观测不确定情形下连续系统的采样估计

在机动目标跟踪等实际问题中 ,如果被跟踪的目标失踪 ,则用于状态估计的观测信号就具有不确定性 .在充分考虑系统内采样特性的基础上 ,讨论了观测不确定情形下连续系统的采样估计问题 ,旨在设计离散滤波器 ,使采样估计协方差配置至指定值 .文中利用一修正的离散 Lyapunov方程 ,给出了期望滤波增益的存在条件及解析表达式 。

基于协方差配置的采样估计

在工程应用中，状态估计的指标要求常常表现为误差协方差的形式．在充分考虑系统内采样特性的基础上，提出了采样估计协方差的定义和一种新的采样估计方法，目的在于设计离散估计器使采样估计协方差达到指定值，从而获得满意的稳定状态估计性能．将此采样估计问题等价地转化为一个虚拟离散系统的估计器设计问题，给出了期望估计器的存在条件及显式表示．数值例子说明了方法的有效性．

噪声强度不确定的连续系统的鲁棒采样估计

基于内采产特性讨论噪声强度不确定的连续系统的鲁棒采样估计问题，主要目的是为这类不确定系统设计离散滤波器，使每个状态的估计误差方差不大于预先指定值，从而获得满意的稳态滤波特性，文中首先研究了仅有模型噪声强度不确定时的情形，随后说明当测量噪声强度不确定时可用同样方法进行研究，最后用数值例子说明了本文设计方法的有用性和有效性。

具有指定协方差的连续系统采样估计

该文在充分考虑系统内采样特性的基础上提出了采样估计协方差的定义，以便精确地描述采样估计性能。在此基础上，文中研究了采样估计协方差的配置问题，即设计滤波增益，使采样估计协方差在稳态时达到指定值，还将设计问题等价地转化为相应的离散系统的情形，给出了期望滤波增益的存在条件及解析表达式。与传统的采样估计方法相比，该文的设计方法更加准确、简便。数值例子说明了设计方法的直接性和有效性。

噪声强度不确定的连续系统的鲁棒采样估计(英文)

基于内采样特性讨论噪声强度不确定的连续系统的鲁棒采样估计问题，主要目的是为这类不确定系统设计离散滤波器，使每个状态的估计误差方差不大于预先指定值，从而获得满意的稳态滤波特性．文中首先研究了仅有模型噪声强度不确定时的情形，随后说明当测量噪声强度不确定时可用同样方法进行研究．

基于随机一致性采样估计的目标跟踪算法

为了解决在实际监控中因为目标遮挡、外观变化和时间过长导致跟踪丢失的问题,提出一种基于随机一致性采样(RANSAC)估计的目标跟踪算法。算法首先在搜索区域提取局部不变特征集,然后利用特征匹配传递性和非参数学习算法从特征集中分离出目标特征,最后对目标特征进行RANSAC估计跟踪目标位置。将算法在不同场景的视频数据集上进行测试,分别从准确率、召回率和综合评价指标F1-Measure三个指标分析算法性能,实验结果表明所提出的算法提高了目标跟踪的准确性,克服了长时间目标跟踪产生的跟踪漂移。

低信噪比下无线声传感网络采样率偏移估计方法

现有的采样率偏移(Sampling Rate Offset,SRO)估计算法在低信噪比条件下性能严重下降.为了解决这个问题,本文提出一种基于子带二次互相关函数的频率滑动窗二次互相关(Frequency Sliding Double-Cross Correlation Processing,FS-DXCP)算法.该方法使用频域滑动窗口构建无线节点观测信号间的子带二次互相关函数矩阵,进而利用奇异值分解来自适应地消除低信噪比频段对二次互相关函数估计的影响,最后搜寻二次互相关函数的极大值点获得SRO的估计.计算机仿真实验表明:在信噪比为-5 dB时,所提方法的采样率频偏平均估计误差为4.21百万分率(part per million,ppm),这比现有的DXCP-PHAT算法的估计误差降低了约8.17 ppm.所提算法有效提升了低信噪比条件下采样率频偏的估计精度.

基于自适应丢包的采样值报文估计算法及其误差分析

为解决变电站采样值(SAV)报文容易发生延迟或丢失的问题,提出了一种基于自适应丢包的SAV报文估计算法。针对SAV报文的传输特点,应用拉格朗日插值算法,重点研究了二次SAV报文估计算法的实现流程与同步插值时刻选取方法。利用PSCAD中得到的单相接地故障仿真实验数据,通过MATLAB软件对SAV报文估计算法的估计准确度进行了验证,并对估计误差进行了详细分析。结果表明,应用该算法对多个SAV报文估计具有较高的准确度。因此,将该算法嵌入到常规继电保护算法中,可以有效解决SAV报文发生延迟或丢失带来的安全隐患,有利于维持变电站的稳定、可靠运行。

OFDM采样率偏移和载波偏移联合估计算法

为了克服单独估计中频偏同步和采样率同步二者的相互影响,提高估计精度,提出了一种基于训练序列的OFDM采样率偏移和频率偏移联合估计低复杂度算法。给出了基于该算法的纠偏方案,在不同的采样率偏移、频率偏移、训练符号数目条件下,对所提算法进行了仿真验证。理论分析和实验结果表明,在SUI-3信道环境中,该方法得到的估计结果是一种最佳线性无偏估计量,相比SFFME算法,该算法具有更好的估计性能。

基于IEEE 802.11n的采样钟偏移估计算法

为了消除采样钟偏移误差对多输入多输出正交频分复用(MIMO-OFDM)系统接收机性能的影响,针对IEEE 802.11n无线局域网系统,在分析MIMO-OFDM系统采样钟偏移信号模型基础上,提出一种基于数据辅助的采样钟偏移估计算法.该算法是利用IEEE 802.11n帧前导结构中的长训练序列完成的,对两个相邻的完全重复的长训练符号作相关运算,快速估算出采样钟偏移值,实现采样钟同步.仿真结果表明,在加性高斯白噪声(AWGN)信道和多径衰落信道下均得到良好的均方误差(MSE)性能;利用该算法得到的估计值校正采样钟偏移后能大幅度降低系统接收机误码率(BER).

基于OPNET的保护性能评估及采样值估计算法

近来智能变电站数字继电保护技术快速发展,构建信息交互通道可进一步提高保护性能。文中对IEC 61850过程总线在110 kV/35 kV变电站以太网交换环结构中的性能进行评价,并利用OPNET对过程总线上采样数据报文性能进行评估。为了减轻采样值丢失和延迟对数字中继算法的影响,提出了采样值估计的修正措施,并提出了一种采样值估计算法。最后利用PSCAD/EMTDC和MATLAB对该算法进行了仿真验证,结果表明提出的算法精度高、计算量少,可用于任何数字保护功能。

一种新的OFDM采样频偏盲估计算法

针对OFDM技术对系统的时钟同步要求非常高的问题,提出了一种新的采样频偏盲估计算法,该算法可较好地解决估计精度和估计复杂度的折中问题。通过仿真结果表明,在高斯白噪声信道下,与同类算法相比,该算法不仅估计精度高,而且估计复杂度低,符合实际工程应用。

基于多尺度前馈融合结构的重采样因子估计算法

【目的】重采样是掩盖图像篡改痕迹的重要手段,为了更加精确地实现对重采样缩放参数的检测,验证图像信息的真实性,本文提出一种基于多尺度前馈融合结构的重采样因子估计算法。【方法】在预处理层中,首先使用两个线性高通滤波器得到重采样图像的残差特征,抑制图像内容带来的影响,放大区域内像素之间的关联性,其次利用4个低阶高通滤波器在不同方向上强化像素的梯度特征,该算法的主体结构为卷积神经网络,在网络的不同层级处提取出多尺度重采样分类痕迹,结合注意力机制,形成多尺度残差融合模块(Multiscale Residual Fusion Module, MRFM),补偿卷积过程中重采样信息的丢失,标定特征信息传递过程中的有效性,同时去除信息冗余,加速网络收敛。【结果】实验表明,本文所提算法的网络增益由预处理层和多尺度残差融合模块共同决定,准确性明显高于对比的其他算法,尤其在强噪声的干扰下,本文所提算法具有明显的优势。

劣质数据库上阈值相似连接结果大小估计

劣质数据普遍存在于现代数据管理系统中,严重影响了数据的质量,从而降低了数据的实用性以及数据的价值,这为数据管理带来了新的挑战.当前,已经有不少管理劣质数据的数据模型被提出,实体关系数据模型是其中一种,其中每条元组表示一个现实世界中的实体.该模型允许劣质数据的存在,给出了衡量数据质量的方法,并且可根据用户对结果质量的需求给出达到一定质量的查询结果.鉴于该模型的特点,传统的查询代价估计方法不再适用,需要新的代价估计技术.文中研究如何估计连接操作结果的大小,提出了在应用局部敏感Hash算法对属性值聚类的基础上,再进行采样估计的方法,并且在聚类过程中考虑数据质量对查询结果的影响.与传统随机采样方法对比,实验结果表明文中估计方法有更好的准确性.

GPU加速的高精度位移估计方法及超声弹性成像应用

高精度的位移估计方法对提高超声弹性成像的质量非常重要。在本研究中,通过英伟达公司的CUDA架构实现了一种新颖的可以同时提高轴向和横向运动估计精确度的位移估计方法在GPU上的高效并行计算。对比于原始方法在C Mex编译条件下的实现,GPU实现的方法显示最多可实现76X的加速,同时保持了较高的位移估计精度。

基于SGF-IABC的JPEG图像下采样因子检测算法

对图像进行重采样操作是图像篡改的重要手段,JPEG图像作为最广泛的应用载体,对其进行重采样检测研究具有重要意义。JPEG图像由于重采样引起的块效应移位,差分其相邻极值间隔分布直方图呈周期性,且周期性受到图像纹理和边缘的干扰较大,为削弱下采样因子估计时易受到此类干扰,本文提出一种可抵抗图像纹理边缘的JPEG图像下采样因子估计模型。首先,将JPEG图像经过二次引导滤波(Secondary Guidance Filtering,SGF)的预处理去除图像的纹理噪声;其次,使用改进人工蜂群算法(Improved Artificial Bee Colony algorithm,IABC)对其进行边缘检测、提取和移除,弱化图像边缘周期性特征,以此减少图像极值区间直方图的统计误差,提升下采样因子估计值的准确性;最后,计算图像差分极值直方图,得到最终估计。实验结果表明,本文方法比现有算法具有更小的平均误差,对图像纹理和边缘在像素域的周期性干扰具有更好的鲁棒性,能有效抵抗纹理和边缘的双重干扰。

基于广义极值的混沌电场峰值分布研究

通过分析峰值分布及广义极值分布理论关于混沌电场峰值分布的特点,获得一种混沌电场峰值分布的计算方法,结合Bootstrap重采样技术,提出了混沌电场峰值分布参数估计方法,该方法吸取了重采样技术估计的优点,对分布参数置信区间的估计更为准确、实用。以蒙特卡罗仿真和某机械搅拌混响室内电场数据为实例,结果表明,与传统的正态近似法、百分位法、BC-t等方法相比,其计算结果与实际结果更为吻合,证明了该方法具有更高的准确度。

基于匹配测度加权求解基础矩阵的三维重建算法

双视图三维重建中引入了同名特征点的匹配测度,为提高基础矩阵F的精度提供了数据处理指导,将特征点匹配和F解算及三维重建环节连接成一个整体。在分析特征点提取、匹配方法的基础上定义了同名点匹配测度函数。用测度函数作为匹配点的权值对归一化8点求解F的算法进行加权,并使用随机采样一致性(RANSAC)鲁棒算法解决匹配野值问题。根据已知的像机内参数,从基础矩阵中分解相对运动,并用模型的内点进行运动优化,最后三角交会得到三维重建结果。实验结果表明,此算法达到了线性求解F矩阵和三维重建的鲁棒性高精度实现。

Analyzing Undersampled Signals Using High Order Ambiguity Function Algorithm

Aim To find an effective and fast algorithm to analyze undersampled signals. Methods\ The advantage of high order ambiguity function(HAF) algorithm is that it can analyze polynomial phase signals by phase rank reduction. In this paper, it was first used to analyze the parameters of undersampled signals. When some conditions are satisfied, the problem of frequency confusion can be solved. Results and Conclusion\ As an example, we analyze undersampled linear frequency modulated signal. The simulation results verify the effectiveness of HAF algorithm. Compared with time frequency distribution, HAF algorithm reduces computation burden to a great extent, needs weak boundary conditions and doesn't have boundary effect.

基于极大似然估计采样一致性准则的遥感影像配准参数解算方法研究

本文提出运用最大似然采样一致性准则解算遥感影像配准系数的方法。该方法基于极大似然估计理论,首先对初始匹配点的坐标残差进行概率建模,计算概率模型成立时的似然函数值并选择似然函数值最大时的参数为正确结果,最终剔除错误点保留正确匹配点。该方法较之传统的最小二乘方法更为准确地计算配准系数,并可以解决随机采样一致性准则解算配准参数时,对阈值的依赖问题。试验证明,该方法可提高配准参数解算的稳健性和精度。