BTT导弹的抖动抑制多模型切换控制

基于线性系统特征结构配置和模型跟踪方法 ,以及优化工具 ,提出了可以有效抑制抖动的多模型切换控制策略 ,并用该策略设计了 BTT导弹俯仰 /偏航通道的自动驾驶仪。在导弹的整个飞行轨道上选取了若干点 ,分别建立起描述 BTT导弹俯仰 /偏航运动的线性时不变数学模型。对各个线性时不变模型 ,分别用特征结构配置方法设计反馈控制器对系统进行镇定。为了使导弹过载跟踪制导指令 ,又基于模型跟踪方法设计了前馈控制器。当导弹跨越不同特征点区域时 ,控制器要进行切换。为了减小切换时的抖动 ,针对切换后的特征结构配置反馈控制器 ,利用优化工具合理选取其自由度。仿真结果表明 ,所提出的方法令导弹的输出过载准确跟踪制导指令 。

多模型切换控制的抖动抑制

基于线性系统特征结构配置和模型跟踪方法以及优化工具,提出了可以有效抑制抖动的多模型切换控制策略,对两个线性时不变模型分别用特征结构配置方法设计反馈控制器对系统进行镇定。为了使导弹过载跟踪制导指令,又基于模型跟踪方法设计了前馈控制器。考虑到当控制器进行切换时,会产生抖动,为了减小切换时的抖动,针对切换后的特征结构配置反馈控制器,我们利用优化工具合理选取其自由度,使得切换前后两个系统在切换点上的输出差值最小。仿真结果表明,切换过程中的抖动可以得到有效抑制。

基于共享状态空间旋转变换的相关特征建模

提出了一种共享空间旋转变换的声学建模方法。该方法结合状态空间旋转变换和方差部分共享的优点,克服了空间旋转变换方法由于每个输出都有一个变换矩阵而带来的计算量和存储量增加的缺点。在空间旋转变换方法得到比较精确的初始模型的基础上,通过共享的方差变换方法实现了不同状态的空间旋转矩阵的共享,解决了状态空间旋转变换后参数过多的缺点并提高了系统的识别率。试验结果表明,在汉语大词汇量连续语音识别系统中,同传统的对角方差建模技术相比,这种方法在计算量增加很小的情况下,系统字的误识率降低了18.8％。

基于目标驱动的多层MLLR自适应算法

本文在对语音识别中基于自适应回归树的极大似然线性变换 (MLLR)模型自适应算法深刻分析的基础上 ,提出了一种基于目标驱动的多层MLLR自适应 (TMLLR)算法。这种算法基于目标驱动的原则 ,引入反馈机制 ,根据目标函数似然概率的增加来动态决定MLLR变换的变换类 ,大大提高了系统的识别率。并且由于这种算法的特殊多层结构 ,减少了许多中间的冗余计算 ,算法在具有较高的自适应精度的同时还具有较快的自适应速度。在有监督自适应实验中 ,经过此算法自适应后的系统识别率比基于自适应回归树的MLLR算法自适应后系统的误识率降低了 10 % ,自适应速度也比基于自适应回归树的MLLR算法快近一倍。