基于SG-Alpha稳定分布模型的雷达目标Rao检测方法

非高斯相关杂波背景下的目标检测具有重要的实际意义,但在该背景下建立似然比检测模型非常困难。以SG-Alpha(subGaussian-Alpha)稳定分布作为非高斯相关杂波分布模型,导出了雷达目标的Rao检测模型。该模型适应于一般非高斯相关杂波下的目标检测,且易于实现。仿真及实测数据验证表明,在非高斯相关杂波条件下本文提出的方法明显优于传统的检测方法。

基于模型预测控制的分布式驱动底盘转向稳定性控制研究

针对分布式驱动移动底盘转向时稳定性较差与响应速度慢的问题,提出一种基于模型预测控制(MPC)方法的移动机器人底盘转向控制策略.上层控制器基于7自由度动力学模型,以最优横摆角速度、质心侧偏角和侧向车速为目标,考虑多种约束,采用二次规划算法求解移动机器人底盘输出的合力矩,并转化为车轮转角进行控制输入.下层控制器将根据最佳滑移率求解驱动力及制动力.最后,采用CarSim与Simulink开展联合仿真,搭建实车验证平台,选取正弦线和双移线工况展开实车实验,结果表明基于MPC的分布式驱动移动底盘转向稳定性控制策略是有效性的.

Alpha稳定分布噪声下基于轻量级网络的自动调制识别技术

自动调制识别在无线通信领域发挥了巨大作用。多数研究中假设的加性高斯白噪声信道已不再满足实际信道环境的准确描述。实际中,由于闪电、雷暴、多用户干扰、设备故障等原因,信道环境中广泛存在Alpha稳定分布噪声。因此对其开展研究更符合实际且具有挑战性。该文针对Alpha稳定分布噪声提出了一种预处理联合轻量级网络的调制识别方法。首先,通过对数域映射及阈值限制对接收信号进行预处理,抑制由Alpha稳定分布噪声带来的尖锐脉冲将信号幅度控制到合理范围;然后,提出一种基于Ghost模块的轻量级网络来完成信号的调制识别分类任务。实验结果表明,与现有的CLDNN(Convolutional Long Short-term Deep Neural Network)、CNN(Convolutional Neural Network)、ResNe(t Residual Network)相比,本文所提方法具有较高的识别准确率及较低的计算复杂度。

基于Alpha稳定分布的二元响应变量回归模型

Logit模型是常用的针对二元响应变量的回归模型,当0-1响应变量不平衡时,Logit模型将会带来连接函数设定错误。为了更灵活地捕捉带偏和厚尾特征,提出了以Alpha稳定分布作为连接函数的二元响应变量回归模型,称之为稳定分布模型。借助期望传播-近似贝叶斯计算(EPABC)方法,克服了Alpha稳定分布由于没有概率密度函数解析表达式所带来的困难,同时也解决了高维运算所导致的低接收率的问题。结果表明该模型对平衡或不平衡二元响应变量数据拟合和预测的效果均明显优于Logit、Probit、Cloglog和GEV模型。

一种基于Alpha稳定分布的短波宽带信道改进模型

短波信道仿真是评价短波通信系统性能的一种重要手段。针对ITS宽带短波信道模型复杂度较高的问题,提出了基于对称α稳定分布(SαS)的ITS宽带短波信道模型,不仅简化了随机调制函数的生成方法,改善了信道多普勒扩展的灵活性;而且在保持良好的脉冲尖峰特性情况下,降低了噪声与干扰计算复杂度。仿真结果表明,该模型与短波宽带信道的实测数据保持了较好的一致性,可更加灵活高效地应用于实际宽带短波信道模拟系统。

基于Alpha稳定分布杂波模型的雷达目标检测方法

针对非高斯相关杂波背景下,移动目标检测(MTD)技术的检测性能严重下降的问题,该文基于Alpha稳定分布杂波模型和本征滤波理论,提出一种非高斯相关杂波背景下的雷达目标检测方法。该方法基于Alpha稳定分布杂波模型,通过幂变换抑制杂波的非高斯特性,以及通过分数低阶相关矩阵白化杂波,在此基础上应用本征滤波实现对目标信号的有效积累,可提高信杂比。仿真实验和实测数据验证表明,该方法在非高斯相关杂波背景下的检测性能明显优于MTD方法的性能。

Alpha稳定分布随机变量仿真及模型参数估计

在现实的通信系统中,许多自然的以及人为的噪声是非高斯脉冲的。针对噪声的非高斯性引起的高斯假设下设计的最优接收机性能的显著退化。设计了对称α稳定分布(SαS)模型,该模型能够比较准确地描述许多类型的脉冲噪声。并进行了模型仿真和模型参数估计。结果表明。

基于Alpha稳定分布噪声模型的Rao统计检测

Alpha稳定分布是一种具有广泛应用范围的噪声分布模型。为此,本文提出了一种基于Alpha稳定分布噪声模型的Rao统计检测方法,导出了Alpha稳定分布噪声条件下正弦信号的Rao检测统计量。通过仿真给出了不同特征指数α时Rao检测的检测性能,并与基于高斯假设的Rao检测进行了比较。仿真结果表明,这种Rao检测器在Alpha稳定分布噪声条件下对微弱信号具有较好的检测性能,明显优于基于高斯假设下的Rao检测。

分布式发电微电网簇的同步稳定性

对分布式发电多小区微电网组成的簇网络的同步稳定性进行了研究。基于电力网络常用三种模型星型、树型以及环型网络以及改造后的新型蛛网结构,对网络的拓扑结构和网络特性间的内在联系进行了深入研究,对影响系统同步稳定性的因素进行了分析。以复杂网络图论和Kuramoto振子模型为基础,构建簇网络模型,通过观察该集群网络相关参数的变化,分析子网互联程度对整个网络同步性能的影响。结果表明:分散式连接方式比较集中式连接方式构成的簇网络同步性能更好;簇网络的各子网间联系越密切,所形成的簇网络拥有越好的同步性能;分析子网间连接边的连接强度,结果显示连接强度的增加有利于整个网络的稳定,而对子网络同步稳定性有更加复杂的影响。

Alpha稳定分布噪声下基于特征值之差频谱感知算法

针对基于特征值的谱感知算法在脉冲噪声的环境下感知性能不佳的问题,分析矩阵全部的特征值,引入矩阵特征值的几何均值,提出了基于分数低阶协方差矩阵的最大特征值与特征值几何均值之差(difference between maximum eigenvalue and geometric mean of eigenvalue,DMGM)的频谱感知算法。选择了Alpha稳定分布噪声模拟脉冲噪声环境,理论分析与仿真实验结果表明,在不增加算法复杂度的前提下,DMGM算法与其他算法相比,更适用于脉冲噪声环境,在低信噪比条件下具有更好的感知性能。

大规模分布式新能源接入对省级电网稳定性影响

基于不同种类分布式新能源的暂态特性,建立各种新能源的典型模型,聚合为考虑分布式新能源的有源综合负荷模型,用于对工程实际省级电网的安全稳定分析。所提方法能有效反映新能源的低电压穿越、切机等特性对省级电网稳定性的复杂影响,其中火电机组直接退出分布式新能源消纳运行会导致大电网稳定性下降,当火电机组处于调峰状态时,对大电网暂态稳定性影响较小。

基于Alpha稳定分布模型的彩色图像边缘检测新算法

在彩色图像的边缘检测中,如何去掉噪声的干扰及怎样更精确的检测出边缘是图像处理中一个非常重要的问题。本文提出了一种去除脉冲噪声干扰的彩色图像的边缘检测算法。首先,提出一种基于Alpha稳定分布模型的图像去噪算法。其次,利用改进的各向同性边缘检测器和快速熵阈值技术自动确定图像边界,并考虑了像素与其邻域像素的颜色距离进一步精确定位图像的边缘。实验证明,该算法能够克服脉冲噪声的影响,较精确的检测出彩色图像的边缘。

分布式电驱动汽车“人-车-路”闭环横向稳定性控制

为了提高分布式电驱动汽车的横向稳定性,基于滑模变结构控制理论提出一种四轮转向和直接横摆力矩结合的横向稳定双层控制策略,并基于“人-车-路”闭环系统,对控制系统的有效性进行了仿真分析。首先,基于预瞄偏差理论和恒定横摆角速度假设,设计了一种三点预瞄滑膜驾驶员模型;其次,以质心侧偏角和横摆角速度偏差为控制目标,基于滑模变结构控制理论提出了一种四轮转向和直接横摆力矩结合的横向稳定双层控制策略,上层控制器对车辆进行后轮转角和直接横摆力矩控制,下层控制器对四个车轮的驱动转矩或制动力矩进行分配。最后,选取低速低附着路面和高速高附着路面两种工况,基于“人-车-路”闭环动力学系统对设计的横向稳定性控制策略进行了仿真验证。结果表明,设计的横向稳定双层控制策略能够有效改善车辆的横向稳定性,提高了车辆的轨迹跟踪能力和行驶安全性。

基于多参数控制的分布式驱动电动汽车操纵稳定性控制策略研究

为改善高速低附着路面上的车辆动力学性能,本文针对分布式驱动电动汽车提出一种基于多参数控制的操纵稳定性控制策略,包括上层轨迹跟踪控制和下层转矩分配控制。上层控制器设计基于2自由度车辆模型和驾驶员预瞄偏差模型,提出了MPC轨迹跟踪控制策略,实现对侧向偏差、横摆角偏差、质心侧偏角、横摆角速度的多参数控制。下层控制器以轮胎负荷率最小为优化目标,获得4个车轮电机转矩的最优分配量,借助于7自由度动力学模型,在双移线、蛇行工况下完成了CarSim-Simulink联合仿真。结果表明:提出的控制策略改善了高速、低附着工况下的操纵稳定性和轨迹跟踪精度。

Alpha稳定分布的参数表征及仿真

仿真服从标准参数系下任意参数的Alpha稳定分布(αS)随机变量是开展相关信号处理研究的基础。服从对称Alpha稳定分布(SαS)的随机变量较易生成,而产生服从αS分布随机变量较为困难,一个重要的因素是存在易于混淆的不同参数表征。本文在讨论Alpha稳定分布概念、性质的基础上,讨论了三种主要参数系,提出并证明了正确的产生服从αS分布随机变量的变换公式及仿真方法,并通过Monte-carlo仿真比较了三种参数系表征的αS分布的概率密度函数的差异。对Pearson海杂波的仿真表明了该方法的有效性,而Chambers方法存在分布位置的偏差。

Alpha稳定分布噪声下时频重叠信号的载波频率估计方法

针对Alpha稳定噪声下时频重叠信号载波频率估计困难的问题,该文提出一种Alpha稳定噪声下时频重叠信号的载波频率估计方法。该方法首先提出时频重叠信号的广义四阶循环累积量的定义,然后检测离散谱线所对应的广义四阶循环累积量幅度谱的循环频率,进而估计出各个信号分量的载波频率,最后进行渐近性的理论分析,证明了该估计方法是渐近无偏和一致的。仿真结果表明,在Alpha稳定分布噪声下,该方法具有良好的估计性能和稳健性。

应用Alpha稳定分布对雷达杂波的辨识

该文引入正向Alpha稳定分布辨识常见的瑞利、韦布尔、对数正态和K分布雷达杂波,以该分布模型参数表征4类雷达杂波的拖尾分布。提出了以Alpha稳定分布模型参数作为杂波分类特征的雷达杂波辨识的新方法,实现了对常见4种杂波分布的辨识。仿真结果表明,同经典的KS假设检验方法相比,该方法辨识精度高、运算量小。

基于对称Alpha稳定分布概率神经网络的铝电解槽况诊断

在铝电解槽非稳态情况下,槽参数易发生局部突变,呈现非高斯概率分布,且各种槽参数相关性较强,无法满足概率神经网络中训练样本必须服从独立同分布的假设条件,影响槽况诊断的精确度。提出一种基于对称Alpha稳定分布概率神经网络的铝电解槽况诊断方法,利用其对非高斯分布数据的良好近似拟合能力,改进模式层的径向基函数,提高概率神经网络对槽参数局部突变的适应性。通过取自某厂170kA大型预焙槽的样本进行检验表明,该方法能够对5种槽况做出正确的诊断,具有较强的分类精度和收敛速度。

Alpha稳定分布噪声下的通信信号识别

Alpha稳定分布是一种能够保持自然噪声过程产生机制和传播条件的极限分布.本文以特征指数介于1和2之间的Alpha稳定分布模型为背景噪声,研究Alpha稳定分布的分形盒维数特性,从理论上说明分形盒维数对特征指数介于1和2之间的Alpha稳定分布噪声不敏感.提取所选信号族中信号相位的分形盒维数作为特征参量对信号进行识别,理论和仿真实验说明本方法在非高斯Alpha稳定分布噪声背景下有很好的韧性.

Alpha稳定分布噪声下基于柯西分布的相位键控信号码速率最大似然估计

针对现有的相位键控(PSK)编码信号码速率估计方法在Alpha稳定分布中性能严重退化的问题,该文提出一种基于柯西分布的码速率最大似然估计(CMLE)新方法,该方法可同时估计码速率与定时偏差。CMLE利用窗口法将信号划分为定时偏差窗和多个宽度一定的非重叠且已同步的时域窗,每个窗只包含一个码元符号;在Alpha稳定分布噪声下,利用窗中符号信息构造了基于柯西分布的似然函数,可同时获得定时偏差窗宽与码元符号窗宽的最大似然估计。仿真结果表明,该方法能有效抑制Alpha稳定分布噪声并具有良好的参数估计性能。