非线性多模型多伯努利滤波器的实现

针对杂波、漏检等环境下的多机动目标估计问题,提出了两种非线性系统模型下多模型多伯努利(MM-MB)滤波器的实现方法.首先,基于容积卡尔曼滤波算法给出了MM-MB滤波器的容积卡尔曼高斯混合(CK-GM)实现过程;然后,为了增加CK-GM-MM-MB滤波算法的数值稳定性,给出了MM-MB滤波器的平方根容积卡尔曼高斯混合实现过程;最后,通过仿真实验验证了所提方法的有效性.

带LC滤波器的永磁同步电机多步模型预测电流控制

【目的】为提升永磁同步电机(PMSM)模型预测电流控制(MPCC)的控制性能,在PMSM与逆变器之间增加LC滤波器。【方法】建立带LC滤波器的三阶多步MPCC系统,对逆变器电流、电容电压及电机电流进行预测控制,并与一阶多步MPCC和磁场定向控制(FOC)进行仿真对比。【结果】仿真结果表明:在相同开关频率和预测步数下,相较于一阶MPCC,三阶MPCC下PMSM的转矩脉动和电流脉动明显减小,电流总谐波失真(THD)更低;对于三阶MPCC,随着预测步数的增加,电流THD、电流脉动和转矩脉动逐步减小。【结论】随着预测步数的增加,三阶MPCC系统的控制性能逐步提升;三阶MPCC的控制性能优于一阶MPCC;在较高开关频率处,四步至五步的三阶MPCC的控制性能优于FOC。

基于星凸形随机超曲面模型多扩展目标多伯努利滤波器

针对复杂不确定性环境下具有不规则形状的多扩展目标跟踪问题,提出了一种基于星凸形随机超曲面模型(Starconvex RHM)的多扩展目标多伯努利滤波算法.首先,在有限集统计(Finite set statistics,FISST)理论框架下,采用多伯努利随机有限集(MBer-RFS)和泊松RFS(Possion-RFS)分别描述多扩展目标的状态和观测,并给出扩展目标势均衡多目标多伯努利(ET-CBMeMBer)滤波器.其次,利用RHM去描述任意星凸形扩展目标的量测源分布,提出了容积卡尔曼高斯混合星凸形多扩展目标多伯努利滤波器.此外,本文给出了一种多扩展目标不规则形状估计性能的评价指标.最后,通过多扩展目标和具有形状突变的多群目标的跟踪仿真实验验证了本文方法的有效性.

高斯过程回归模型多扩展目标多伯努利滤波器

针对复杂不确定性环境下不规则形状的多扩展目标跟踪问题,本文提出了一种基于高斯过程回归(GPR)模型的多扩展目标多伯努利(GPR–ETCBMeMBer)滤波算法.首先,在利用有限集统计理论(FISST)将多扩展目标的状态集与量测集分别建模为多伯努利随机有限集(MBer RFS)和泊松随机有限集(Poisson RFS)的基础上,通过GPR方法建立多扩展目标随机超曲面的跟踪滤波模型.然后,基于容积卡尔曼滤波器(CKF)详细推导并提出GPR多扩展目标多伯努利滤波算法的高斯混合(GM)实现.最后,通过构造对星凸形多扩展目标和多群目标跟踪的仿真实验验证了本文所提算法的有效性.

Pairwise马尔科夫模型下的势均衡多目标多伯努利滤波器

由于在实际应用中目标模型不一定满足隐马尔科夫模型(Hidden Markov model,HMM)隐含的马尔科夫假设和独立性假设条件,一种更为一般化的Pairwise马尔科夫模型(Pairwise Markov model,PMM)被提出.它放宽了HMM的结构性限制,可以有效地处理更为复杂的目标跟踪场景.本文针对杂波环境下的多目标跟踪问题,提出一种在PMM框架下的势均衡多目标多伯努利(Cardinality balanced multi-target multi-Bernoulli,CBMe MBer)滤波器,并给出它在线性高斯PMM条件下的高斯混合(Gaussian mixture,GM)实现.最后,采用一种满足HMM局部物理特性的线性高斯PMM,将本文所提算法与概率假设密度(Probability hypothesis density,PHD)滤波器进行比较.实验结果表明本文所提算法的跟踪性能优于PHD滤波器.

基于群结构集成势均衡多目标多伯努利滤波器的群目标跟踪算法

群目标跟踪已被广泛应用于作战对抗、自动驾驶、低空防御等各个军民领域。群目标是指由多个单目标组成,并以相同的速度或方向进行移动的一组或多组目标集群。鉴于随机有限集(Random Finite Set,RFS)滤波器在处理多目标数据关联方面的优势,现有的群目标跟踪算法大多基于RFS滤波器。然而,这些滤波器在对群目标进行跟踪时大多忽略了各目标之间的关联、依赖关系等问题,为此,提出了一种基于群结构集成的势均衡多目标多伯努利(Cardinality Balanced Multi-target Multi-Bernoulli,CBMeMBer)滤波器的群目标跟踪算法。具体而言,首先通过邻接矩阵对目标群结构进行估计,即将群目标看作无向图,利用各目标之间的距离来估计群目标的邻接矩阵,进而将群目标划分为多个子群。并根据各子群中目标的运动状态,将其划分为群中心和群成员两种类别,分别建立了运动方程。而后在预测步骤中,利用估计的群结构来对目标状态进行预测。特别地,在滤波器的高斯混合实现步骤中,多个高斯分量被用来拟合相对应的各伯努利分量,但过多高斯分量的存在会降低对群目标状态估计的准确性,从而降低群结构估计的准确性,因此,在状态提取阶段,本文所提算法对高斯分量进行修剪,即对更新步骤后的每个伯努利分量中所包含的高斯分量进行筛选,只保留一个权重最大的高斯分量。最后,仿真结果表明,本文所提算法实现了对群目标的稳定跟踪,且跟踪性能优于传统的CBMeMBer滤波器。

高功率腔体滤波器的电磁-热-力多物理场智能代理模型及快速预测

电磁多物理场计算在模拟高功率微波器件方面至关重要。为了快速且精确地获取高功率腔体滤波器中由电磁引发的多物理场响应,本文构建了一种基于数据驱动的电磁多物理场代理模型。首先利用有限元方法建立腔体滤波器的多物理场响应数据库,随后基于该数据库构建数据驱动的人工神经网络代理模型。结果对比表明:该代理模型能够精确且快速地预测高功率腔体滤波器在不同输入功率下的S参数曲线,预测精度超过98%,预测时间少于0.2 s;相较于传统的电磁多物理场数值计算方法,计算速度提升了3个数量级以上。因此,本文代理模型的快速精确预测能力对新型高功率微波器件的稳定性分析、可靠性评估和优化设计具有重要的理论指导意义和实际工程应用价值。

机动目标跟踪的交互多模型泊松多伯努利混合滤波

满足共轭先验性质的泊松多伯努利混合(Poisson multi-Bernoulli mixture,PMBM)滤波器将目标状态分为泊松和多伯努利混合两部分,分别对这两部分进行预测和更新,具有较高的跟踪精度和较快的运行速度。在多目标机动场景下,使用单一模型不足以描述目标的运动,将导致跟踪性能的下降。针对这一问题,提出了一种交互多模型(interacting multiple model,IMM)PMBM滤波器,充分利用模型之间的交互信息,可以有效实现多机动目标的跟踪。同时,该算法采用序贯蒙特卡罗(sequential Monte Carlo,SMC)方法实现PMBM滤波,可应用于非线性场景。仿真结果表明,所提的IMM-SMC-PMBM算法可以有效地在非线性环境下跟踪数目变化的多机动目标,与IMM-SMC概率假设密度(probability hypothesis density,PHD)滤波器相比具有更好的跟踪精度和稳定性。

基于一体化电磁骚扰传导模型的开关柜微机保护装置电磁干扰滤波器设计

为解决高压开关柜断路器在海上风电场等场景下频繁操作产生的电磁干扰问题,分析其电磁骚扰传导过程,并设计合理的抗干扰措施以提高微机保护装置的电磁兼容水平,该文提出一种高压开关柜一体化电磁骚扰传导仿真模型,针对断路器开断电磁骚扰设计了电磁干扰(EMI)滤波器并验证其性能。首先以KYN61—40.5型开关柜真空断路器为例,建立其电磁骚扰一体化仿真模型,通过试验与仿真获得断路器开断电磁骚扰的特征;然后根据该特征设计了基于定K型和m推演的EMI滤波器并验证其性能。研究结果表明,微机保护装置电流测量端口的骚扰电压主导频率约为312 kHz,一体化电磁骚扰传导仿真模型仿真结果与试验结果最大相对误差为9.8%,表明该模型可用于电磁骚扰传导过程的仿真;该文设计的EMI滤波器的陷波频率与理论设计值的最大相对误差为-8.8%,接入EMI滤波器后骚扰电压下降93.94%,持续时间下降71.42%。研究成果可为高压开关柜微机保护装置的电磁骚扰传导过程分析和电磁兼容水平提升提供参考。

生物滤波器的等效电路模型

本文通过研究鸟类羽毛的耦合结构,构建并推导出:鸟类活体羽毛的“n字型”微观耦合结构与电子电路之间的耦合电路的一种新型等效电路模型。该等效电路模型是由无数个相邻羽枝(等效电感L)与羽小枝(等效电容C)组成的“n”字型结构,等效为无数个LC并联回路,构建出了由羽枝与羽小枝组成滤波器的微基本单元,使其具有生物微型滤波器功能。这些研究成果为研发低频率生物滤波器(截止频率f = 1 Hz, 100 Hz, 1 kHz)提供了理论依据,弥补了低频生物滤波器的研究领域空白。

扩散模型与傅里叶滤波器结合的图像去雾方法

当前图像去雾算法研究主要聚焦于构建结构精巧的神经网络,利用扩散模型以生成式方法进行图像去雾的研究比较匮乏,且扩散模型与频域分析结合的研究也相对较少,这导致许多算法在面对真实有雾图像时去雾效果不佳。针对上述问题,本文基于分数匹配扩散模型IR-SDE提出了一种图像去雾方法Firs-Net。该方法利用扩散模型强大的图像生成能力,通过迭代式的方式从有雾图像逐渐恢复清晰无雾图像。Firs-Net中引入了傅里叶特征融合模块,该模块可在不增加参数量且无需微调神经网络的前提下,帮助扩散模型更好地从频域角度分析并融合特征。实验结果表明,Firs-Net在真实有雾数据集上的主观视觉和客观指标都表现优异,其中,在真实非均匀雾气数据集NH-HAZE中的PSNR达到21.91,在真实浓雾数据集Dense-HAZE中的PSNR达到17.40,分别比次优方法领先13.94%和5.52%。

基于递归小脑模型神经网络和卡尔曼滤波器的锂电池荷电状态预测

由于储能系统被广泛应用到新能源汽车、分布式发电等领域,其在运行过程中的可靠性是研究的重点之一。荷电状态(SOC)是反映电池续航能力的关键参数。为保证储能系统的正常运行,提出了一种锂电池SOC估计的方法,将递归小脑模型神经网络(RCMNN)和卡尔曼滤波器(KF)都用于荷电状态估计。为了强化RCMNN的捕获动态特征的能力,在联想记忆层和权值记忆层均加入了递归单元。将采集的电压、电流和温度作为模型的输入,用于模拟储能系统的不同充、放电情况。考虑到实际工况下电池放电的复杂性,在不同的放电条件和不同SOC初值的情况下将SOC的实际值与预测值进行对比。试验结果表明,该预测方法在不同条件下都具有较高的精度和鲁棒性。

多模型广义标签多伯努利滤波器

标准广义标签多伯努利算法没有对目标状态转移密度进行深入分析,在带入确定运动模型的情况下无法对机动目标进行跟踪。针对这个问题,参考基于马尔可夫跳变分支合并策略的多模型算法,提出了交互多模型广义标签多伯努利算法、一阶广义伪贝叶斯广义标签多伯努利算法,以及二阶广义伪贝叶斯广义标签多伯努利算法,并将这三种多模型算法与同样针对机动多目标的马尔可夫跳变系统广义标签多伯努利算法进行比较。仿真结果表明,与马尔可夫跳变系统广义标签多伯努利算法相比,所提三种算法具有更低的计算时间消耗和更高的跟踪精度。其中,一阶广义伪贝叶斯广义标签多伯努利算法计算时间消耗最低,二阶广义伪贝叶斯广义标签多伯努利算法跟踪精度最高,交互多模型广义标签多伯努利算法综合性能最好。

多模型GM-CBMeMBer滤波器及航迹形成

提出了一种可适用于杂波环境下对多个机动目标进行跟踪并能形成多目标航迹的多模型势平衡多目标多伯努利(Cardinality balanced multi-target multi-Bernoulli,CBMeMBer)滤波器.随后,在多机动目标时间演化模型和观测模型均为线性高斯的假设条件下利用高斯混合(Gaussian mixture,GM)技术获得了该滤波器解析的递推形式—多模型GMCBMeMBer滤波器,并简要给出了它在非线性条件下的扩展卡尔曼(Extended Kalman,EK)滤波近似.仿真实验结果表明所建议的多模型GM-CBMeMBer滤波器能有效地对多个机动目标进行跟踪而单模型GM-CBMeMBer滤波器则会产生明显的航迹丢失和虚假航迹,并且对于信噪比较低的仿真场景,它的性能优于多模型高斯混合概率假设密度(GM probability hypothesis density,GM-PHD)滤波器,接近于多模型高斯混合势概率假设密度(GM cardinalized PHD,GM-CPHD)滤波器.

基于标签多伯努利滤波器的机动小目标检测前跟踪

标签多伯努利(LMB)滤波器在传统多伯努利滤波器基础上引入标签空间,能够实现真正意义上的多目标轨迹级滤波.文章对红外小目标的运动和量测进行建模,将标签多伯努利应用到红外小目标检测前跟踪领域.在此基础上,为了实现对运动模型时变目标的检测前跟踪,将交互式多模型(IMM)与LMB检测前跟踪算法相结合,提出IMM-LMB检测前跟踪算法.此外,给出了该算法的序贯蒙特卡罗实现.仿真结果表明,所提算法能够从输入的原始图像中直接实现轨迹级多目标检测和跟踪,且能够在线更新多模型概率,更好的适应多机动目标场景.

采用多伯努利滤波器的过采样点目标检测前跟踪

为了提高过采样体制下点目标的探测能力,提出了基于多伯努利滤波器的过采样点目标检测前跟踪方法。分析了时空过采样体制的成像过程,给出了时空过采样体制下的点目标成像模型,并将过采样观测过程等效建模为多个单采样线阵同时观测的过程。利用提出的模型,将单采样条件下的图像处理方法自然地扩展到过采样条件下。然后,根据等效观测模型,给出了针对过采样点目标的多伯努利预测和更新过程,并用序贯蒙特卡罗的方式实现了该检测前跟踪方法。最后,通过仿真实验验证了本文算法的有效性。实验结果表明:本文提出的方法能够在图像信噪比≥3的条件下,有效检测和跟踪过采样体制下的多个点目标,目标估计误差≤0.25pixel;与单采样检测前跟踪相比,过采样检测前跟踪能够探测目标能量更弱的小目标。因此,本文方法能够满足高精度天基点目标检测跟踪的需求。

并联型电力有源滤波器的数学模型和稳定性分析

在介绍并联型电力有源滤波器及其控制方式的基础上，提出了并联型电力有源滤波器的数学模型，并对其稳定性进行了分析。其中主要提出了使用校正环节提高并联型电力有源滤波器稳定性的方法，并讨论了该校正环节的参数对电力有源滤波器稳定性及补偿性的影响，实验结果验证了上述理论分析的正确性。

基于模态滤波器改进的动载荷识别模型

基于模态滤波器概念提出了对载荷识别模态模型法的原理性校正方案 ,构造了动载荷识别的离散模态滤波器模型。以其他点激励代替常常不可达的实际工作输入点 ,通过建立系统的模态参数并相继在模态和物理坐标下的求解对动态载荷作出估算 ,可以避免经典模态模型法通常对结构或边界条件所作的修改和由于模态参数自身误差而导致的较大识别误差 ,实例分析表明该模型识别精度较高并具有普遍的工程适用性。

交互式多模型滤波器及其并行实现研究

本文研究交互式多模型滤波器（IMMF）．IMMF对于动态模式具有随机突变的一类混合系统的估值具有良好的性能．本文首先给出IMMF的数学描述，揭示IMMF的机理特征，针对IMMF的结构特点，以PD－100多机处理系统为基础，研究了IMMF并行实现的处理器拓朴结构、IMMF任务划分、分配和IMMF并行映射实现，给出了IMMF并行实现算法．在PD－100系统上的仿真表明，本文的并行算法具有加速比线性好，并行饱和度低和并行效率较高的特点，是IMMF实时实现的一种理想的并行处理方案．

滤波器湍流模型在超空化流动计算中的应用评价

对滤波器湍流模型(FBM)在超空化流动计算中的应用进行分析和评价.在CFX软件中,分别采用FBM模型和标准k-ε模型对Hydronautics翼形的超空化流动进行模拟,结合水洞实验结果从空泡形态和流场结构两方面对两种模型的计算结果作对比分析.结果表明,FBM模型对空泡形态和空泡尺度的模拟更符合实际.FBM模型可以捕捉超空化流动中较大尺度的涡团结构,并能更清晰地模拟出空化区尾部涡团交替脱落的非定常细节,同时,FBM模型对超空化流动中反向射流现象的模拟更敏感.