基于GPS轨迹数据的混合多步Markov位置预测

随着移动设备和定位技术的广泛应用,基于位置服务成为研究热点,位置预测是其重要研究内容.基于GPS轨迹数据,对位置预测方法进行研究.Markov模型可以较好地表示时序数据,因此可较好地用于位置建模和预测.在基于Markov建模的位置预测中,1阶Markov模型存在轨迹信息利用不充分、预测准确率低的问题;而多阶Markov模型存在状态空间急剧膨胀的问题.针对这些问题,提出了基于混合多步Markov模型的位置预测方法,在将原始GPS轨迹转化为区域轨迹的基础上,对各多步模型进行融合,提出了基于Adaboost框架的各多步模型影响系数的生成方法,在保证状态空间不变的情况下提高了预测准确性.真实数据集上的实验验证了所提位置预测方法的有效性.

Hankel矩阵辨识法在天线伺服系统中的应用

与经典控制理论方法相比,采用现代控制方案提高天线伺服系统的控制性能,对系统辨识精度提出了更高的要求。介绍了一种基于Markov系数的Hankel矩阵辨识法,并以实际系统为例验证了辨识效果。实验结果表明,此种方法对大口径天线伺服系统能够实现精确辨识,可以消除测量噪声对辨识的影响,并且能够精确地确定原始系统的阶次。