1) height estimation
高度估计
1.
In a radar network composed of two 2-dimensional radars, the CRLB of height estimation is obtained.
在由2坐标雷达组成的雷达网中,推导了目标高度估计误差的CRLB(Cram啨r Rao限),并通过不同条件下的数值计算得到了一些结论。
2.
The performance of the height estimation is evaluated by using Monte Carlo simulation.
在由 2 D雷达组成的雷达网中 ,首先用几何方法得到了 2个目标高度估计值 ,然后利用信息融合思想 ,在最小均方误差估计准则下得到了目标高度估计融合值及其方差表示。
3.
The CRLB of height estimation is also derived.
给出2D多雷达组网中基于最大似然估计目标高度的方法,以及有先验信息约束条件下的目标高度估计误差的下界(CRLB)。
2) altitude estimation
高度估计
1.
HPEKF algorithm of target altitude estimation initializing in HF surface wave radar;
高频地波雷达目标高度估计起始的HPEKF算法
2.
By adopting AR model to model the random fluctuation of RCS and self adapting estimating of model parameters,an extended Kalman filter(EKF) algorithm for altitude estimation with varying RCS is proposed in this paper.
高度估计对于高频地波雷获取三维信息、提高预警能力很有意义。
3) vegetation height estimation
植被高度估计
1.
The paper introduces a method to combine the vegetation height estimation by the coherence coefficient amplitude and phase.
先用干涉相位估计植被高度,再由相干系数幅度估计植被高度对前面相位估计的高度进行补偿,既保证了一定植被高度估计精度,又大大减少了反演算法的运算量,最后用极化干涉SAR仿真数据验证了该方法的有效性。
4) highly accurate motion estimation
高精度运动估计
5) high accuracy parameter estimation
高精度参数估计
1.
The paper analyzes the principal of the nonlinear least squares and propose a solution of high accuracy parameter estimation based on the model of enhanced Kalmen filtering.
针对捕食模型、利用已知观测数据、在非线性最小二乘准则下,建立了基于增广的广义卡尔曼滤波模型来解决噪声背景下的高精度参数估计问题,并予以了验证。
6) Altitude error estimation
高度误差估计
补充资料：Bayes估计量
Bayes估计量
Bayesian estimator
Bayes估计量【Bayesi助始廿ma.件;D自狱.。眨..界..] 用BayeS方法(Bayesian aPProach)由观察值对一未知参数所作的估计.统计问题使用这样的方法时，一般都假定未知参数所0 gR“是一具有给定先验分布7r=武do)的随机变量，决策空间D与集合0重合.且损失L(0，d)表示变量0与估计d的偏离.因此，函数L勿，d)通常假定为有形式L勿，d)=a(e)又(口一d)，其中又是误差向量0一d的某个非负函数，若k二1，则常取又勿一d)={0一d}“(“>0).最有用且在数学上最方便的是平方损失函数L(口，d)=}‘一d1’.对这一损失函数，Bayes估计量(Ba卿决策函教(Bavesian dedsion function))占’二亡厂(x)定义为使最小总损失 !;‘p‘二·“，一，‘薯必，“一”‘·’2’〕口‘么，叮‘““，达到的函数，或与之等价，了是使最小条件损失 ，母‘E{[口一占(x)]2+“)达到的函数，由此推出，在平方损失函数的场合，B竹es估计量与后验均值占‘(x)=E勿{x)相等，而Bayesj双险(Bayes risk)为 。‘二，占‘)二E!D矿夕}x)]‘此处O(0}劝是后验分布的方差: o(口{x)二任{{口一E(0{x)12!，、}. 例设二=(x，，，二，戈)，这里x，，，二，x。为具正态分布N勿，。’)的独立同分布变量，护己知，而未知参数0有正态分布N扭，铲).因为当x给定时口的后验分布为正态N(拜。，T:一、其中 n又。2一十“下一2 灿。二一—，，。一二n口‘一奋了一_ n口一汁~下且万=(x，十一+凡)/。，可知在平方损失函数{分一引’之下，Bayes估计量为占’(x)=线，而Bayes风险则为《二犷六伽铲十护).AH川畔即撰[补注]
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条