基于低秩因子最优估计的特征级数据融合

为了提升信息融合系统对噪声的鲁棒性以及计算效率,并且考虑特征之间的关联性,提出一种基于低秩因子最优估计的特征级数据融合方法。通过优化潜在特征向量与从线性组合估计值中提取的余弦相似性度量,找到潜在信号特征空间的估计值。然后利用随机矩阵理论进行特征及数据融合,用于求解具有不同噪声水平的约束数据驱动优化问题。在两个数据集上的实验结果表明,该方法效果显著。

基于最优估计的数据融合理论

本文提出了一种最优加权的数据融合方法,分析了最优权值的分配原则;给出了多源信息统一的线性融合模型,使其表示不受数据类型和融合系统结构的限制,并指出在噪声协方差阵正定的前提下,线性最小方差估计融合和加权最小二乘估计融合是等价的;介绍了数据融合中的Bayes极大后验估计融合方法,给出了利用极大后验法进行传感器数据融合的一般表示公式;最后以两传感器数据融合为例,证明了利用Bayes极大后验估计进行两传感器数据融合所得到的融合状态的精度比相同条件下极大似然估计得到的精度要高,同时它们均优于任一单传感器局部估计精度.

岩溶含水介质渗透性参数空间最优估计的原理与方法

本文着重阐述区域化变量理论和克立格法在岩溶含水介质渗透性分析中的应用，并对岩溶含水分质渗透性参数空间最优估计的方法进行了探讨．

电控汽油机进气量的最优估计算法

通过发动机台架试验,针对发动机进气系统的非线性特性,基于发动机进气通路动态模型,给出了进气压力与系统参数之间的关系,根据卡尔曼滤波的应用特性,提出了基于扩展的卡尔曼滤波的发动机进气量估计算法,得到了进气量估计的实时递推方程,计算了发动机瞬态工况下的进气压力,并与实际测量值进行了比较。对于较小的负荷变化率,压力计算值与测量值偏差小于3%,而较大的负荷变化率时,偏差有增大趋势,但其误差小于5%。结果表明进气量估计算法可以较精确地计算出发动机瞬态工况的进气量。

基于最优估计神经网络的惯导系统初始对准研究

本文研究了一种基于卡尔曼滤波原理权值更新的多层神经网络学习算法 ,对此算法进行了详细的推证 ,并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性 ,既可获得与卡尔曼滤波器相同的对准精度 ,又提高了系统的实时性。

水气两相流系统K-S-P模型参数反演的最优估计

应用渗流力学和参数反演辨识最优化理论,建立了水气两相流控制方程,给出了控制两相流系统K-S-P模型参数之间的本构关系,并对其中的相关参数进行数值反演辨识,得出待求参数的最优估计值。对不同质地土壤的实验测试值进行对比分析,其结果吻合较好,验证了模型的适定性和可靠性,解决了实验数据处理以及结果对初值的敏感性问题,并且该数值方法可通过多组初值参数进行数值实验,结合实验结果来满足实际工程的需求。这不仅对非饱和带内污染物传输、气藏工程试井计算、填埋气体的释放以及挥发性有机污染物的去污分析中两相流数值计算提供基础,而且对K-S-P本构关系之间参数的确定提供了可靠的理论依据。

GPS/陀螺组合对小卫星姿态的最优估计

小型和微小型卫星可采用陀螺和GPS姿态敏感器组成最小定姿系统。分析了利用GPS姿态敏感器输出的姿态信息作为观测值的级联滤波结构，提出了一种以减少GPS姿态敏感器输出的姿态滤波值作为组合推广卡尔曼滤波器观测值的频率与在线识别噪声相结合的滤波算法，并通过仿真验证了该定姿算法的有效性。

有界随机测量时滞的网络控制系统的最优估计（英文）

在假设测量没有丢包的情况下,研究了带有随机测量时滞的网络控制系统的最优估计问题.利用已知的时滞分布概率,建立新的模型来描述随机时滞测量.进一步将带有时滞的测量等价成每个通道是单时滞的多通道测量,从而利用新息重组方法,通过求解黎卡提方程求解最优估计器.最后给出仿真实例验证了该算法的有效性.

小口径舰炮对空虚拟校射校正量的最优估计

首先建立了小口径舰炮对空虚拟校射脱靶量的观测方程,分析了脱靶量的统计性质,在此基础上推导出校正量的最优估计量,并用仿真结果验证了结论的正确性。

导航工程专业最优估计课程教学改革与思考

为满足武汉大学测绘学院导航工程专业后续课程和导航技术发展需要,最优估计课程实施了理论与实践融合的教学改革.本论文首先介绍导航工程专业对最优估计课程的要求,接着分析了本课程的教学理念,然后探讨了课程内容优化、教材改进、教学方法和手段改革等一系列举措,最后对存在的问题进行思考并提出了改进方案.

激光陀螺组合体自主测量船体角变形的最优估计法

根据激光陀螺组合体测量的角增量计算得到的惯性姿态匹配测量方程,结合动态变形模型和静态变形模型,构建了船体角变形测量的最优滤波器,实现了角变形的最优估计。该方法将角变形和激光陀螺的随机漂移误差近似为平稳随机过程并分别构建滤波器,静态变形建模为白噪声驱动的一阶随机游走过程,动态变形建模为二阶马尔可夫平稳随机过程。通过角速度匹配测量方程进行了角变形的观测性分析得知:动态变形的估计精度与激光陀螺的测量精度相当,静态变形的估计精度依赖于船体摇摆频率和幅度,因此最优估计法的误差主要为静态角变形模型的估计误差。仿真结果表明,通过设置合适的静态角变形模型参数,该最优估计法测量角变形的误差小于10"。

基于公共余数最优估计的多通道干涉SAR高程重建方法

针对多通道干涉SAR高程重建方法计算效率较低的问题,提出了一种基于公共余数最优估计的多通道干涉SAR快速高程重建方法。该算法首先对干涉相位去除平地效应后,得出每幅干涉图像任意一个像素对应的缠绕干涉相位,构造出关于干涉相位模糊数的同余方程组;然后利用最优估计法求解出带噪声余数的公共余数的最优估计值,求解出各目标的高程值;最后再利用改进措施得到更高精度的高程重建结果。试验数据处理结果表明,该方法使得多通道干涉SAR高程重建的计算效率有了显著提升。

基于信息融合最优估计的非线性离散系统预测控制

针对非线性离散系统的二次型最优预测控制问题,提出了一种基于信息融合最优估计的迭代预测控制算法.通过融合二次型性能指标函数中包含的未来参考轨迹和控制能量的软约束信息,以及系统状态方程和输出方程的硬约束信息,获得协状态序列和控制序列的最优估计.通过二自由度机器人操作手的转移控制仿真,表明了该控制算法具有良好的稳定性和鲁棒性.

基于罗德里格参数的线性最优估计自对准

针对车载捷联惯导系统怠速条件下的初始对准问题,提出了一种基于罗德里格参数的线性最优估计自对准算法。利用姿态阵分解和凯莱变换,将任意姿态下的无初值初始对准问题简化为罗德里格参数的无约束线性最优估计问题。讨论了算法的有效性,推导了算法的对准误差公式,并设计了一种简洁的工程实现方案。利用车载捷联惯导系统进行了四位置对准试验,每个位置对准六次,结果表明,在发动机振动及外界随机扰动下,新算法可以在5 min内完成对准,统计方位均方差(1σ)不超过3′。

杂波环境下机动输入序列和量测序列的联合最优估计

为了提高在杂波环境下跟踪强机动目标的精度,提出了一种新的基于期望极大化(EM)算法的机动目标状态估计方法.首先建立了基于EM算法的最大后验概率意义下的状态估计数学模型,然后采用离散优化技术解决EM算法中的极大化问题,最终确定出作用于系统的实际机动输入序列,同时分离出源于目标的量测序列,进而获得对目标状态更精确的估计.它有效地解决了最大后验概率状态估计中的不完全数据问题.Monte Carlo仿真结果表明,新算法比传统的交互式多模型概率数据关联算法具有更优越的跟踪性能.

平衡损失下回归系数的最优估计

主要研究一般Gauss-Markov模型中回归系数的最优估计问题.在平衡损失下,考虑回归系数的线性估计在线性无偏估计类中的最小风险性,得到回归系数的最优线性无偏估计,并证明最优线性无偏估计在几乎处处意义下的唯一性.特别地,考虑了一类特殊的估计:b-线性估计;获得了回归系数的最优b-线性无偏估计,结果表明最优线性无偏估计也是回归系数的最优b-线性无偏估计.

带乘性噪声广义系统状态最优估计算法

针对带乘性噪声广义系统,提出1种在线性最小方差意义下的状态最优估计算法。首先,采用标准分解将系统变换为2个子系统;其次,通过估计子系统的状态,获得原系统的状态最优滤波。同时,算法还给出了动态噪声与量测噪声的估计。仿真结果表明了该算法的有效性。

多通道带乘性噪声2-D广义系统状态最优估计算法

2-D系统及其广义系统在图像处理,电力网络等领域有着广泛的应用,本文基于多通道带乘性噪声的2-D广义Roesser模型提出一套状态最优估计算法。在以往基于2-D广义系统的研究中乘性噪声因子多假设是一维随机序列,本文的乘性噪声因子是对角矩阵,矩阵对角线上每个元素都是一维随机序列,这意味着系统不仅具有多个观测通道而且每个观测通道都受到不同乘性噪声的影响,更加符合实际情况,能够解决系统在更加复杂环境中的状态估计问题。仿真结果验证了该算法的有效性。

土壤水盐信息区域最优估计

本论文根据区域水环境预测中水盐监测与评价的要求,进行了水盐空间信息区域最优估计的研究。利用内蒙古河套灌区内两个试验区的春季水盐采样数据,使用稳健变异函数进行区域普通克立格估计,为水环境评价与预测提供了基础资料。

天文定位的最优估计方法及其应用

论述了天文定位的最优估计方法及其精度。六分仪观测值与依赖于ＧＭＴ和推算船位的该值的预测值之差，与来自卡尔曼滤波器增益阵的ＫΦ和Ｋλ相乘，可以得到推算船位与最优估计船位的差值ＤΦ和Ｄλ。它们与推算船位的线性组合可以实时地给出最佳船位，即使只有一次观测亦是这样。最优估计方法被应用于作者研制的ＨＸ－１１１３天文导航仪和ＧＰＥＳ１型电子六分仪，海上试用的结果表明，该方法不仅定位方便，而且精度高，中午附近定位误差可达１ｎｍｉｌｅ之内。