多策略改进MPA在无线传感器网络中的应用

针对无线传感器网络中非测距节点定位算法自身存在算法定位误差较大的缺陷,提出了一种MMPA-3DDV-Hop算法。该算法先利用多通信半径细化节点间的跳数,然后添加了修正因子修正平均跳距,接着采用多策略融合改进MPA算法计算待定位节点位置最优解。多策略改进MPA算法首先利用Singer混沌映射策略对种群进行初始化,克服种群初始化的盲目性。其次,采用t-分布扰动策略来提升算法的全局搜索能力,在增加搜索空间多样性的前提下,达到快速收敛;最后,引入变异策略和小概率策略,将二者相结合来避免该算法陷入局部最优,对改进算法在复杂度、收敛性和稳定性方面进行性能测试,测试结果表明改进后的MPA算法具有较好的收敛性和稳定性。仿真结果表明:相比3DDV-Hop算法、多通信半径算法以及3D-VNDV-Hop算法,MMPA-3DDV-Hop算法的归一化定位误差平均降低了21.3%、13%与5.7%左右,尽管算法的平均运行时间略有增加,但有效提高了算法的定位精度。

基于GMFDE与Singer-ELM的三相异步电机故障诊断

三相异步电机是现代工业生产中广泛应用的机械设备,其运行状态关系着整个系统的安全性和稳定性,一种有效、鲁棒的三相异步电机故障诊断方法有助于电机的稳定和健康运行。鉴于电机故障特征提取困难且故障诊断准确率较低的问题,提出一种基于多尺度波动耿贝尔散步熵(Multiscale Fluctuation Gumbel Dispersion Entropy,GMFDE)和Singer混沌映射-极限学习机(Singer Chaotic Mapping Extreme Learning Machine,Singer-ELM)的三相异步电机故障诊断方法,实现多工况下电机的故障诊断。首先,使用加速度传感器采集电机不同工况下的振动信号。其次,提出GMFDE用于特征提取,由耿贝尔分布对信号进行线性化与平滑性处理,耿贝尔分布有助于更好地捕捉数据中的异常值,再计算信号的GMFDE值来构造不同故障样本的特征向量。为了进一步提高预测的准确率和效率,使用序列前向选择算法从中选择最优特征。最后,提出Singer-ELM分类器模型,充分利用混沌映射的内部不相关性,使用Singer混沌映射生成ELM中的输入权重和偏置,将最优特征向量输入到Singer-ELM模型中进行分类和识别。结果分析表明,所提出的方法在三相异步电机实验平台上的平均识别准确率在99%以上,可以很好地诊断出电机故障类型。通过比较4个评价指标:调整兰德指数、归一化互信息、F值和准确率,得出所提方法相较于其他方法具有一定的优越性,在故障诊断领域有很好的诊断性能。

两种新的机动目标仿真模型

跟踪模型与目标实际运动是否吻合是影响机动目标跟踪效果的关键,为了验证机动目标跟踪算法性能,需要构建与实际情形相类似的复杂运动仿真模型。借鉴Singer模型思想,引入加速度时间相关系数,构造了时间相关系数可控的机动目标仿真模型,并验证分析了时间相关系数不匹配条件下,Singer机动目标跟踪算法的适配性能;针对传统协同转弯模型只考虑法向加速度变化,而将切线加速度的大小始终假设为0,与实际复杂运动吻合度不高的问题,构造了兼顾两种加速度的加速转弯仿真模型。仿真结构表明:传统交互式多模型不能精确稳定跟踪该类仿真轨迹,证明了较仿真模型的复杂性和独特性。

基于MATLAB的改进海马算法

针对海马算法寻优精度不足、易陷入局部最优的问题,本文提出一种基于Singer混沌及失败者放逐的海马算法。在初始化种群阶段,Singer混沌映射被引入用以生成遍历搜索空间的初始海马个体,增强了初始种群的多样性,有利于提高算法的搜索精度;在海马捕食阶段,引入失败者放逐策略,将捕食失败的海马个体放逐到搜索空间内,有利于算法跳出局部最优;在海马繁殖阶段,引入动态繁殖策略,动态影响父本和母本的权重,有利于防止算法过早收敛到局部极值。在算法性能测试实验中选用了10个基准测试函数和10个CEC2013测试函数,实验结果表明本文所提改进海马算法在寻优精度和收敛速度上都有较大提升,是一种优化能力强、鲁棒性好的算法。

基于Singer-IMM-UKF的机动目标跟踪算法

本文针对空间中多种运动形式的目标跟踪运动模型组合问题开展研究,提出了基于Singer-IMM-UKF的机动目标跟踪算法,结合精度较高的UKF非线性滤波作为子滤波器,实现对连续机动转弯目标稳定跟踪。通过对比不同模型组合的IMM-UKF滤波器,仿真表明基于Singer-IMM-UKF滤波器在目标运动匀速段或机动量急剧变化时获得了较好的跟踪性能,降低了位置、速度和高度跟踪的误差,有效提升对于机动目标跟踪的准确性和稳定性。

基于改进当前统计模型的模糊自适应车辆定位算法

分析比较了"当前"统计模型和Singer模型各自的特点,提出了基于改进的"当前"统计模型的模糊自适应车辆定位算法(MCS-FAEKF),实时动态选择机动模型和调整系统噪声协方差矩阵。相对于传统的"当前"统计模型卡尔曼滤波算法(CS-EKF)和Singer-EKF算法,MCS-FAEKF算法对车辆目标的定位精度和可靠性等都得到了较大提高,计算机仿真结果验证了算法的有效性和可行性。

机动目标跟踪MS模型

针对Singer模型中人为设定参数的不合理性,对机动时间常数的倒数α和驱动白噪声方差σ2w进行估计,提出新的Modified Singer(MS)模型,并给出相应的参数自适应滤波算法。该模型在估计目标状态的同时,能够实时估计参数α及σ2w的值。仿真结果表明MS模型比Singer模型状态估计更精确,结果也更稳定。

IMM-Singer模型的机动目标跟踪算法

交互式多模型(IMM)算法是一种有效机动目标跟踪算法,但其性能与模型的选择、个数以及参数有关。Singer模型算法可以实现对机动目标的跟踪,但该算法存在机动频率和过程噪声大小等参数难以选取的问题。针对以上情况,利用IMM算法易于结合其他算法的特点,提出一种基于IMM-Singer模型的机动目标跟踪算法,实现Singer模型参数的自适应选择。仿真结果表明,该算法比单一的Singer模型算法或一般的IMM算法更能有效提高机动目标跟踪精度。

机动目标模型的研究进展

回顾了近年来机动目标模型的研究与发展;重点分析讨论了Singer模型、"当前"统计模型、自适应当前输入统计模型、Jerk模型及坐标转弯模型的优缺点,指出了各个模型的局限性,并得出有意义的结论;最后指出了机动目标模型研究的难点及未来的研究方向。

花脸香蘑发酵物的体外抗氧化及抗肿瘤活性研究

[目的]测定花脸香蘑[Lepista sordida(Schumach.Fr.)Singer]发酵产物的体外抗氧化及抗肿瘤活性。[方法]利用不同溶剂对花脸香蘑发酵次生代谢物质进行了分级分离提取,用二苯基苦味酰基苯肼(DPPH)法检测各级分离物的抗氧化活性;用噻唑兰(MTT)法检测其体外抗肿瘤活性。[结果]固体发酵花脸香蘑乙酸乙酯相抗氧化活性最高,其次为发酵液乙酸乙酯相;花脸香蘑发酵液乙酸乙酯相抗肿瘤活性最高,对人宫颈癌细胞Hela的IC50值为50μg/ml;菌丝提取物也表现出较强的抗氧化、抗肿瘤活性。[结论]该结果为进一步研究和开发利用花脸香蘑提供了新的科学依据。

基于Singer模型的机动目标无源定位跟踪方法研究

对双站测向无源定位跟踪方法进行了研究,分析了双站交叉定位的基本原理,应用Singer模型和扩展卡尔曼滤波对三维空间中的机动目标无源定位跟踪问题进行了仿真分析。仿真结果表明,在假设的仿真条件下以及测向精度为1 mrad时,对机动目标定位跟踪的相对测距误差保持在1.5%以下,滤波跟踪效果良好,表明该方法对机动目标的无源定位跟踪是有效的,对工程应用有一定指导意义。

基于PF-Singer的机动目标跟踪算法

Singer模型是典型的全局统计模型,其严重缺陷在于所采用的零均值时间相关模型和标准卡尔曼滤波算法不能完成对机动目标状态的正确估计;只有当目标做匀速直线运动时,动态误差的稳态值才为零,否则不为零;采用PF-Singer算法对机动目标进行跟踪,能够有效解决传统Singer模型存在的问题,提高其跟踪精度;通过仿真试验证实了该算法的有效性。

基于SINGER模型的实时误差配准算法及分析

系统误差配准是多平台、多传感器目标跟踪的关键环节,可以有效地估计雷达跟踪系统误差,并进行准确误差补偿。若不进行精确的系统误差配准,则可能导致多平台、多传感器跟踪系统对目标融合跟踪的错误或对同一目标产生多条航迹,从而导致系统性能恶化。给出了基于目标SINGER运动模型的扩维卡尔曼滤波算法。通过仿真实验分析了误差配准精度与机动频率的关系,结论为针对不同机动频率目标进行雷达跟踪系统的误差配准提供理论参考。

利用Singer模型的无陀螺姿态和角速度估计

给出了一种利用Singer跟踪模型的扩展卡尔曼滤波器 (ExtendedKalmanFilter) ,用于无陀螺姿态和姿态角速度估计。在滤波器中 ,姿态和姿态误差分别由姿态四元数和误差四元数表示 ,而姿态角加速度由一阶Markov过程描述 ,从而避免采用姿态动力学模型。利用数值仿真计算验证了滤波器的性能。在所有的仿真过程 ,滤波器显示出快速收敛能力。

一种基于复合模型的机动目标跟踪算法

针对一类飞行器纵向机动能力大、侧向机动能力小,提出了一种基于"当前"模型与Singer模型的复合模型自适应卡尔曼滤波空间机动目标跟踪算法;"当前"模型具有对机动目标跟踪效果好的特性,Singer模型具有对机动性较小的目标跟踪精度高的特性,利用这2种模型的优势建立机动目标的复合模型,运用自适应卡尔曼滤波算法对机动目标进行状态估计,其算法具有简单、精度高和工程应用强等的特点;最后通过仿真验证了所提算法的有效性与正确性。

无源北斗/惯导两级滤波闭环组合算法

针对北斗卫星定位系统和惯性导航系统的组合设计组合导航卡尔曼滤波定位算法,引入伪距率作为观测量,基于高稳定度用户时钟,提出了双星下用两级滤波器对惯导进行闭环校正的闭环组合设计方案。其最大的优点是能根据收星情况稳定地在闭环和开环方式之间转换,这是采用惯导模型设计滤波器所不具有的。最后通过仿真说明本文方案有效地提高了丢星时组合导航系统的滤波定位精度,能够有效校正惯导的姿态误差角,并以较高的精度估计用户的三维速度。

基于MS-IMMIKF的MEMS陀螺输出信号消噪处理

陀螺用于感知稳定平台相对于惯性空间的角速率,进而得到稳定平台在惯性空间的姿态,通过反馈稳定平台伺服控制机构相应的控制量来实现对稳定平台的稳定控制。通过分析陀螺随机误差对稳定平台精度影响,提出了一种新的陀螺随机漂移处理方法。首先针对机动跟踪领域的Singer模型中人为设定机动频率α的不合理性,对机动频率α进行在线估计,提出基于Modified Singer(MS)模型直接对陀螺输出进行建模的方法;在此基础上建立基于交互式多模型(IMM)的改进卡尔曼滤波算法(MS-IMMIKF)对陀螺输出随机误差进行处理,并对交互式多模型的改进卡尔曼滤波(IKF)进行理论分析和推导;通过数值仿真分析和稳定平台中某型号陀螺试验验证和仿真计算得出,静态滤波后均方根误差达到0.022 7°/s,证明了该方法对陀螺漂移处理的有效性与可行性;最后通过稳定平台动静态稳定试验表明,MS-IMMIKF滤波算法对提高稳定平台精度有效且实用。

基于BP神经网络修正的自适应Singer模型

针对传统Singer模型在跟踪机动目标时存在稳态误差以及模型对加速度的先验统计量存在依赖等缺点,提出了基于BP神经网络修正的自适应Singer模型。该模型的样本数据选用卡尔曼滤波状态量中的加速度估计量,采用Burg算法估计加速度的功率谱密度,并利用BP神经网络对谱估计结果进行修正,进而导出当前统计模型下的Singer模型的参量。Simulink仿真结果表明,该模型能够克服传统Singer模型跟踪机动目标性能差的缺点,并且模型在收敛之后不再依赖加速度的先验统计量。

Singer模型下α-β-γ滤波的新息序列特性分析

卡尔曼滤波条件下新息序列的白噪声特性在跟踪过程中具有十分重要的作用。但在实际工程中,α-β-γ滤波器因其较小的计算量常取代卡尔曼滤波器得以应用,这时需要对该滤波条件下的新息相关特性进行研究,以此来指导野值剔除和机动检测方案的重新设计。从理论上推导了Singer模型下α-β-γ滤波的新息序列相关特性计算的一般表达式,在两组特定的取值下,研究和分析了滤波达到稳态时新息序列的相关特性,用仿真验证了理论推导的正确性。理论和仿真结果均表明,两种情况下的新息序列都具有一定的相关性。

一种基于径向加速度的Singer-EKF机动目标跟踪算法

针对雷达均不能提供目标加速度信息,在目标机动时会出现跟踪精度差甚至跟踪发散的问题,提出一种基于径向加速度的Singer-EKF算法。该算法在信号处理阶段利用Radon-Ambiguity变换(RAT)估计出目标的径向加速度,并通过坐标转换将其引入量测向量中,然后采用基于Singer模型的扩展卡尔曼滤波(EKF)算法实现机动目标的跟踪。仿真验证了该方法的有效性,并与传统的不带径向加速度的扩展卡尔曼滤波(EKF)方法进行了比较,结果表明该方法在径向距离、位置、加速度和速度估计精度方面都有所提高。