一种时间序列优化的粒子滤波算法

针对预测对象在动态过程中发生结构性变化的时间序列,难以建立一个实时解析变化趋势的模型.本文提出基于时间序列自适应建模的粒子滤波算法(TS-PF).采用时间序列方法动态构建预测模型,并将粒子滤波算法中一系列加权粒子以该模型进行状态转移,运用粒子滤波重采样技术,使预测误差进一步减小,预测精度逼近最优估计.非线性预测系统仿真实验表明基于时间序列自适应建模的粒子滤波算法(TS-PF)比单纯采用时间序列动态建模算法(TS)精度更高,提高了动态目标跟踪的准确性.

一类参数周期未知的自适应广义投影同步

针对一类时变参数周期未知的自适应广义投影同步问题,提出了基于切换逻辑的周期辨识算法.该算法首先假定已知时变参数周期,设计控制器和时变参数自适应律.然后设计合理的切换逻辑,通过判定相邻两次迭代的平均误差定位时变参数周期范围,再通过累积跟踪误差定位时变参数周期,最终完成两个混沌系统的投影同步.通过构造Lyapunov-Krasovskii泛函,证明了系统的跟踪误差收敛于零,而且保证所有信号均有界.仿真结果说明了算法的有效性.