基于无先导卡尔曼滤波的卷积混沌信号的盲提取

从卷积混合的混沌信号中提取出所需的信号是一个挑战性课题.假设需要提取的混沌信号的映射已知,寻找提取向量的问题就可以转化为非线性系统的状态检测问题.为此,提出了一种基于无先导卡尔曼滤波的盲提取算法.仿真结果证明在无噪声或高信噪比情况下该算法的有效性.

一种基于无先导卡尔曼滤波的混沌相移键控通信系统的非相干检测方法

基于UKF算法,该文提出一种CSK通信系统的非相干检测方法。第一个发送符号作为训练符号,接收端根据第一个发送周期内的接收信号,应用UKF算法估计载波信号;然后将估计的载波信号和后续接收信号相乘,解调后续发送符号。与相干检测方法相比,这种方法不需要混沌同步。仿真结果表明,与已有的非相干检测方法相比,这种方法具有较好的误码性能,甚至比FM-DCSK通信系统的误码性能更好。

基于蚁群粒子群优化的卡尔曼滤波算法模型参数辨识

针对复杂的低压配电网通信环境,提出一种基于蚁群粒子群融合的无先导卡尔曼滤波(UKF)算法的模型参数辨识方法。对于电力线多径信道传输模型,采用具有最小均方误差估计效果的UKF辨识算法。针对UKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于蚁群粒子群算法优化UKF噪声矩阵的方法,同时引入蚁群算法将惯性权重离散化以提高粒子群算法的搜索效率,克服其容易发生早熟收敛的缺点。试验和仿真结果表明,采用该优化算法辨识电力线信道模型可克服参数的分散性,提高拟合精度并缩短辨识时间。

基于UKF的MEMS传感器姿态测量系统

针对工业和民用领域对姿态测量的需求,提出了基于MEMS加速度计、陀螺仪和磁强计的姿态测量系统,并采用无先导卡尔曼滤波(Unscented Kalm an F ilter,UKF)方法处理传感器数据。针对基于加速度计和磁强计的姿态测量方式在动态测量时不准确的问题和单独采用陀螺仪测量角度产生漂移的问题,设计了基于方向旋转矩阵的UKF滤波器:结合两种测量方式的优点,互相克服各自的不足。经过UKF处理后:在静态测试中,测量系统没有积累误差;在动态测试中,陀螺仪补偿了加速度计和磁强计测量方法的中产生的毛刺。实验结果表明,所设计的姿态系统可以达到很高的精度;通过嵌入式系统完成数据采集和滤波,姿态测量系统具有很好的实时性。

新型UKF在非线性系统执行器故障估计中的应用

针对扩展卡尔曼滤波(extended Kalman filter,EKF)算法使用受限,粒子滤波算法动态跟踪能力差、易产生退化,单一无先导扩展卡尔曼滤波(unscented Kalman filter,UKF)算法滤波精度低等缺陷,根据极大后验(maximum a posterior,MAP)估计原理,设计了一种带限定记忆法的无先导卡尔曼故障估计滤波器.首先根据极大后验估计原理,推导出一种最优MAP-UKF乘性故障估计器;在此基础之上,又推导出次优的执行器故障估计滤波器,并对常值故障估计滤波器进行了无偏性证明;接着,将限定记忆法应用于MAP-UKF故障估计滤波器中.最后,将新型的UKF算法应用于倒立摆仿真,相比于EKF和单一UKF算法,所提出的故障估计算法收敛速度较快,滤波精度显著提高.

基于极大后验原理的非线性系统传感器故障估计

针对扩展卡尔曼滤波算法(Extended Kalman filter,EKF)计算复杂,粒子滤波算法动态跟踪能力差,单一无先导扩展卡尔曼滤波算法(Unscented Kalman filter,UKF)滤波精度低等缺陷,本文根据极大后验原理(Max-imum posterior principle,MPP),针对一类非线性系统设计了一种改进型的无先导卡尔曼故障估计滤波器来估计被控系统所发生的加性传感器故障。首先根据极大后验估计原理,推导出一种最优常值故障估计器。在此基础之上,推导出次优的加性常值故障估计滤波器,并对故障估计滤波器进行了无偏性证明。最后,将得到的理论结果应用于非线性倒立摆系统,仿真验证了所提方法的有效性。

一种基于改进型Logistic映射的混沌信号估算跟踪方法

虽然无先导卡尔曼滤波(UKF)技术在性能上要优于一阶线性化的扩展卡尔曼滤波(EKF)技术,但是对于改进型Logistic混沌映射的扩频通信系统,UKF运算时间长,算法复杂。针对上述缺点以及改进型Logistic映射的泰勒展开式最高项为二阶的特点,提出将二阶EKF运用到接收系统中,该接收系统能精确到泰勒展开式的二阶,达到与UKF相同的性能。相比UKF的复杂算法更加简单,运算速度也更快。仿真实验表明,虽然二阶EKF与UKF的误码率相同,但在运算速度与复杂度方面均优于UKF。

基于自适应结构的径向基神经网络模式识别

为了提高神经网络模式识别的泛化能力,运用梯度下降、扩展卡尔曼滤波、无先导卡尔曼滤波和一种基于遗传算法与扩展卡尔曼滤波组合的新方法,对径向基神经网络的中心节点和权重进行了优化,建立了自适应结构的径向基神经网络模型,实现了对IRIS数据集的识别。通过仿真实验,对基于不同算法的径向基神经网络,从逼近能力、输出误差、学习效率与识别精确度等方面进行了分析比较。本文方法具有很强的非线性处理能力和自适应能力及较快的学习速度。

回声状态网络的递推训练算法

针对回声状态网络(ESN)传统的训练方法无法解决高维矩阵不可逆时的训练,以及无法应用于需要在线训练的建模当中等问题,提出了两种新的递推训练算法。分别将含遗忘因子递推最小二乘算法(FFRLS)和无先导卡尔曼滤波算法(UKF)应用到回声状态网络输出神经元为线性函数和非线性函数的权值训练中,进而直接对网络的输出权值进行递推更新。与传统的训练方法相比,所提新方法不仅具有在线更新、精度高的优点,而且还可以解决传统训练方法中批量数据构成的向量矩阵不可逆及输出神经元为非线性函数且其反函数不可求的问题。通过对连续搅拌釜式反应器(CSTR)浓度和温度的预测仿真,结果证明了所提新方法的有效性。

一种破译混沌直接序列扩频保密通信的方法

提出了一种新型的混沌保密通信破译方法,并破译了混沌直接序列扩频保密通信(简称混沌直扩).针对混沌直扩信号中只有一个混沌吸引子的特点,基于混沌系统广义同步的思想,提出了混沌拟合方法;针对混沌直扩中混沌实值序列和数字信号相乘的特点,充分利用混沌直扩的基本原理和信息码是慢变信号的特性,提出了用无先导卡尔曼滤波混沌拟合的方法估计信息码的破译方法;进一步针对无先导卡尔曼滤波的过程噪声和混沌拟合的拟合误差共同导致的跟踪误差,提出了跟踪误差控制因子的方法,从而将跟踪误差转变成有利因素并加以利用,根据跟踪误差的值域范围破译混沌直扩,得到改进的无先导卡尔曼滤波混沌拟合算法;所提算法无需知道混沌直扩发射机的结构、混沌映射的参数等,并具有一定的抗噪声能力,仿真结果证明了其有效性.

多径衰落信道下混沌直扩通信的可破解性

本文在文献[1]的基础上,研究多径衰落信道条件下采用无先导卡尔曼滤波混沌拟合对混沌直扩通信的可破解性.由针对混沌直扩信号的无先导卡尔曼滤波混沌拟合的状态空间方程出发,分析了多径衰落信道对于无先导卡尔曼滤波混沌拟合过程中的跟踪误差的影响,得到了信息码状态估计的值域范围,从而提出了多径衰落信道下混沌直扩信号可被破解的充分条件定理.仿真结果表明,在满足充分条件下,混沌直扩信号无论是通过时不变信道还是时变信道,都可以被成功破解,并且具有良好的误码率性能.