCS数据也需要较大的时空开销。针对上述问题,提出一种基于迭代加权最小二乘(iteratively reweighed least squares,IRLS)的跳频模式下GTD散射参数提取和RCS重构方法。该方法将稀疏重构理论与GTD散射模型相结合,能够在RCS数据非均匀不完备的条件下反演散射参数和实现RCS重构。仿真数据和电磁计算数据用于验证所提方法的有效性,实验结果表明该方法对降低暗室步进频率RCS的测量成本和扩增雷达RCS数据具有重要意义。
