无人机影像具有非常高的分辨率，边缘和纹理信息更加丰富，基于经典SURF特征的影像拼接算法在处理无人机影像时面临着新的挑战。为提高无人机航拍影像拼接效率，该文提出一种快速特征提取与匹配算法。在特征提取环节，提出采用局部差分二进制算法描述特征，在不降低特征区分性的同时，较SURF描述子而言降低了特征维度。在特征匹配环节，提出采用局部敏感哈希搜索算法代替kd树搜索算法，提高了最近邻特征匹配效率。实验结果表明，与基于SURF描述子和kd树搜索算法的最近邻匹配拼接算法相比，该文算法特征匹配效率有明显提升，匹配精度也有所改善，更适合应用于基于特征的无人机航拍影像快速制图。

随着大数据和信息技术的发展，更好地理解用户的行为轨迹在个性化推荐、广告推荐等方面越来越重要。该文依据大数据环境下的城市计算理论，提出一种基于情境感知的用户角色推理模型。通过用户的行为轨迹分析其行为的时空特性；结合时间、语义分析等构造识别用户角色概率推理模型；通过算法克服识别用户角色的主观性、动态适应性差等问题。实验结果证明了该文所提模型的可行性、精确性和预测准确性。

传统聚类算法在数据量不足或数据被污染的场景下聚类效果较差，针对此问题，在经典模糊C均值(FCM)技术的基础上，该文提出融合历史类中心和历史隶属度两类知识迁移机制的聚类算法。该算法通过有效利用历史数据中总结得到的辅助知识来指导当前由于数据不足或数据污染带来的聚类困难问题，从而提高聚类效果。同时，由于该算法仅利用历史数据的类中心和隶属度，对历史数据具有隐私保护的优点。通过在模拟数据集和真实数据集上的仿真实验，证明了该算法的有效性。

支持向量机分类算法引入惩罚因子来调节过拟合和线性不可分时无解的问题，优点是可以通过调节参数取得最优解，但带来的问题是允许一部分样本错分。错分的样本在分类间隔之间失去了约束，导致两类交界处样本杂乱分布，并且增加了训练的负担。为了解决上述问题，该文根据大间隔分类思想，基于类内紧密类间松散的原则，提出一种新的分类算法，称之为最小化类内距离和(Intraclass-Distance-Sum-Minimization, IDSM)分类算法。该算法根据最小化类内距离和准则构造训练模型，通过解析法求解得到最佳的映射法则，进而利用该最佳映射法则对样本进行投影变换以达到类内间隔小类间间隔大的效果。相应地，为解决高维样本分类问题，进一步提出了该文算法的核化版本。在大量UCI数据集和Yale大学人脸数据库上的实验结果表明了该文算法的优越性。

航空摄像机在空中对地面进行拍摄，拍摄场景复杂，传统的灰度平均值法在一些如有干扰点或背景与目标灰度差别大的场景下曝光会不正确，丢失图像信息，为了解决这些问题，该文在根据图像灰度信息的调光算法以及硬件实现方面进行了相关研究。首先根据当前帧图像的灰度直方图中灰度级为0和255附近的信息进行初调；然后根据图像直方图及其卷积和，搜索其中的峰值区域并确定图像的不感兴趣区域(包含的灰度级单一，信息量少的区域)；接着根据这些区域占整幅图像的比重，由权值分配曲线为其分配不同的权值；最后计算加权后的灰度平均值，并将其作为反馈量控制下一帧的调光。实验结果表明，在普通场景下能够准确曝光，在暗背景和亮背景场景下，相比传统方法使图像感兴趣区域信息熵提高10%以上。此方法能适用于多种场景，满足航空摄像机对复杂场景自动调光的需求。

传统的单词包(Bag-Of-Words, BOW)算法由于缺少特征之间的分布信息容易造成动作混淆，并且单词包大小的选择对识别结果具有较大影响。为了体现兴趣点的分布信息，该文在时空邻域内计算兴趣点之间的位置关系作为其局部时空分布一致性特征，并提出了融合兴趣点表观特征的增强单词包算法，采用多类分类支持向量机(Support Vector Machine, SVM)实现分类识别。分别针对单人和多人动作识别，在KTH数据集和UT-interaction数据集上进行实验。与传统单词包算法相比，增强单词包算法不仅提高了识别效率，而且削弱了单词包大小变化对识别率的影响，实验结果验证了算法的有效性。

针对广义特征值中心支持向量机(GEPSVM)训练和决策过程不一致问题，该文提出一类改进的基于特征值分解的中心支持向量机，简称为IGEPSVM。首先针对二分类问题提出了基于特征值分解的中心支持向量机，然后基于“一类对余类”策略将其推广到多类分类问题。将GEPSVM求解广义特征值问题转化为求解标准特征值问题，降低了计算复杂度。引入了一个新的参数，可以调节模型的性能，提高了GEPSVM的分类精度。提出了基于IGEPSVM的多类分类算法。实验结果表明，与GEPSVM算法相比较，IGEPSVM不仅提高了分类精度，而且缩短了训练时间。

受到实际条件的限制，自适应旁瓣相消器通常不可能频繁地更新自适应权值，使得其在对抗空域非平稳干扰时，会出现权值失配现象，严重影响干扰抑制性能。该文从空域密集干扰产生宽零陷的角度出发，提出一种适用于自适应旁瓣相消器的零陷展宽算法。该算法通过对主通道的合成权值和辅助天线间的协方差矩阵同时进行锥削实现零陷展宽，锥削向量和锥削矩阵只与阵元位置和展宽宽度有关，可以离线计算，在线直接调用，实现简单，适合工程实际使用。仿真实验证明，该文方法可以有效展宽自适应零陷，增强自适应旁瓣相消器对抗空域非平稳干扰时的稳健性。

建立有效的目标表观模型是视觉跟踪算法的关键。该文采用中层次视觉线索(超像素)对目标表观进行建模，提出一种实时超像素跟踪(RSPT)算法。算法采用K近邻(KNN)方法从超像素特征集合中学习目标的判别式表观模型；在后续帧中，根据学习到的表观模型计算目标-背景置信图，然后巧妙地采用积分图方法估计目标状态，实现了高速的全局最优估计；最后设计了目标表观模型的在线更新策略，引入遮挡因子对遮挡进行判断。在配置i5处理器的电脑中，所提RSPT算法使用未经优化的Matlab代码以19帧/s的速度实时运行。对若干序列的对比实验表明，所提算法能够在多种复杂环境下稳定跟踪目标，具有良好的鲁棒性。

针对稀疏表示的图像质量评价模型都基于灰度图像，缺少颜色信息，该文提出一种基于非负矩阵分解(NMF)的全参考彩色图像质量评价方法。首先，从自然彩色图像中随机采样，得到训练样本，利用非负矩阵分解，训练得到特征基矩阵，并经过Schmidt正交化，构建特征提取矩阵；其次，根据视觉显著性模型，利用最大视觉显著性和显著性差值两步骤选取视觉重要区域；最后，利用特征提取矩阵，得到低维的特征向量，并最终得到彩色图像质量评价值。实验结果表明，该文方法在LIVE, CSIQ和TID2008 3个图像质量评价库上有很好的表现。3个图像库的平均结果显示，该文方法的综合表现优于所有对比方法。这表明该文方法与主观感知有更好的关联度。

该文针对传统算法在实环境(不同噪声类型和信噪比)下容易发生清浊误判和基音估计错误问题，提出一种基于幅度压缩基音估计滤波(PEFAC)的清浊音分类及基音估计方法。首先，通过PEFAC削弱语音的低频噪声，提取出基音谐波；然后，采用基于对称平均幅度和函数的脉冲序列加权算法(SIM)确定谐波数目；最后，利用动态规划估计出基音，用基于3元素特征矢量的高斯混合模型对清浊音进行分类。仿真结果表明，在实环境下，所提方法能有效抑制清浊误判及基音估计错误现象的发生，性能优于传统方法。

在射频识别RFID系统中，防碰撞算法对于标签的快速识别，尤其在移动应用的场景中非常重要。该文针对移动场景中停留标签，提出了组策略停留标签算法GSRA(Group Strategy for Remaining tags Algorithm)，分为停留标签识别和新到标签识别两个阶段，并将停留标签信息分组存放与更新，从而提高停留标签的识别效率。理论分析证明该算法系统效率仅与标签动态时移动时的迁移速率和静态时的系统效率有关，而与标签数量无关。仿真结果表明GSRA算法在标签迁移速率为20%时，结合冲突树算法CT，系统效率可以达到240%。

针对基于数字射频存储(DRFM)技术的转发式欺骗干扰难以检测和抑制问题，该文根据DRFM的延时量化会导致干扰信号产生细微的中心频率频移及谐波分量寄生的特性，提出一种基于奇异谱分析(SSA)的抗距离波门拖引干扰方法。该方法首先提取干扰信号谐波分量与目标回波经SSA分解后奇异值能量的分布差异特征，实现对有源欺骗干扰的检测，然后依据干扰中心频率频移特性，通过划分合适的奇异值子空间重构目标信号，实现对欺骗干扰的抑制。该方法不需要估计噪声参数，在干扰检测阶段具有恒虚警特性。Monte Carlo仿真结果验证了该方法的有效性。

目前基于缺失数据的幅度相位估计算法(GAPES)的SAR成像算法都没有考虑距离徙动和相位误差问题而导致图像质量下降。该文提出一种基于GAPES的聚束模式SAR方位向连续缺失数据的高分辨成像方法。在处理过程中，通过对连续缺失数据2维插值实现距离徙动校正，然后利用稀疏数据投影近似子空间跟踪算法实现相位误差补偿，保证了图像的分辨率。仿真和实测数据的处理结果证明了该方法的有效性。

作为一种特殊的新型双基合成孔径雷达(SAR)成像模式，弹载双基前视SAR(Missile-borne Bistatic Forward-Looking SAR, MBFL-SAR)可实现末端俯冲段前视2维成像。然而距离历程中双根号及高阶项的同时存在导致其2维频谱难以有效获得，且收发平台高度的不断变化和运动方向的不同造成回波相位的空变特性。该文提出一种基于斜距等效的MBFL-SAR相位空变校正方法。该方法利用修正的双曲线斜距模型将具有双根号和高阶项的距离历程表达式等效并简化为单根号斜距表达形式，进而利用驻定相位原理求得其高精度2维频谱；随后通过多项式高阶拟合的方法精确补偿频谱中空变的相位项，完成场景成像聚焦。该方法可高精度成像且相对于传统方法聚焦性能有显著提高。最后，通过仿真验证了所提方法的有效性。

针对米波多输入多输出(Multiple Input Multiple Output, MIMO)雷达在反射面高度未知情况下对低空目标测角困难的问题，该文提出一种基于缩放字典的目标仰角估计算法。该算法不依赖反射面高度信息，在同时考虑发射多径和接收多径的情况下，通过构造包含目标参数的自适应字典，以最大化匹配滤波输出的回波数据与字典原子相关系数为估计准则，利用缩放字典逐层逼近的方法交替完成对目标参数的估计和对参数化字典的更新，最终实现了对目标仰角及高度的估计。仿真实验表明了该算法的有效性。

多重信号分选(MUltiple SIgnal Classification, MUSIC)算法是波达方向(Direction-Of-Arrival, DOA)估计的最重要算法之一，但庞大的计算量使其工程实用性大打折扣。为降低MUSIC的计算量，该文基于子空间旋转(Subspace Rotation Technique, SRT)变换思想提出了一种高效改进算法，即SRT-MUSIC算法。SRT-MUSIC利用秩亏特性对噪声子空间矩阵按行分块并以旋转变换得到降维噪声子空间，进而基于该降维噪声子空间与导向矢量的正交性构造空间谱估计信号DOA。理论分析表明：SRT-MUSIC能有效避免空间谱搜索中的冗余运算，从而成倍降低算法的计算量。对于大阵元、少信号情况，所提算法计算效率优势更为明显。仿真实验证明了SRT-MUSIC的有效性和高效性。

对于多通道高分辨率宽测绘带合成孔径雷达(HRWS SAR)，为了实现高分辨宽覆盖测绘能力，每个子孔径的回波信号均存在多普勒模糊，因此现有的杂波抑制方法不能有效的抑制杂波。针对这一问题，该文提出一种新的杂波抑制方法，并给出了对应的双门限CFAR检测方案。首先，借鉴数字波束形成(DBF)解多普勒模糊的思想，提出将自适应DBF技术应用于杂波抑制。然后，分析其存在的问题，并给出改进方案。改进方案可以降低杂波抑制所需要的自由度(DOFs)，解决运算量与估计精度之间的矛盾问题。最后，仿真结果验证了该文方法的有效性。

线性干扰对齐的一个常见优化目标是总传输速率最大化，但因为和速率函数的非凸特性而难以直接求解。加权均方误差最小化算法借助均方误差与和速率之间的等价关系解决了这一问题。这一方法需要获得准确的信道状态信息，在实际应用中，通道估计误差的存在会导致算法性能的下降。该文提出一种改进算法，在干扰对齐预编码矩阵与接收矩阵的优化求解过程中将通道估计误差的统计特性考虑在内。仿真结果表明，相比以往的加权均方误差最小化算法，该文算法对信道估计误差具有较高的鲁棒性，可以有效提高总的传输速率。

在第五代移动通信(5G)系统中，大规模MIMO天线和超密集部署网络是实现高吞吐量的两种方式。针对超密集网络的切换管理的问题，该文基于网络分簇的思想提出了根据终端设备运动情况动态调节滞后余量的切换管理算法。在该算法中，基于小基站分簇化管理的前提，用户设备在小区间切换分为预切换和正式切换两个阶段，预切换阶段完成最佳目标小区选择、小区资源预留和预鉴权等操作，正式切换阶段根据预切换阶段监测的设备速度动态调节切换门限的滞后余量。仿真结果表明了该算法可以有效降低设备的切换时延和切换失败率。

为了提高高效率视频编码(HEVC)的编码效率，该文对帧间预测算法进行优化，提出一种基于纹理相似性的快速深度判决算法。随着视频分辨率的提高，视频序列中的空域冗余也随之增加，HEVC通过增加编码块尺寸来提高预测效率，代价就是编码复杂度的急剧增加。通过对视频序列分析可知，图像中的平滑区域与细节区域在相邻帧中存在很大的相关性。该文利用相邻已编码帧的相邻编码块的深度信息，来快速判决当前待编码块的深度信息。对于平滑区域，快速判决待编码最大编码单元的最大深度，以减少小块编码单元的模式判决；对于细节区域，快速判决待编码最大编码单元的最小深度，以减少大块编码单元的模式判决。实验结果表明，与原始的HEVC算法相比，该文所提算法编码比特率平均增加约0.13%以内，PSNR的平均降幅为0.09 dB，算法运行时间平均减少了约50%。

在基于Context建模的熵编码系统中，为了达到预期的压缩性能，需要通过Context量化来缓解由高阶Context模型所引入的“Context稀释”问题。为此，该文提出一种通过最小化描述长度来实现Context量化(Minimum Description Length Context Quantization, MDLCQ)的算法。该算法使用描述长度作为评价准则，通过动态规划算法来实现单条件的最优Context量化，然后通过循环迭代来实现多条件的Context量化。该算法不仅可以得到多值信源的优化Context量化器，而且可以自适应地确定各个条件的重要性从而确定模型的最佳阶数。实验结果表明：由MDLCQ算法所得到的Context量化器，可以明显改善熵编码系统的压缩性能。

空时分组码的盲识别是认知无线电领域一个新的重要问题。多数现有算法在多接收天线下进行识别，然而这些算法并不完全适用于单接收天线条件。针对上述问题，该文提出一种同时适用于单接收天线和多接收天线的空时分组码盲识别方法。利用空时分组码矩阵内元素的相关性，提出四阶统计量作为盲识别的特征参数，并通过最小欧氏距离的方式检验四阶统计量的差异，达到识别的目的。蒙特卡洛仿真表明，算法识别性能较好，且不需要预先知道信道信息、噪声信息和调制信息，对多普勒频移和相位噪声具有一定的适应性。

为了识别当前通信系统所采用的主要调制方式，该文结合高阶累积量和循环谱的特点，采用混合识别算法，同时应用智能决策算法(神经网络)对信号进行识别。该算法基于四阶和六阶高阶累积量构造出一个新的特征参数，将数字调制信号分为{BPSK, 2ASK}, {QPSK}, {2FSK, 4FSK}, {MSK}和{16QAM, 64QAM}5类。然后利用高阶累积量的其它特征参数以及循环谱特征对{OFDM}, {16QAM, 64QAM}, {2ASK, BPSK}及{2FSK, 4FSK}进行识别。为便于工程实现，该文采用半实物仿真以及LabVIEW和MATLAB混合编程来验证算法。仿真结果证明，该算法能够在较低信噪比下实现对{OFDM, BPSK, QPSK, 2ASK, 2FSK, 4FSK, MSK, 16QAM, 64QAM}等多种信号的分类，在信噪比高于 5 dB时，调制方式识别率可达94%以上，由此证明了该方法的有效性。

该文提出一种名为无信号内干扰相关延迟键控(Correlation-Delay-Shift-Keying with No Intrasignal Interference, CDSK-NII)的新型混沌通信方案。采用重复混沌序列为参考信号，同时利用零和序列确保参考信号与信息信号严格正交，CDSK-NII能够在解调过程中消除信号内干扰。在高斯白噪声信道和Rayleigh衰落信道中分析CDSK-NII的比特误码率。实验结果表明：由于无信号内干扰，CDSK-NII的比特误码率低于CDSK和通用相关延迟键控(GCDSK)；随着复帧长度的增加，CDSK-NII的性能将进一步提升，比特误码率低于参考自适应相关延迟键控(RA-CDSK)。

该文提出一种改进的低密度奇偶校验(Low Density Parity-Check, LDPC)码的加权比特翻转译码算法。该算法引入了变量节点的更新规则，对翻转函数的计算更加精确，同时能够有效弱化环路振荡引起的误码。仿真结果表明，与已有的基于幅度和的加权比特翻转译码算法(SMWBF)相比，在加性高斯白噪声信道下，该文算法在复杂度增加很小的情况下获得了误码率性能的有效提升。

为了降低Turbo均衡中均衡器的复杂度，该文提出了符号方差反馈均衡算法(SVFE)。该算法是对精确的线性最小均方误差估计值(LMMSE)进行Taylor展开得到的。在该算法中，先利用时不变均衡器得到初步符号估计值，再根据先验符号方差对估计值加权，最后进行时不变滤波得到更佳的符号估计值。由于用到了时变的先验符号方差信息，其性能更接近精确的LMMSE均衡器。将所提算法用于Proakis C信道下的Turbo均衡处理，和时不变均衡算法进行仿真对比，所提算法将信噪比损失从0.83 dB降到了0.17 dB，并且仍可通过快速傅里叶变换降低为对数复杂度。

在配用电网络全网的监控过程中，杆塔等设施的状态监测与故障容忍成为电力系统亟待解决的问题。现有的监控系统由于网络线性拓扑结构等限制，故障发生时无法及时维护，影响到电力生产业务，易造成电力重大事故。该文面向利用传感器监控电网架空线的背景，提出一个针对传感器部署的故障容忍机制。首先，依据N-x原则等，最小化冗余备份节点和无线模块的数量，达到成本最小化的目的。其次，综合考虑时延约束、N-x原则的数量约束等构建数学优化模型。基于该模型，利用聚类合并思想，构建了一个面向智能电网架空线的传感器故障容忍机制。最后，仿真实验证明，以此机制部署的传感器监测网络能够在成本最小化的基础上，有效地容忍故障。

双向标签交换路径(LSP)是多协议标签传输应用(MPLS-TP)网络技术的重要组成部分，但现有的双向LSP生成算法因双程建路而在控制开销和用时方面导致冗余。为此，该文提出一种基于单程建路的高效双向LSP生成算法(EAEBL)，在保障建路效果的前提下，通过控制消息的一次单程正向传递完成双向LSP的生成，从而减少建立双向LSP的控制开销和用时而且能够加快启动数据分组的传递。理论分析验证了EAEBL算法的有效性，仿真结果显示：与现有的4种双向LSP生成算法相比，EAEBL算法的建路控制开销和用时分别减少了14.7%和50%以上，数据分组在源LSR的等待时间则被减至趋近于0。

无线传感器网络(WSN)中传输的数据具有相关性和冗余性。如何有效降低网络中的数据量，延长网络生命周期，始终是WSN的研究热点之一。该文基于WSN中数据序列的相关性，提出一种两步数据压缩算法(TSC-SC)。网络中的簇首和簇内节点执行各自的压缩算法：簇首首先执行相关性分组算法，将数据分组，减少簇内节点的计算量以及消除簇内数据的空间相关性；簇内节点对多属性数据分类压缩，并将压缩参数传至簇首，簇首解压后再次进行分类压缩，进一步消除数据相关性，减少节点数据冗余度，降低通信能耗。为实现对压缩算法的综合性能评价，考虑基本的压缩要求和算法的计算能耗，提出了基于能量判别的算法评估模型(NCER)。仿真结果表明TSC-SC算法可以有效降低压缩比和压缩误差，充分减少数据传输量和网络的通信能耗，利用NCER指标能够直观地评价算法的性能。

在构建栅栏覆盖的过程中，需要考虑网络构建成本和生存时间这两个核心问题。对于前者主要考虑节点数和信息传输量，而对于后者则应避免网络因个别节点的死亡而陷入瘫痪。该文针对上述两个问题，提出一种基于1-栅栏覆盖的分布式栅栏覆盖算法(Distributed Barrier Coverage Algorithm, DBCA)，算法通过聚类分簇和簇内路径选择这两个过程来实现覆盖。理论分析和仿真结果表明，该文所提出的算法能够有效减少网络部署的节点数以及传输的信息量。在部署节点达到700时，该算法比最优节点选择算法(Optimal Node Selection Algorithm, ONSA)和本地栅栏覆盖协议(Localized Barrier Coverage Protocol, LBCP)算法传输的信息量分别减少25%和41.6%，生存时间分别多44%和30%。

该文研究网络虚拟化环境下的跨域虚拟网络映射问题，提出一种集中式管理、分布式控制的分层分域虚拟网络资源管理架构。在此基础上，构建了一种有效的虚拟网络跨域映射框架，在此框架下将涉及到跨域的虚拟网络请求进行划分，并以最小化虚拟网络映射开销为目标，基于优化的人工蜂群算法进行最优划分方案的求解。仿真结果表明该方法在平均划分时间、虚拟网络请求接受率和平均额外映射等方面相比传统方法具有更好的性能。

该文回顾了过去混沌密码理论与应用的现状及存在的问题，并对其进行了综合评述。重点报道了近年来高维混沌密码及其在多媒体保密通信中的应用与硬件实现技术的进展，其中包括基本理论、设计方法、典型应用以及解决这些问题的思路。在混沌密码设计与安全性能评估方面，报道了以下几个方面的进展：基于反控制方法设计无简并高维混沌密码增强数字混沌的抗退化能力；无退化数字域混沌系统的设计；具有闭环反馈的有限精度高维混沌长周期序列流密码的多轮加密设计方案；高维混沌密码的安全性能评估。在多媒体保密通信中的应用与硬件实现方面，报道了针对手机，计算机，ARM, FPGA, DSP等手持设备所需不同应用业务、广域网和WIFI无线通信网传输的实时远程混沌保密通信应用环境和多位一体的应用平台进行优化融合，创建示范验证系统等若干技术实现问题的进展。该文试图推进国内外未来混沌密码理论及其应用的研究。

外辐射源雷达网络的探测性能受网络几何架构、电波传播环境、硬件系统性能及信号和数据处理能力等诸多因素的影响，网络优化部署需综合考虑上述各个方面，网络性能评估为需要解决的首要问题。该文围绕外辐射源雷达网络定位性能展开，首先给出一种切实可行的外辐射源雷达网络优化系统定位性能评估方案，利用蒙特卡洛仿真分析了一定站位配置下定位精度分布图。接着重点介绍了外辐射源雷达组网探测实验开展情况，包括系统配置、空中目标探测典型结果及分析。最后统计评估了实测目标的定位精度，并与仿真结果进行对比，从实验角度验证了定位性能评估方案的有效性。

针对现有单源情况下近场目标定位的窄带克拉美-罗界(Cramér-Rao Bound, CRB)都是基于均匀直线阵模型，且没能全面分析其CRB的特性和具体的影响因素。该文首先推导了基于窄带模型的单源费雪信息矩阵，进而通过求舒尔补和雅克比变换，得到非均匀线阵条件下近场测距和测向的非矩阵形式的闭式CRB解析式。通过对该式从阵列相关因素(如阵列结构、阵列孔径等)和目标信号相关因素(如目标信号频率和信噪比等)两方面进行分析，揭示了影响目标角度和距离估计性能的物理因素，为后续阵列及信号的设计提供了理论指导。在最大孔径给定的情况下，可通过设计合理的阵元配置方式，实现最优的测距和测向效果。蒙特卡洛仿真结果验证了理论分析和上述结论的正确性。