基于多次波和自适应预测误差滤波器的地震近炮检距数据重建方法

地震数据采集过程中,受野外施工条件的制约,往往很难获得完整的地震波场,尤其近炮检距数据的缺失尤为严重.当前,很多地震数据处理方法的应用都依赖于近炮检距数据,如何对近炮检距的缺失数据进行重建,是一个重要的研究课题.本文通过多次波和一次波的互相关构建虚拟一次波,利用数据本身的波场信息,对缺失的近炮检距数据进行插值重建.由于通过多次波构建的一次波与真实的一次波存在振幅和相位方面的差异,提出通过基于非平稳自回归过程的自适应预测误差滤波器来表征虚拟一次波的能量谱,利用最小二乘反演方法重建近炮检距缺失数据,自适应预测误差滤波器通过求解正则化约束下的数学欠定问题来实现局部自适应特征.通过对Sigsbee2B模型和实际数据的测试结果表明新方法可以合理地重建复杂的近炮检距缺失数据.

用自适应预测误差滤波器抑制雷达杂波

研究了ＦＴＦ算法和ＬＳＬ算法实现的预测误差滤波器对雷达地杂波和气象杂波的抑制性能，计算了杂波滤波器的改善因子。计算机仿真结果表明，ＬＳＬ和ＦＴＦ算法可以对杂波进行较大抑制，当用于目标检测时，ＦＴＦ算法具有较高的信杂比改善能力。

基于预测误差格型滤波器的航迹关联算法研究

在K近邻域(K-NN)航迹关联算法的基础上,提出一种基于预测误差格型滤波器的关联算法,当融合中心仅获得状态估计值,而没有状态估计协方差矩阵时,将状态估计值通过格型滤波器,利用得到的预测误差代替协方差,为判决门限的选择提供依据,仿真结果表明,这种算法是有效的。

并联有源电力滤波器电流预测控制及误差分析

通过分析有限控制集模型预测控制(FS-MPC)的基本原理,依据模型预测控制(MPC)寻优机理,分析了该控制方法应用于有源电力滤波器(APF)系统的电流跟踪误差。为解决传统方法电流误差大、采样频率高等问题,通过合成虚拟矢量,增加可选电压矢量个数,提高电流跟踪控制性能。对基于虚拟矢量的MPC稳态误差进行推导、分析,为APF主电路参数选择提供了理论依据。通过仿真和实验分析对比了基于基矢量及虚拟矢量MPC策略的稳态性能,表明仿真和实验的结果与误差分析结果一致,采用基于虚拟矢量的MPC的系统最大稳态误差减小一半,补偿性能更好。

一种电流跟踪误差补偿的三相有源电力滤波器的无差拍控制方法

首先介绍三相有源电力滤波器(active power filter,APF)在abc轴系下的连续时间数学模型,并采用后向差分的方法得到在??轴系下的离散化数学模型。对于电流内环,采用无差拍控制(deadbeat control,DBC)方法实现谐波电流的跟踪。为了解决DBC的延时补偿问题,采用"两步预测"的方法预测给定电流。特别地,针对待补偿电流变化显著的时间区域提出一种电流跟踪误差补偿的方法消除网侧电流的"上凸"和"下凹"的现象。同时,采用电流校正算法抑制采样误差对电流产生的影响。最后,搭建三相APF的实验平台,验证所提出控制方法的有效性。

预测滤波器理论在惯导非线性对准中的应用

讨论了预测滤波器的基本算法,并针对平台惯性导航系统在大方位失准角情况下的非线性对准中,用预测滤波器无法估计陀螺误差的问题,提出了将预测滤波和扩展卡尔曼滤波相结合的算法。通过对大失准角下的静基座和动基座对准的仿真,证明预测滤波和扩展卡尔曼滤波相结合的算法能够提高的平台姿态误差角特别是方位误差角的估计精度。比起扩展卡尔曼滤波算法,该算法还能降低系统的维数,减小计算量。

有源滤波器电流预测滞环控制

为改善有源滤波器(APF)因采样率较低导致的控制误差,提出一种基于电流预测的滞环控制方法。分析传统滞环控制产生误差的原因,基于APF的动力学方程构建输出电流预测模型,利用线性插值预测指令电流,分析电流预测滞环控制工作特性。基于NI公司的Compact RIO平台设计APF控制器,实验对比分析了该方法与传统滞环控制的效果,验证了该方法改善APF控制误差的有效性。

基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术

基于光纤陀螺的测角仪可以实现对各项角运动参数的一体化动态精密测量,但在实际应用中,光纤陀螺测角仪受到温度变化的影响,导致测量精度下降。针对这一问题,本文提出了一种基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度,提高传统神经网络的逼近能力,通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理,并采用自适应小波回声神经网络建立温度漂移模型,能够避免传统神经网络结构设计的盲目性和局部最优等问题,增强了网络学习能力和泛化能力,并利用自适应律代替神经网络梯度进行网络训练,提升神经网络的逼近精度和收敛速度。实验结果表明,该模型可以提高光纤陀螺测角仪的测量精度和环境适应性,为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。

改进模型预测功率控制的有源电力滤波器

针对有源电力滤波器对电网谐波和无功补偿的问题,提出了一种改进后的直接功率模型预测控制方法。通过无谐波检测方法,直接提取网侧功率作为补偿对象,然后以功率误差最小为前提构建目标函数,对目标函数采用求偏导的方法得出最优电压矢量,再引入一个PI控制的误差校正环节,以实现对功率预测值的修正,最后在MATLAB下对控制方法进行仿真验证。

关于线性预测滤波器阶数的分析研究

线性预测技术是现代语音信号处理中的核心技术之一。该文详细介绍了线性预测技术的原理,并以G.729标准中为例,着重研究了线性预测滤波器的阶数对编码系统的影响,通过对不同阶数下的归一化均方误差及语音估计谱两方面的实验结果的对比分析,总结了线性预测滤波器阶数的选择。

模块化多电平有源电力滤波器误差反馈模型预测控制策略

有源电力滤波器(active power filter, APF)应用在高电压大容量场合需要采用模块化多电平换流器(modular multilevel converter, MMC)结构,然而,由于系统阻抗等参数与实际参数存在偏差,导致传统模型预测控制(model predictive control, MPC)输出预测值失去最优性,最终影响MMC-APF补偿效果。为此,针对MMC-APF提出一种误差反馈模型预测控制策略,通过结合MPC与电压排序算法将每个控制周期开关状态计算量从C2NN次降低至N+1次,并分别设计输出补偿谐波控制、环流抑制以及子模块电容能量均衡控制的评价函数,同时引入误差反馈对预测值进行修正,降低了预测值与输出值之间的稳态跟踪误差,从而提高了网侧电流谐波补偿效果,并实现对环流的有效抑制以及子模块电容能量均衡。在Matlab/Simulink仿真平台进行了验证,仿真实验结果表明:采用所提控制策略,MMC-APF能够将网侧电流谐波含量由27.6%降至0.2%,证明了所提控制策略的正确性及有效性。

基于输出误差预测的模糊预测PID控制及应用

针对实际工业过程中普遍存在的非线性特性,采用T-S模糊模型来描述复杂的非线性系统.利用模糊聚类算法在线竞争学习模糊规则的输入区域中心,并按预先规定的规则之间的重叠度在线确定每条规则的输入区域半径,而模糊规则结论中的参数则由递推最小二乘(RLS)算法得到,得到的模糊局部线性化模型作为每个时刻的受控自回归积分滑动平均(CARIMA)模型.结合广义预测控制(GPC)的思想和有限脉冲响应滤波器,提出了一类新型的模糊预测PID控制器的实现方法,解决了一般预测PID控制器设计当中对系统模型阶次的限制问题.仿真算例说明了该方法的有效性和实用性.

虚拟参考反馈校正控制器参数的预测误差辨识

针对未知系统中双控制器的设计问题,采用虚拟参考反馈校正方法,通过最小化由一组观测数据组成的L2范数所构成的代价函数,达到直接设计控制器目的.联合前馈控制器分离出的固定部分和反馈控制器作为滤波器,对原输入/输出关系式进行重参数化,得到标准的预测误差辨识形式,在所得式中,对控制器未知参数矢量采用可分离迭代的非线性最小二乘法进行估算.文中还对算法的收敛性进行了理论分析,并通过仿真验证了所提方法的有效性.

自回归滤波器的研究

该文主要介绍了现代谱估计中常用到的自回归(AR)谱估计。利用Levinson-Durb in算法可以推导出在已知输出自相关序列的情况下确定预测误差滤波器系数,即AR模型的系数。AR模型的阶次选择是个关键问题,阶次太低会导致平滑的谱估计值,而阶次太高又会引起伪峰并且会产生一般的统计不稳定性。文章中采用了应用比较广泛的最终预测误差(FPE)准则和阿凯克信息论准则(A IC),最终确定AR模型的阶数。并通过激励高斯白噪声仿真得到海洋混响的输出波形图。

非高斯相关杂波下最佳、预测误差和平滑误差MTI的性能比较

根据白噪声检测理论，在白噪声中，检测信号通常先要进行“白化”处理。这里介绍了最佳（ＯＰＴ）、预测误差（ＰＥＦ）、平滑误差（ＳＥＦ）动目标显示器（ＭＴＩ）三种白化滤波器的基本关系，在非高斯相关杂波情况下，研究了它们在白化及检测方面的性能。通过计算机模拟表明，在实际雷达检测处理中，为了减少运算量及提高性能，建议选用ＳＥＦ或ＰＥＦＭＴＩ滤波器。

基于多向背景预测的红外弱小目标检测

杂波背景中的弱小目标检测是红外图像处理中的一个重要问题。普通的二维滤波背景预测方法可以用来检测图像中的小目标,但是也存在对复杂场景的适应性差,杂波边缘虚警高的问题。通过分析二维最小均方滤波背景预测算法的方向特性,在对图像四邻域滤波残差进行像素级加权融合后,得到了一种基于多方向融合自适应滤波背景预测的弱小目标检测方法。对构造图像和实际红外云杂波场景中的小目标检测仿真表明,该方法对不同背景适应性较强,在保持目标检测概率的同时显著抑制了杂波边缘虚警,有效提高了杂波背景中小目标的检测性能。

基于MME准则估计卫星姿态的非线性滤波算法

结合矢量观测的特点 ,基于最小模型误差准则给出了一种确定卫星姿态的实时估计算法 ,称为预测滤波算法 .该算法利用矢量观测信息 ,对动力学方程中的力矩模型误差进行预测 ,并利用预测值修正动力学模型 ,从而准确地估计卫星的三轴运动姿态 ,同时能获得角速度估计值 .通过误差观测矢量的建立 ,进一步提出了能够简化准则函数的修正预测滤波算法 .仿真结果证明 ,预测滤波算法及其修正算法克服了扩展卡尔曼滤波器的不足 。

大型聚乙烯工业装置质量指标的次优强跟踪滤波估计

针对大型聚乙烯工业装置质量指标实时估计的复杂性,基于乙烯聚合原理推导了大型聚乙烯工业装置质量指标实时预测模型,提出了一种次优强跟踪滤波器设计方法用于根据实验室分析数据反馈修正模型预测并实时估计质量指标。所提方法在大型聚乙烯工业装置上的应用结果证实了其有效性和可行性,为实现大型聚乙烯工业装置先进控制奠定了基础。

考虑测量噪声的传感器动态测量误差补偿

在传感器的输出端串接一个动态补偿环节,改善传感器的特性,补偿动态测量误差.其本质是一个带通或高通滤波器,在补偿测量误差的同时,会引入严重的高频噪声干扰,影响测量系统的精度.为了解决这个问题,研究了一个在噪声环境下,改善传感器动态特性的新方法.该方法采用试验数据,通过系统辨识的方法得到补偿环节系数,消除测量误差.同时,采用多项式预测滤波和中值滤波相结合的方法减小测量系统的噪声.最后,通过对热敏电阻动态测量误差的补偿,验证了该方法的有效性.