GIS中道路曲线的整体误差模型与试验研究

以随机过程的均方微积分为工具描述了曲线要素的整体误差,用过程的数字特征定义了曲线整体误差的具体指标,分析了误差指标的几何意义.根据过程模型设计了曲线整体误差的扫描数字化试验,用三次参数样条高密度地插值出一条道路曲线,对道路中心线进行反复的采集,经转换获取了随机过程的100条样本曲线,在此基础上估计出了误差指标值,讨论了过程的平稳性,分析了扫描数字化中系统误差的成因以及相应的削减系统误差的方法.试验数据大体上代表了道路中心线扫描数字化的精度.

永磁同步电机新型有限集模型预测速度控制

为了保证传统有限集模型预测速度控制中速度采样频率和控制周期一致,使用预测-校正方法进行反馈速度的测量,并结合卡尔曼滤波器进行负载观测,根据控制周期合理安排速度和负载观测的时序。针对传统有限集模型预测速度控制的稳态误差和较大转矩脉动问题,提出一种比例-积分-微分型代价函数,其中积分项用于消除稳态误差,微分项用于抑制转矩脉动。仿真和实验结果表明,所提出的新型有限集模型预测速度控制方法和传统有限集模型预测速度控制方法相比,在稳态时具有更小的稳态误差和转矩脉动,相电流总谐波失真(THD)从65.35%减小到了21.54%;和传统有限集模型预测电流控制方法相比,在起动、加减速和负载突变时的响应速度均加快了0.2~0.5 s,具有更快的动态响应。

MIMO系统中基于代价函数和排序模式的MMSE SIC检测器

针对多输入多输出空间多路复用系统,提出了一种基于代价函数和排序模式的多个并行分支的最小均方误差连续干扰消除检测器;具体而言,设计了选择规则来选择代价函数性能最好的分支,并通过利用不同的检测排序模式使得每个分支中的SIC算法按照信号干扰噪声比由高到低来检测信号,从而实现完全检测分集;为了进一步降低算法的计算复杂度,还提出了一种采用递归最小二乘算法的有效自适应接收机来更新滤波器权值向量,从而获得基于递归最小二乘算法的MB-SIC接收机的自适应实现;此外,还对提出的检测器在比特差错概率性能方面进行了分析;仿真结果表明,相比于现有的检测算法,提出的算法不仅具有较低的计算复杂度,而且能获得更好的误码率性能。

基于改进图优化的惯性/卫星/视觉组合导航方法

惯性/卫星/视觉组合导航在城市复杂环境下可以获得较高精度的连续定位信息,因此应用越来越广泛。但外界环境变化引起的传感器误差会导致组合导航精度下降,甚至造成组合导航结果发散。针对低成本惯性/卫星/视觉组合导航过程中因环境因素产生的传感器误差问题,提出基于改进图优化算法的惯性/卫星/视觉组合导航算法。在传统图优化算法的基础上,在代价函数中引入鲁棒核函数对环境引起的传感器误差进行过滤,并且在惯性测量单元(inertial measurement unit,IMU)预积分中加入地球自转加速度补偿来提高预积分精度,进而提高组合导航精度。最后基于kaist城市行驶数据集设计了对比实验,验证结果表明,提出的改进图优化方法可以有效过滤因外界环境因素产生的传感器误差,相比于传统的图优化方法导航精度提升了7%。

交叉验证方法在电能质量信号白噪声抑制中的应用

电力系统中,电能质量信号往往含有大量噪声,这将在很大程度上影响检测的效果。基于交叉验证方法提出了电能质量信号白噪声抑制新方法,该方法无需事先估计信号中白噪声的任何参数,能根据所定义的积分均方误差(ISE)代价函数自适应地选择最佳消噪阈值,解决了小波去噪过程中小波基函数选择的固有难题,而且去噪效果优于传统方法。仿真结果表明,该方法能够准确提取出扰动信号的突变信息,提高电能质量信号的信噪比,且信号的均方误差较小。

基于交叉验证的局部放电白噪声抑制新方法

基于交叉验证理论,提出局部放电信号白噪声抑制的新方法。该法无须事先估计局部放电中白噪声的任何参数,能根据所定义的积分平方误差(ISE)代价函数确定最佳的阈值,同时选择最优的分解层数和小波基函数,通过阈值处理,实现了对局部放电白噪声的抑制。仿真算例和现场数据表明,本文所提方法能够很好地提高局部放电信号的信噪比,且信号的均方误差较小。

不稳定和积分时滞过程的Smith预估器设计

针对不稳定和积分时滞过程,提出了一种设计修正的Smith预估器的新方法．首先利用内环控制器镇定不稳定或积分时滞过程,然后通过等效变换将修正的Smith预估器结构简化为内模控制(IMC)结构,并利用内模控制原理和积分平方误差(ISE)指标设计给定点跟踪控制器．最后,根据负载扰动下保持闭环系统稳定的要求,利用最佳相位裕度标准或Nyquist稳定性判据设计负载扰动控制器．多个仿真示例验证了该设计方法比现有的方法具有更好的动态特性与鲁棒性．

基于花授粉算法的无刷直流电动机速度控制研究

无刷直流电动机速度控制系统离不开性能优良的PID控制器。针对PID参数的在线优化问题,引入花授粉算法,以积分平方误差作为目标函数,将优化的方法应用于PID调节,实现无刷直流电动机速度控制。仿真结果表明,与传统的PID调节系统相比,花授粉算法速度控制系统有更好的鲁棒性,响应时间更快,控制精度更高。

基于累积平方误差-总平方波动指标的模型预测控制器性能评价及自愈

本文针对模型预测控制器实际投运中遇到性能下降问题,提出了一种基于累积平方误差(ISE)–总平方波动(TSV)指标的模型预测控制器性能评价及自愈方法.先基于累积平方误差(ISE)和总平方波动(TSV)指标对模型预测控制器进行实时性能评价,再根据无限时域模型预测控制器(MPC)的逆特性,基于ISE–TSV指标的分析,提出了一种MPC控制器的鲁棒自愈方法.在二级倒立摆的模型预测控制仿真与实验结果证明了所提自愈方法的可行性及有效性.

我国货币供给函数的协整与误差校正模型

传统的线性回归建模常假定时间序列是平稳的,以保证普通最小二乘法得到的估计量一致.而多数经济时间序列却是非平稳的,对其做线性回归可能产生所谓的“伪回归”.在协整理论基础上,借助统计和整理的经济数据,运用计量经济学的Eviews统计软件对我国货币供给进行实证分析,建立了误差校正模型.对误差校正模型残差的自相关性、异方差性进行检验,结果表明该模型在我国货币供给中是有效的,克服了“伪回归”现象,且具有很好的经济解释意义.

基于核密度估计优核选择的研究

使用核方法估计密度时,窗宽{nh}和核函数K)(×的选择是必要的.这里提出在相对均方积分误差RMISE达到最小的意义下寻求获得最优核函数,并对不同核与优核的效率进行了讨论.

CDMA系统中基于代价函数的联合功率控制算法

在CDMA系统中,利用多用户检测中的干扰抑制效果可以降低对功率控制的要求。本文提出了一种新的基于代价函数的联合功率控制算法。在该算法中,除了需要对功率向量进行迭代更新以外,还要对接收机滤波器的抽头系数不断迭代更新。实验结果表明,采用本文提出的功率控制算法,在系统内用户发射总功率一定的条件下,可以使各用户获得更高的信干比服务质量,系统容量也具有进一步提高的潜力。

小尺度封闭空间无网格Galerkin声场数值计算方法

文章将无网格法引入小尺度封闭空间声场的计算。首先推导了适用于任意形状小尺度封闭空间的无网格Galerkin声场数值计算模型。在模型中,利用Galerkin型加权残量法推导了计算节点声压的系统方程,根据移动最小二乘近似法构造了无网格形函数,并给出了积分运算方案;然后对一个矩形封闭空间的声传递函数及混响时间进行了计算,通过与理论计算结果、SYSNOISE计算结果及其文献实验结果对比,证明了模型的正确性;最后对一个实际机舱进行了建模计算,并与测量结果进行了比较,证明了模型对较复杂结构的正确性及适用性。

传感器网络中的时变信号跟踪分布式估计器

针对传感器网络中时变信号的跟踪估计及其他估计器存在的不足,提出了新的分布式估计器。首先,该估计器的每个节点测量一个时变带噪信号,并计算出其局部估计值作为其自身和它的邻居的测量值和估计值的加权和;其次,通过一个合适的帕累托优化问题来估计和更新它的权值,以使估计误差的方差和均值最小化;还对分布式估计器在估计偏差和估计误差性能方面进行了研究,给出了偏差的上限;估计器不依赖于中心协调,且参数优化和估计都分布在节点上。仿真结果表明,提出的分布式估计器相比于现有的分布式跟踪估计器,能更好地跟踪传感器网络中由噪声所损坏的未知时变信号,并能得到更好的估值结果。

数字滤波器的近似等波纹设计法

本文证明了数字滤波器的自适应设计法等价于MMSE设计法，并提出用幅度误差函数对代价函数进行自适应迭代的算法达到近似等滤纹数字滤波器的自适应设计法．实验证明该设计方法简单有效，适合用于滤波器的工程设计。

基于大气散射模型的去雾算法

提出一种基于大气散射模型的去雾算法。基于大气散射模型,利用四细分法求取光度值;结合均方误差对比模型,构建像素信息丢失与对比度联合代价函数;优化代价函数获得最优透射估计,保留更多像素信息;增设约束条件恢复去雾图像。实验结果表明,所提算法能够保留更多像素信息,消除"黑影"现象,去雾效果良好。

一个算术函数的误差项估计

设Ψ(n)是Dedekind函数,∑n≤xnΨ(n)=αx+E(x),其中α是常数,E(x)是误差项.主要目的是利用经典的复积分理论及解析方法研究了E(x)的平方积分均值,得到了一个较为精确的估计式.

Kriging代理模型下基于垂距的多点取样算法

代理模型由于可以有效地缩减学科分析时间,被广泛应用于优化领域。而构建高精度代理模型则取决于样本点在设计空间中的分布。为了建立拟合效率高的近似模型,在已有Kriging代理模型基础上,提出一种基于垂距和最大化点均方差取样(Integrated mean square error,IMSE)的多点取样算法,以保证预测精度的同时减少样本数量。该方法将垂距作为判定设计变量取值的标准,进行数据点的初步筛选。选取高斯函数作为设计点之间的相关函数,并且在边缘附近进一步修正。针对实际算例,将该取样算法与多点加点准则比较,结果表明使用的方法在保证全局精度的基础上,采用较少的采样点构建代理模型,具有较高的局部近似精度。

相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题,提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性,基于扩展积分均方误差代价函数搜索最优置信范围,并对混合项进行高斯聚类,进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用,引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并,在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明,改进算法在保证跟踪精度的同时还可有效提高算法效率。

基于感知相关代价函数的深度学习语音增强

当前大多数基于深度神经网络(DNN)的语音增强算法使用的均方误差代价函数没有充分利用人耳听觉感知特性,且语音可懂度没有必要关联性,为此提出一种端到端的基于DNN的语音增强框架,并将基于频域加权分段信噪比的感知相关代价函数作为优化目标来训练DNN;在此基础上,将频域加权分段信噪比和感知加权均方误差相结合,提出一种联合优化代价函数用于训练DNN,改善人耳对含噪语音的听觉感知。实验结果表明,采用深度神经网络对含噪语音进行去噪时,通过将感知相关代价函数整合到数据驱动的模型学习中,语音质量和语音可懂度显著提高。