Delta算子系统基于输出反馈的鲁棒协方差控制

研究Delta算子描述的线性不确定系统基于输出反馈的鲁棒协方差控制问题,即设计输出反馈控制器,使Delta算子不确定系统鲁棒稳定,且稳态输出协方差矩阵具有给定上界。利用线性矩阵不等式(LMI)方法,给出Delta算子不确定系统输出反馈鲁棒协方差控制器存在的充分条件,并在此基础上,提出Delta算子不确定系统输出反馈鲁棒协方差控制器设计算法。数值算例表明设计方法的可行性。     

基于干扰估计的BTT导弹鲁棒方差姿态控制

针对存在非线性和不确定性的倾斜转弯(bank-to-turn, BTT)导弹姿态控制问题,提出基于干扰估计的鲁棒方差控制方法。将姿态运动中非线性项和不确定项作为总干扰,采用干扰观测器进行估计,并引入控制系统进行补偿。干扰观测器的观测误差作为BTT导弹姿态运动的干扰输入,为了保证控制系统具有良好的动态和稳态性能,采用鲁棒方差控制理论设计了线性反馈控制器,将闭环极点配置在特定圆盘区域,同时将状态变量的稳态方差保持在给定的范围内。仿真结果表明,所提出的鲁棒方差姿态控制器能够保证良好的控制效果,鲁棒性强。     

基于模糊模型的非线性系统鲁棒控制方差

针对T S模糊模型描述的一类不确定非线性连续系统,研究使得闭环系统的稳态方差小于某个给定上界,同时闭环极点位于给定圆盘中的状态反馈鲁棒方差控制律设计问题。导出了以一组线性矩阵不等式表示控制律的存在条件。通过一个质量弹簧阻尼控制系统验证了这种方法的有效性。     

一类多状态时滞不确定系统的鲁棒预测控制

针对一类多状态时滞多面体不确定对象,提出了一种鲁棒预测控制算法。基于参数相关的李亚普诺夫函数,给出了系统稳定的充分条件。通过求解满足若干线性矩阵不等式条件的上界值的最优化问题,获得了约束范围内满足系统鲁棒性能的最优控制律。优化问题的可行性保证了算法的鲁棒稳定性。仿真实例证明了该算法的有效性。     

一类不确定混合线性时滞系统鲁棒控制问题研究

讨论了一类不确定混合线性时滞系统在其Markov跳跃参数所处模态非精确可测得情况下的鲁棒控制问题。给出了非匹配条件下系统不确定部分范数上界已知时,使系统呈均方意义下指数稳定的保代价控制充分条件。并根据混合系统模式下的LaSalle稳定性定理,对匹配条件下系统不确定部分的未知范数上界给出了一种参数自适应估计方法,设计了相应的鲁棒自适应控制律以实现混合线性时滞系统以概率1渐近稳定。鲁棒自适应控制律的设计仅依赖于跳跃参数的非精确测量值。     

一种鲁棒特征提取算法的设计和实现

提出了一种用于语音识别的鲁棒特征提取算法,这种算法基于最小方差无失真响应(MVDR)谱估计技术,它在Mel频率尺度上估计MVDR谱,并对得到的MVDR谱进行调制谱滤波,然后提取其倒谱系数作为特征参数。使用这种算法设计了一个抗噪孤立词语音识别系统,在汽车噪声,人群噪声和高斯白噪声三种噪声环境下,与传统算法按多种信噪比做了对比实验。实验结果表明该系统在这三种噪声环境下的识别率均得到了不同程度的提高。     

不确定模糊系统具有指定衰减率的鲁棒保成本控制

结合系统响应速度的考虑,讨论由T-S模糊模型描述的不确定连续非线性系统具有指定衰减率的鲁棒保成本控制问题.基于扩展稳定性条件和等价投影引理,导出系统鲁棒保成本控制器存在的充分条件,并可将此控制器的最优设计问题转化为一组线性矩阵不等式的凸优化问题.研究表明:所设计的控制器不仅能保证闭环不确定模糊系统以衰减率α鲁棒渐近稳定,而且还给出了保成本上界的一个优化值.最后,数值示例验证了该设计方法的有效性.     

基于Masreliez-Martin的鲁棒分数阶容积卡尔曼滤波算法及应用

针对具有非高斯量测噪声的分数阶离散时间非线性系统的状态估计问题, 提出一种基于Masreliez-Martin(简称为M-M)方法的鲁棒分数阶容积卡尔曼滤波器。在分数阶离散非线性动态系统基础上, 使用三阶容积原则推导了状态预测公式, 并使用M-M方法实现状态的量测更新, 构成了基于M-M方法的鲁棒分数阶容积卡尔曼跟踪算法。将提出的算法应用到再入目标的状态估计中, 仿真结果表明, 基于M-M方法的鲁棒分数阶容积卡尔曼滤波器优于分数阶无迹滤波器和分数阶容积卡尔曼滤波器。最后, 分析了不同程度的量测污染噪声对鲁棒分数阶容积卡尔曼滤波算法的估计性能影响, 验证了所提算法的鲁棒性。     

Delta算子描述的离散系统鲁棒滤波

研究基于Delta算子描述的线性不确定离散时间系统在稳态估计误差方差约束下的鲁棒滤波问题。目的是设计线性滤波器 ,使得闭环系统稳定 ,且闭环系统的稳态估计误差的方差满足预先给定的约束条件。基于Riccati方程或Riccati不等式方法 ,给出Delta算子描述的系统鲁棒滤波器的存在条件和显式表达式     

输入时滞Markov跳变系统鲁棒保性能控制及其仿真研究

研究一类具有模态相关时变输入和状态时滞的不确定马尔可夫跳变系统的鲁棒保性能控制问题。基于自由权矩阵方法,通过构造一个新的Lyapunov函数,给出了此类系统存在无记忆状态反馈鲁棒保性能控制律的充分条件,估计了其保性能值。并且,控制器的设计归结为一组LMI的求解问题。仿真实例说明了提出方法的有效性。     

基于异步估计自适应Kalman滤波系统设计

一般的Kalman滤波器时系统噪声和测量噪声统计特性要求较为严格,当统计特性存在不确定性时,估计会造成较大的估计误差,甚至使滤波器发散.针对此问题,在基于新息的自适应估计和极大后验估计的基础上对Q和R进行异步估计;以某型号光纤惯性测量装置和GPS系统为背景的仿真实验结果表明,该方法能够有效地对Q和R存在不确定的组合导航系统的误差状态变量进行估计,并能较好地保证自适应滤波器的收敛性,进一步提高了估计精度.     

两类不确定奇异时滞系统鲁棒稳定的相关型判据

研究了不确定奇异时滞系统的鲁棒稳定性问题。首先以线性矩阵不等式的形式给出了奇异时滞系统正则,无脉冲模且零解渐近稳定的一种新的时滞相关型判据。通过引入新的参数避免了利用不等式处理交叉项,从而使该判据具有较小的保守性。最后,利用研究结果,给出了两类不确定奇异时滞系统新的时滞相关型鲁棒稳定性判据。     

基于理想弹道鲁棒容积卡尔曼滤波视线角估计

针对惯性元件在低成本全捷联制导弹药中应用难度大的问题,设计了一种利用理想弹道弹体运动参数代替惯性元件测量值的弹目视线角滤波估计方法。根据坐标系转换关系及弹目视线几何关系,将理想弹道参数作为系统不确定性参数,建立非线性滤波系统;针对具有参数不确定性的非线性系统滤波问题,提出了一种基于理想弹道的鲁棒容积卡尔曼滤波(ideal trajectory robust cubature Kalman filter,ITRCKF)算法,将具有不确定性系统的滤波问题转化为带参数κ的误差协方差上界最小化问题;最终利用导引头探测器测量得到弹体视线角,结合ITRCKF对非线性系统状态进行估计。实验结果表明:在小扰动条件下,ITRCKF偏角估计最大误差值较容积卡尔曼滤波(cubature Kalman filter,CKF)下降了85.57%,误差均方根(root mean square error, RMSE)下降了81.93%;在大扰动条件下,ITRCKF倾角估计值最大误差较CKF下降了31.64%,误差均方根下降了46.39%。所提方法对弹目视线角的估计值满足精度要求,并且相对于CKF估计值具有较好的鲁棒性能。     

基于去特征处理的信源数估计算法

在实际测向系统中,由于阵列中各阵元的相互干扰,阵列接收的噪声为空域相关色噪声,由于系统热噪声和散弹噪声的存在,导致阵列接收的噪声同时包含空域相关色噪声与白噪声。传统针对空域相关色噪声的信源数估计算法在白噪声背景下的估计性能往往下降。针对这一问题,提出了一种基于去特征处理的信源数估计方法。该方法对数据协方差矩阵进行去特征处理,得到一组与特征值相对应的新数据协方差矩阵,利用新数据协方差矩阵在信号和噪声子空间上的投影矩阵构造判决函数,进而实现信源数估计。仿真实验及对比数据表明该方法在包含有白噪声成分的色噪声背景下能够有效进行信源数估计,其突出优势表现在小快拍数、低信噪比条件下仍能准确估计信源数,而没有明显增加算法的运算量。     

Robust Stabilization for Uncertain Control Systems Using Piecewise Quadratic Lyapunov Functions

The sufficient condition based on piecewise quadratic simultaneous Lyapunov functions for robust stabilization of uncertain control systems via a constant linear state feedback control law is obtained. The objective is to use a robust stability criterion that is less conservative than the usual quadratic stability criterion. Numerical example is given, showing the advanteges of the proposed method.     

α稳定分布噪声下一种稳健加权滤波的统一框架

针对传统滤波方法在α稳定分布噪声环境下性能退化的问题,从加权Myriad滤波以及加权Merid滤波方法出发,以M估计理论为基础,推导得到稳健加权(robust weighted,RW)滤波方法的统一算法结构,并据此提出了基于RW滤波的新算法,即基于稳健加权滤波的统一框架,从而将加权Myriad、加权Merid以及基于广义柯西分布的加权滤波器统一起来。此外,针对线性调频(linear frequency modulation, LFM)信号采用基于RW的LVD(RW LVD)方法估计其参数,并根据估计性能对RW方法的抑噪效果进行分析。仿真结果表明,与基于加权Myriad滤波、加权Merid滤波以及基于广义柯西分布的加权滤波等多种方法相比,在强脉冲噪声下RW滤波方法能有效抑制脉冲噪声,并具有良好的稳健性。     

Filtering of long-term dependent fractal noise in fiber optic gyroscope

Stochastic noises of fiber optic gyroscope (FOG) mainly contain white noise and fractal noise whose long-term dependent component causes FOG a rather slow drift. In order to eliminate this component, a two-step filtering methodology is proposed.Firstly, fractional differencing (FD) method is introduced to transform fractal noise into fractional white noise based on the estimation of Hurst exponent for long-term dependent fractal process, which together with the existing white noise make up of a generalized white noise. Further, an improved denoising algorithm of wavelet maxima is developed to suppress the generalized white noise. Experimental results show that the basic noise terms of FOG greatly decrease, and especially the slow drift is restrained effectively. The proposed methodology provides a promising approach for filtering long-term dependent fractal noise.     

一种噪声背景下的雷达目标识别方法

雷达高分辨距离像(high resolution range profile, HRRP)包含了丰富的目标结构信息,在雷达目标识别领域有良好的应用前景。针对传统的HRRP识别方法对噪声环境适应性差的问题,选用具有时移不变性的紧支撑小波自相关作为支持向量机(support vector machine, SVM)分类器的核函数,研究了幂次变换(power transform, PT)参数的选取对识别效果的影响,给出了参数选取经验公式,结合信噪比实时估算自适应地进行数据预处理以增强算法的抗噪性能。仿真表明,所提出的方法与传统的高斯径向基核SVM相比,提高了目标识别率,并且具有较好的噪声稳健性。