近年来,针对非圆信号的测向算法已陆续提出,对这些算法的渐近性能及Cramer-Rao界的分析也已见报道,但仍未涉及模型误差对此类算法影响的分析.本文概括介绍了用于非圆信号测向的MUSIC(Multiple Signal Classification)算法,对其空间谱函数进行一阶泰勒展开,得到了测向误差的表达式,从而求得测向均方误差统计意义上的表达式.仿真实验验证了推导的正确性,并由理论结果分析了模型误差条件下测向误差与角度间隔和非圆相位差的关系.
使用互信息或归一化互信息进行图像配准时,由于噪声、模态、插值等影响,测度函数存在许多局部极值,收敛范围较窄,有可能导致误配准.该文根据一个简单的Schur凹函数,充分利用它的特殊上凸性来消除噪声等引起的小概率分布,并由Jensen-Schur测度、广义距离测度和 f 信息测度的定义,构造了六种新测度.从运算时间、收敛性能、抗噪鲁棒性方面,对这六种测度、互信息和归一化互信息进行了比较和分析.实验结果表明,Jensen-Schur-beta和D-beta测度的收敛性能优于其它测度,抗噪声能力强于其它测度,运算速度快于互信息和归一化互信息.