本发明公开了一种大规模 MU-MIMO 系统的信道估计方法，所 述方法包括以下步骤：(1)设计生成正交导频信号，避免用户间的干扰； (2)利用正交导频的性质，在接收端消除用户间干扰；(3)利用主成分法 计算因子载荷矩阵；(4)估计公共因子；(5)利用信道的相关性和噪声的 不相关性去掉噪声，实现信道估计。通过执行本发明的信道估计方法， 不仅可得到信道矩阵的估计值，而且具有计算复杂度低、估计精度高 和不需要信道统计信息的优势。此外，本发明方法具有较高的实用性， 其可应用于具有相关关系的各种系统参数的估计中。

1 成果简介状态估计是电力系统能量管理系统的核心，可检测辨识 SCADA 中的坏数据，为能量管理系统的高级应用功能提供完整、可靠的电网数据。传统的 WLS 估计方法在量测误差服从正态分布时为最小方差无偏估计，但实际量测分布与正态分布相去甚远，且坏数据的出现几乎不可避免，此时 WLS 估计效果不够理想。基于测量不确定度的电力系统状态估计方法借助测量不确定度概念进行状态估计，不追求估计值对量测值的精确拟合，而是求解使最多量测估计值位于测量不确定度确定的区间内的状态作为估计结果，可自动检测辨识坏数据，具有强抗差性。利用现代内点法求解非线性估计问题，收敛性好，计算速度快；无需进行不良数据校验、权重因子设置，调试和维护简单。2 应用说明基于测量不确定度的电力系统状态估计可实现状态估计系统连续 7×24 小时在线稳定运行；正常情况下状态估计算法合格率较传统 WLS 估计方法提高 5%，收敛率达到 99%以上，可用率达到 100%；各种数据接口功能完善，状态估计系统数据模型接口满足 IEC 61970标准，实时数据接口兼容 E 格式等通用标准数据格式，数据交换稳定可靠；计算速度高，满足在线应用要求；免维护。 此外，状态估计还具有以下功能： l 系统运行状态监视功能，如检测支路过载、电压或注入量越限等； l 量测系统监视功能，即根据状态估计结果跟踪记录遥测异常出现的时间和被检测出 的次数，跟踪记录遥测状态不更新出现的时间，根据给定的门槛值按误差大小筛选列出电网中最差的遥测量及其相关的状态； l 友好的用户图形界面，对估计结果及各种监视功能进行有效可视化，方便调度员监视系统状态并发现系统存在的问题。 l 基于测量不确定度的状态估计可用于各级电网公司控制中心的能量管理系统，功能完善的各种数据接口使得此状态估计系统可与电网已有能量管理系统进行有效而可靠的数据交换。3 效益分析与同类电力系统状态估计软件相比，基于测量不确定度的状态估计软件具有更强的抗差性，合格率、收敛率、可用率高，可更有效检测辨识 SCADA 中的坏数据，为能量管理系统的高级应用功能其他应用功能提供完整、可靠的电网熟数据，从而保证对电力系统运行状态的有效实时监视，保障电力系统的安全可靠运行。 功能完善的各种数据接口方便与现有能量管理系统的兼容；计算速度可实现在线应用； 估计系统免维护，可节省维护费用，且使实际工程应用更加方便。

本发明公开了一种光纤通信系统中的色散估计方法，包括下述 步骤：S1：获得色散值所对应的分数傅里叶变换阶次和间隔；S2：根 据变换阶次和间隔对光通信信号进行分数傅里叶变换后获得 Xα+π /2(u)；S3：对 Xα+π/2(u)进行分数域上的自相关运算，获得对应的自 相关函数序列；并对自相关函数序列的模方进行积分，获得判决值； S4：利用比较大小的方法寻找所述判决值的最小值，并根据判决值的 最小值确定使变换后信号能量汇

本发明涉及一种基于交替优化和序列化正交匹配追踪的SAR图像散射中心参数估计方法，包括以下步骤：获取原始SAR图像并进行预处理，得到原始频域回波数据；根据原始频域回波数据，使用点散射中心模型和OMP算法初始化目标散射中心所在的重点区域，得到初始散射中心位置参数集合和初始散射中心能量占比；根据初始散射中心位置参数集合和初始散射中心能量占比，基于属性散射中心模型和SOMP算法进行属性参数提取，输出散射中心属性参数估计结果、散射中心系数估计结果和散射中心能量占比序列。与现有技术相比，本发明能高效的提取散射中心参数，获取有意义的目标散射部件属性信息。

本发明涉及的是基于多目标优化的频谱池干扰抑制方法,这种基于多目标优化的频谱池干扰抑制方法为:步骤一,在频谱池中,确定影响授权用户的平均ICI能量;步骤二,获得认知用户第

一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无

基于机载 SAR 收集的海杂波数据，验证了其具有混沌特性。在机载 SAR 收集的海杂波数 据具有混沌特性的基础上，利用海杂波的混沌预测误差对海面 SAR 图像上的分布目标进行检 测。用实测的海面 SAR 图像进行检测实验，结果表明基于混沌理论的海面 SAR 图像分布目标 检测算法是有效的。 对定义在图像像素点上的扩展分形特征的计算公式进行了修正，并将其引入到海面 SAR 图像分布目标检测中，提出了基于扩展分形特征的海面 SAR 图像分布目标检测算法，并通57 过实验证明了该算法能有效地检测海面 SAR 图像中的分布目标。

本实用新型公开了一种基于数字广播的低空目标多点定位系统，包括一个发射站，至少三个接收站 和一个信号处理的主站。接收站由天线、射频前端组成。天线采用细直天线。信号经过该射频前端的放 大滤波后，利用光纤链路送入信号处理的主站。所述信号处理的主站包括采样器和信号处理机，采样器 将信号送入 AD 进行带通采样得到数字信号，信号处理机利用计算机进行数字信号处理，在计算机中显 示目标定位跟踪结果。本实用新型采用先进的多站时差定位技术，利用三个或者多个接收站，测量出同 一信号到达各接收站的时间差，确定多个定位曲面相交，得到目标的位置。利用不同平台定位曲面之间 差异较大的特点来定位和提高定位精度，具有速度快、精度高的优点。

成果简介：星上图像目标实时处理分系统是我国首个在星上实现了实时目标检测和定位处理，处理延迟小于5s，检测和定位精度与地面实时处理相同。该系统采用模块化设计，基于FPGA+DSP异构并行，可在轨实现1Gbps速率数据的实时目标检测处理。系统功耗小于60W。 项目来源：型号项目 技术领域：信息技术/地球观测与导航技术等 应用范围：相关技术可应用于五院后继GF、MJ遥感卫星星上实时处理系统构建 现状特点：国内领先 技术创新：

已有样品/n国家环境光学监测仪器工程技术研究中心， 在光学和光谱学环境检测技术方面具有多年的研究经验， 在中国科学院创新方向项目“红外激光光谱新方法及其痕量气体在线监测研究” 、 “单模量子级联激光器(DFB-QCL)及其高灵敏痕量气体检测技术系统研发与应用示范” 、 先导专项“温室气体地基校验技术研发” 等项目资助下， 已经完成了空气中CO2、 CH4、 N2O、 NO气体的探测。