大型通用统计器的设计与实现

本文论述了通用统计器在现代管理信息系统中的作用和地位,介绍了通用统计器的设计原理和方法.对系统的组成、系统功能的实现方法、统计条件设置的处理特点作了详细的描述.该系统能自动生成适用于各种统计的统计程序.

单片机现场投票统计器的设计制作

介绍我们用单片机设计和制作的现场投票统计器电路 ,经济实惠、适用于小型的会议室和娱乐场所的现场投票。

用Visual Basic5.0开发具有3D用户界面的“考务统计器”

本文介绍了３Ｄ控件Ｔｈｒｅｅｄ．ｏｃｘ在ＶＢ中注册及应用方法。

现场投票统计器

本文介绍一款用单片机设计的现场投票统计器. 1.设计要求每个现场投票的人都有三个按键一个为同意,一个为不同意,一个为弃权,当每个人按下符合自己意愿的投票键后,单片机作键盘扫描,并分别统计三种投票的人数,然后用动态显示方式输出三种投票结果,每人仅能有一种投票选择,再选,则无效,也不被统计.

一种基于时变噪声统计的异步多速率传感器信息融合算法

以异步多速率传感器信息融合理论和同步单速率传感器时变噪声统计理论为基础,提出了一种适用于时变线性系统的异步多速率传感器时变噪声统计系统的信息融合算法。通过原理分析和数学推导,将异步多速率传感器动态系统建模为同步同速率系统,进而利用噪声统计估值器和相应的自适应Kalman滤波方法进行状态估计,利用联邦分布式数据融合方法进行信息融合,获得基于所有观测信息的最优估计。理论分析和仿真结果均表明,该算法的融合效果优于任一单传感器Kalman滤波的效果。

多传感器系统噪声统计辨识的一种相关方法

对于带未知噪声统计和相关噪声的多传感器线性离散定常随机系统,通过左素分解将观测过程表为两个滑动平均(MA)过程之和,利用解相关函数矩阵方程组方法得到系统的噪声方差、相关阵及互协方差的在线估计器。基于观测过程的采样相关函数的遍历性证明了噪声统计估值器是强一致的。一个两传感器带相关噪声系统的仿真例子说明了方法的有效性。

多传感器自适应容积卡尔曼滤波融合算法

当容积卡尔曼滤波的系统模型不准确或测量出现异常时容易出现滤波发散。为了解决这一问题,提出了一种自适应容积卡尔曼滤波算法,构造了一组噪声统计估计器对噪声的统计特征进行在线实时估计,并在测量异常时采用修正函数对滤波过程进行修正,有效提高了滤波估计的精度和对滤波发散的抑制能力;在集中式滤波结构和联邦式滤波结构的基础上,设计了一种基于自适应容积卡尔曼滤波算法的多传感器系统混合式组合滤波结构,并给出了融合各传感器的局部滤波信息以得到全局滤波估计的计算方法。以对车辆的定位导航为应用背景进行了仿真实验,仿真结果证明了所提方法的有效性。

基于机器学习的物联网反入侵检测方法研究

为降低非关联入侵信息对物联网应用安全性造成的影响,建立一种积极主动的动态网络防护技术,针对基于机器学习的物联网反入侵检测方法展开研究.遵照AMLF网络框架中的数据信息应用需求,连接用户访问接口与数据信息统计器,实现基于机器学习的物联网应用环境搭建.在此基础上,设置物联网IDS条码,通过分析数据信息反入侵关联规则,完善入侵检测的实际处理流程,实现基于机器学习的物联网反入侵检测.实验结果表明,与模糊C均值型反入侵检测方法相比,机器学习型检测方法可在保障物联网运行安全性的同时,降低入侵信息的攻击风险性等级,满足构建积极主动型动态网络防护技术的实际应用需求.

一类新型自校正滤波器及其应用

用系统辨识方法建立系统的CARMA模型并估计参数，依据导出的时间序列模型和状态空间模型的引理，给出了系统的状态空间模型。基此提出新型的自校正滤波器，它由递推增广的最小二乘估计器、Kalman滤波器和噪声统计估值器组成。本文方案在油田系统应用中得到很好的结果，这表明了它的有效性。

一种基于MAP噪声估计器的低成本SINS/GPS的快速UKF算法

为进一步提高平方根无迹卡尔曼滤波(SR-UKF)在低成本捷联惯导(SINS)/卫星导航(GPS)组合系统中的算法精度和实时性,针对系统随机模型的噪声统计特征不确定性和协方差平方根矩阵的复杂性,结合最大后验估计(MAP)和矩阵奇异值分解(SVD)理论建模,提出了一种基于MAP噪声估计模型的快速UKF算法.通过对SINS/GPS组合导航系统的仿真实验,研究表明:相比于传统UKF算法,新算法能够有效减小噪声统计模型不确定时对导航精度的制约,提高算法鲁棒性,同时降低传统UKF算法的时间复杂度,提高数据更新实时性.

统计时分复用原理及其设计

通过对统计时分复用技术及固定时分复用技术在有效带宽和平均等待时延等方面的分析对比，详细讨论了统计时分复用的性能，并介绍了统计时分复用器的设计研制。

自适应交通灯控制系统的设计与实现

针对现代城市交通灯控制与管理问题的现状,基于流量统计项目的科研成果应用到交通灯控制系统,提出一种经济实用的自适应交通灯控制系统;该系统能根据车流量的状况,自适应改变相应车辆通行时间,以提高交通道路利用率;经过现场测试,效果较好,并且在主控制器模块的设计中,采用FPGA或CPLD实现,使得硬件设计可以如同软件设计那样快捷方便,能较好地满足各种用户的需要。

基于极大后验估计和指数加权的自适应UKF滤波算法

针对传统Unscented卡尔曼滤波器(Unscented Kalman filter,UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题,设计了一种带噪声统计估计器的自适应UKF滤波算法.首先根据极大后验(Maximum a posterior,MAP)估计原理,推导出一种次优无偏MAP常值噪声统计估计器;接着在此基础之上,采用指数加权的方法,给出了时变噪声统计估计器的递推公式;最后对自适应UKF算法进行了性能分析.相比于传统UKF,该自适应UKF算法在噪声统计未知时变情况下不仅滤波依然收敛,滤波精度及稳定性显著提高,而且其具有应对噪声变化的自适应能力.仿真实例验证了其有效性.

自适应强跟踪容积卡尔曼滤波算法

提出了一种自适应强跟踪容积卡尔曼滤波算法(ASTSCKF),该算法在平方根容积卡尔曼滤波算法(SCKF)步骤中引入强跟踪滤波器(STF),通过渐消因子在线修正一步预测误差协方差矩阵,强迫输出残差序列正交,使得算法具有应对系统状态突变等不确定因素的能力,增强了算法的鲁棒性;结合改进渐消记忆时变噪声统计估计器,对噪声方差阵进行实时在线估计,有效解决了SCKF算法由于噪声统计不准确、未知或时变性带来的滤波发散问题,使其具有应对噪声变化的自适应能力。仿真实验结果表明:ASTSCKF算法在系统状态发生突变并且噪声变化的情况下,能够表现出良好的滤波性能,较SCKF算法有更强的鲁棒性以及噪声变化的自适应性。

带噪声统计估计器的Unscented卡尔曼滤波器设计

针对传统Unscented卡尔曼滤波器(UKF)在噪声先验统计未知或不准确时滤波精度下降甚至发散的问题,基于极大后验(MAP)估计原理,设计了一种带噪声统计估计器的UKF.该UKF滤波算法在进行状态估计的同时,能实时估计和修正噪声均值和协方差.相比于传统UKF,所提出的UKF具有应对噪声统计变化的自适应能力.仿真结果表明了该UKF滤波算法的有效性.

未知测量噪声方差的平方根高阶容积Kalman滤波

针对非线性系统中测量噪声统计特性未知导致滤波精度不高或发散的问题,提出了一种自适应平方根高阶容积卡尔曼滤波(high-degree cubature Kalman filter,HCKF)算法。采用QR分解、Cholesky因子更新和高效最小二乘法等矩阵分解技术设计了一种平方根HCKF算法(SHCKF),提高了滤波算法的数值稳定性,减小了状态估计误差。引入Sage-Husa估计器在线估计未知测量噪声的方差,进一步提高了SHCKF的估计精度,扩大了算法的应用范围。通过几个计算机仿真实验表明,与标准的HCKF算法相比,新算法具有更好的估计精度,尤其是在测量噪声统计特性不确定的场景下。

基于改进强跟踪无迹卡尔曼滤波的电力信号同步相量跟踪算法

配电网中各类噪声对相量测量产生较大影响,研究在高噪声环境下能够可靠检测并能快速跟踪电力信号突变的同步相量测量算法,对保证电网的稳定性与可靠性具有重要意义。提出基于量测量误差协方差次优估计的自适应强跟踪无迹卡尔曼滤波(SEMEC-ASTUKF)的同步相量测量算法。首先根据递归最小二乘法提出一种自适应常值噪声统计估计器提高量测噪声协方差估计精度;然后根据电力信号突变后特征,构建突变检测算法和渐消因子次优估计算法,改善强跟踪无迹卡尔曼滤波(STUKF)算法在高噪声环境下对突变检测能力弱和跟踪突变慢的缺陷。利用实测信号对算法性能进行验证,结果表明,SEMEC-ASTUKF算法具有更高的测量精度,对突变具有更好的检测灵敏度和更高的跟踪速度。