次优滤波器在航空火力控制中的应用

根据航空火力控制系统的特点,引入一种结合滤波与数据融合的滤波方法——次优滤波法;介绍了次优滤波器的原理和特点;阐述了次优滤波器在火力控制系统中的应用以及比较次优滤波器和其它滤波器的差异与优点。

基于H_∞次优滤波器的TCP窗口控制器

针对网络拥塞问题,给出了一种基于H∞次优滤波器的TCP窗口控制器(HIF TCP).证明了基于网络微积分学的F-model NC控制器的非因果性,并利用H∞次优滤波器理论对其进行逼近.设计了一个理想的TCP窗口模型,根据Internet网络的实际特性,通过对网络带宽、往返时间的测量以及不可测状态值的有效的近似,得到了基于H∞次优滤波器的TCP窗口模型.ns仿真表明,提出的HIF TCP窗口控制算法能够较好地预测TCP窗口值,并且在双向瓶颈链路下依然具有较高的链路吞吐量和较低的队列延时.

一种次优并行Sage自适应滤波器

提出了一种新的次优Sage自适应卡尔曼滤波算法 ,该算法针对经典次优Sage滤波器经常存在的结果偏移现象 ,设计了一种附加伴随滤波器的并行滤波结构 ,消除了结果偏移 ,提高了滤波精度。

次优Sage滤波器的改进措施

针对次优Sage自适应卡尔曼滤波器存在的不足,提出了两种改进措施:通过对滤波器发散的综合抑制,提高了滤波器的数值稳定性;设计了一种新颖的附加伴随滤波器的并行滤波结构,消除了针对结果偏移现象,提高了滤波精度。

基于SPRT检验的并行递推次优Sage滤波器

提出了一种新的并行递推次优Sage滤波算法。在新方法中 ,设计了一种附加伴随滤波器的并行滤波结构 ,消除了结果常值偏差 ;并引入SPRT检验方法 ,通过检验模型的噪声统计是否发生了扰动 ,达到对噪声统计调整进行控制的目的 ,使得滤波器可以有效跟踪时变噪声 ,并减少了计算量。

次优Sage滤波器发散的综合抑制

提出了一种新的次优Sage自适应卡尔曼滤波算法。该算法通过对滤波器发散的综合抑制 。

一种次优并行Sage自适应滤波器

提出了一种新的次优Sage自适应卡尔曼滤波算法。该算法针对经典次优Sage滤波器经常在结果偏移现象，创造性地设计了一种附加伴随滤波器的并行滤波结构，消除了结果偏移，提高了滤波精度。

一种H_∞次优滤波模糊跟踪器的设计与仿真

针对目标做高机动运动时跟踪误差增大的问题,提出了一种基于H∞次优滤波器的模糊鲁棒跟踪器。该跟踪器利用H∞次优滤波器的鲁棒性以快速减小由于目标机动产生的估计误差,实现对机动目标(尤其是高机动目标)的快速跟踪。同时,应用一系列的模糊规则在线自适应调整H∞次优滤波器的过程噪声协方差矩阵,使得该跟踪器可以精确跟踪非机动目标和机动目标。仿真结果表明,该跟踪器对机动目标和非机动目标的跟踪效果均很好,并且在目标从非机动到机动切换时,能够快速减小跟踪误差。

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。

基于扩展卡尔曼滤波器的RBF神经网络学习算法

径向基函数(RBF)神经网络可广泛应用于解决信号处理与模式识别问题,目前存在一些学习算法用来确定RBF中心节点和训练网络,对于确定RBF中心节点向量值和网络权重值可以看作同一系统问题,因此该文提出把扩展卡尔曼滤波器(EKF)用于多输入多输出的径向基函数(RBF)神经网络作为其学习算法,当确定神经网络中网络节点的个数后,EKF可以同时确定中心节点向量值和网络权重矩阵,为提高收敛速度提出带有次优渐消因子的扩展卡尔曼滤波器[1](SFEKF)用于RBF神经网络学习算法,仿真结果说明了在学习过程中应用EKF比常规RBF神经网络有更好的效果,学习速度比梯度下降法明显加快,减少了计算负担。

基于改进强跟踪滤波器的PMSM矢量控制

在传统扩展卡尔曼滤波算法的基础上,利用带多重次优渐消因子的扩展卡尔曼滤波(SMFEKF)算法对永磁同步电机矢量控制系统进行参数估计,实现无速度传感器矢量控制系统的设计。对两种算法分别进行建模和仿真,验证了SMFEKF算法的可行性及优越性。结果表明:基于SMFEKF的矢量控制方法相比较传统EKF算法,在一定程度上减小了系统的非线性、参数变化以及外界干扰带来的影响,消弱了抖振现象,降低了系统的稳态误差,提高了参数估计精度。

运动估计方法的地震断层曲面生成

在三维地震数据解释中,断层面的识别及建模是核心问题之一。传统的地质断层曲面的生成依靠地质研究人员根据地质剖面和相干切面的信息,用人工方法识别断层轮廓线,再推测断层面的三维形态。这种方法在三维数据解释中最费时,许多地质解释数据也会有人为的二义性。图像序列的帧间匹配及运动估计技术已经广泛运用于运动跟踪、运动补偿、多源图像融合、视频压缩、多帧图像超分辨等领域。提出了一种基于运动估计的断层面生成方法,跟踪地震图像中断层的特征点并生成断层曲面。这种方法完全符合人工解释理解模型,并充分考虑了图像序列的帧间关联。实验结果表明,该方法是有效的。

水下无人航行器结构环境SFEKF同步构图定位方法

针对传统同步构图定位(SLAM)传感器具有数据量大、处理速度慢、实时性差的不足和基于扩展卡尔曼滤波的同步构图定位(EKF-SLAM)具有对水下无人航行器(UUV)位置估计精度低、甚至发散的缺陷,把带次优渐消因子的扩展卡尔曼滤波器应用到了导航系统中,提出了基于多元测距声呐(MRS)的UUV结构环境SFEKF-SLAM(suboptimal fadingextended Kalman filter-SLAM)方法.首先建立基于霍夫变换的水下MRS特征提取模型,设计了基于SFEKF-SLAM的UUV导航系统,利用该系统可以对UUV的状态进行预测,结合MRS信息可以对UUV周围结构环境进行状态更新.海试结果验证了基于霍夫变换的水下MRS模型能够有效提取环境特征,基于SFEKF-SLAM的UUV导航系统相对于常用的基于EKF-SLAM的UUV导航系统具有更高的定位精度,能够构建更加精确的港口堤岸地图.