基于高斯处理的触觉显示机器人摩擦力矩的动力学建模方法

通过建立准确的动力学模型可以显著地改善触觉显示机器人的控制性能.但由于其关节处的非线性动态摩擦特性,传统建模方法精度较低.针对此问题,采用高斯处理算法,准确建立了高度非线性的触觉显示机器人摩擦力矩动力学模型.单自由度的触觉显示机器人实验结果表明,其精度得到显著提高.

基于SαS分布的高斯化处理研究

针对非高斯背景干扰下的弱信号检测需求,在综述高斯化处理与扩展匹配滤波概念及思路的基础上,该文提出了两种基于对称α稳定分布建模的高斯化处理方法,构建了相应的扩展匹配滤波检测器,并对比早先建立的混合高斯分布下的高斯化处理,对其高斯化效果、对应检测性能、运行速度等进行了仿真研究。研究表明,高斯化处理可以降低背景干扰的非高斯性,从而提高后续匹配滤波的检测性能;基于对称α稳定分布的高斯化处理,在保持性能的同时,具有更高的运行效率。

基于高斯化-广义匹配的脉冲型噪声处理方法研究

针对脉冲型噪声,该文提出一种新的非线性处理方法,即高斯化-广义匹配(GGM)处理。GGM方法基于高斯化处理与广义匹配滤波,可结合非参数的概率密度估计进行设计,解决噪声模型未知时的非线性处理问题。该文以脉冲型噪声分布模型为例,分析GGM方法的特点和性能;再结合Class A噪声模型,讨论GGM设计作为非参数方法相比模型假设失配的优势;引入效能函数,验证GGM方法在恒虚警技术中的运用。结果表明,在已知噪声分布情况下,GGM方法具有次优检测性能;当噪声模型未知时,非参数GGM设计能保持稳健性能,优于模型失配下的处理。并且,GGM设计对样本数目要求不高,为噪声特性不明或时变的场景提供了一种新的信号处理方法。

适用发动机性能预测的先进机器学习方法

为了提高六缸重型柴油-天然气双燃料发动机的性能、减少污染物排放,使用反馈神经网络、支持向量机和高斯处理3种先进的机器学习方法来建立以发动机的转速、扭矩、柴油预喷提前角、柴油预喷比例和天然气替代率作为输入,以NO_(x)、CO_(2)和比油耗作为输出的预测模型,对比3种机器学习模型的预测结果。结果表明:高斯处理(Gaussian processing, GP)模型的预测精度最高,其输出变量的总体决定系数分别为0.960 1、0.991 9和0.993 5,相比于反馈神经网络(feedback neural network, FNN)和支持向量机(support vector machine, SVM),NOx预测精度分别提高3.7%和2.6%,CO_(2)排放预测精度提高约3%,比油耗(brake specific fuel consumption, BSFC)预测精度分别约提高4%和8%;GP模型预测NO_(x)、CO_(2)和BSFC的总体均方相对误差均小于0.13,总体平均绝对百分比误差均小于0.1%。

基于RSSI测距的无线传感器网络定位算法

提出了一种采用最小二乘法对环境参数进行拟合的方法,获得损耗模型,同时对所测得的RSSI数据进行高斯处理并优选信标节点,最后对目标节点采用改进后的三边测量定位算法进行节点定位.实验结果表明,本算法定位受环境因素影响减小,比传统RSSI定位算法精度更高,可应用于无线传感器网络中.

对称α稳定分布噪声环境下短波衰落信号时延估计的新算法

脉冲噪声环境下信号时延估计是信号处理领域十分活跃的研究方向。在对称α稳定分布噪声环境下,文章提出了一种基于非线性压缩核函数(NCCF)的短波衰落信号的时延估计算法。该算法采用非线性压缩核函数抑制了对称α稳定分布噪声的脉冲拖尾,同时较好保持了目标信号之间的互相关特性,从而保证了信号时延估计的准确性。同以往算法相比,本算法不仅降低了计算复杂度,而且对于衰落信号的时延估计具有更强的稳定性。理论证明和仿真结果均表明,该算法比GCC、FLOC、GCF和非线性变换等算法具有更好的时延估计有效性和准确度。

最小p范数准则α谱估计及载波频率检测

针对共变系数矩阵和分数低阶协方差矩阵估计ARSαS信号α谱精度不高的情况,提出了一种最小p范数准则的α谱估计方法。该方法对传统的奇异值分解(SVD)方法估计ARSαS信号模型最小阶数进行改进,得到一种分数低阶的奇异值分解方法(FLO-SVD),然后利用最小p范数准则和IRLS算法求出信号模型参数,用于作α谱估计。应用于脉冲噪声环境下的QPSK信号的仿真表明,改进后的方法对α谱有更好的估计,对载波频率有更准确的检测性能。

双谱特征在地下输水管道泄漏检测中的应用

非高斯信号处理是信号处理的一个新领域。阐述了地下输水管道泄漏检测系统原理 ,并利用双谱时延估计法对地下输水管道漏点进行检测和定位 ,提高了准确性和精确性。实验结果表明 。

基于单通道比例差分的运动物体快速检测

本文提出了一种基于颜色单通道比例差分累加投影的运动物体快速检测算法,该方法利用分子分母同向变化时,比值差异小的原理,对颜色单通道和灰度值的比例差异进行累加投影,通过投影波形对运动物体进行检测定位。与传统方法相比,由于利用了色彩曲线的变化比例的差分思想,克服大部分光照缓慢变化引起的噪声问题,达到实时检测定位的目的。实验表明该方法的快速性和可行性。

脉冲噪声环境下基于循环频率截面累加量的码元速率估计

为了提高非高斯α稳定分布噪声环境下MPSK信号码元速率的估计准确率,提出了一种基于循环频率截面累加量的MPSK信号新的码元速率估计算法。算法采用一种新的归一化压缩函数,对含有α稳定分布噪声的MPSK信号进行非线性压缩,有效抑制了脉冲噪声对于循环谱密度的影响,并保留了码元变换时的跳变信息;通过在循环谱密度的f=0截面搜寻最大值,确定在循环频率截面的搜索范围,利用在该范围内进行循环谱密度的累加量,实现了MPSK信号的码元速率估计。仿真实验结果表明,该算法比现有的码元速率估计算法具有更好的稳定性和准确性。

一种对称α稳定分布噪声环境下DOA估计新算法

脉冲噪声环境下波达方向(DOA)估计是阵列信号处理领域一个新兴研究方向。针对α稳定分布噪声环境下经典MUSIC算法性能退化的问题,提出了一种新的基于非线性压缩核函数(NCCF)的DOA估计算法。该算法利用基于NCCF的有界矩阵代替了MUSIC的协方差矩阵,通过对有界矩阵进行特征分解确定信号子空间和噪声子空间,借用MUSIC谱估计公式进行谱峰搜索,得到DOA的估计值。仿真结果表明,NCCF-MUSIC算法运算复杂度较低,相比于基于分数低阶统计量(FLOS)的MUSIC方法和基于广义类相关熵(GCAS)的MUSIC算法,该方法具有更好的准确度和稳定性。

双谱特征在地下输水管道泄漏检测中的应用

时间延迟估计是国际信号处理领域的一个十分活跃的研究课题,具有重要的理论意义和应用价值.地下输水管道泄漏的定位采用广义双谱时延估计法,通过确定两个不同接收信号的时延大小估计目标的位置.实验结果表明,高阶谱地下输水管道泄漏检测具有很大的发展潜力.

一种冲击噪声中波达方向估计的有效算法

基于空间平滑技术和矩阵重构技术,提出了一种相干信源下波达方向估计的新算法。算法在非高斯冲击噪声下,能对波达方向进行有效地估计。与基于分数低阶矩算法以及基于分数低阶矩平滑算法相比较,新算法能在信噪比为-5dB时,提高40%的成功估计概率。信噪比为0dB-10dB时,成功概率大约提高20%,且均方根误差被降低近20%-50%。计算机仿真结果验证了算法的有效性。