樟子松人工针叶林一元立木材积方程的研究

以吉林省敦化市樟子松人工针叶林为研究对象，随机抽取142株樟子松（Pinus sylvestris var．mongolica Litv．）为编表样木，选用一元材积方程候选模型，利用非线性麦夸特迭代求解法确定各模型参数、剩余标准差、相关指数。根据相关指数和剩余标准差，选出最优一元材积模型和树高曲线方程。以75株樟子松样木资料为验表样本，对样本数据进行处理。适用性检验结果表明，材积表估计的系统误差小于3％，满足林业生产材积估计的精度要求。因此本文所编敦化市樟子松人工针叶林出材率表适用于敦化地区，可以在生产中推广应用。     

一种用于GPS定位估计滤波算法的非线性模型

提出了一种将现代非线性滤波技术用于GPS定位估计的方法，该方法可用于低价位的单机GPS接收器的定位，提高它们的定位精度和鲁棒性．应用该方法，根据单机GPS的原始数据、伪距和多普勒频移进行定位估计。开发了一种新的基于非线性滤波的位置和速度估计模型，该非线性模型具有随观察到的卫星数量而改变状态和测量元个数的动态特性．运用一种新型的非线性滤波-平淡卡尔曼滤波求解该模型．GPS定位实验结果表明．与通用的最小二乘迭代法或直接从接受机获得的结果相比，所提出的非线性模型得出的滤波估计结果具有较高的精度和鲁棒性．     

残差和为零的非线性回归在材积建模中的应用

为了验证残差和为零的非线性回归分析法在林木材积建模中的应用效果,利用10个树种的建模(编表)数据、伯克霍特材积模型和山本和藏材积模型以及残差和为零的非线性回归分析法,求解10个树种的模型闭合差,并用10个树种的验表数据对所建模型进行验证,同时与用非线性最小二乘回归法进行数据处理的结果进行比较。结果表明,无论是建模结果还是验表结果,残差和为零的回归分析法的精度总体高于非线性最小二乘回归的精度。     

二种同时估计信源位置和信号发射时间的TOA算法

提出了当接收端在空间随机分布时同时估计信源位置和信号发射时间的二种TOA算法。方法一为用一新变量代替定位估计中的二次项，把非线性估计转化为二步最大似然（ML）线性估计；方法二通过消去二次项，而只需一步最大似然估计。二种算法结构简单，计算量不大，具有较高的精度。     

基于Dugoff轮胎模型对车辆质心侧偏角估计

为了解决车辆处于非线性状态下质心侧偏角的估计问题,考虑了纵向车速的变化,提出了基于Dugoff轮胎模型的质心侧偏角估计方法.根据二自由度车辆模型,验证了扩展卡尔曼滤波的估计精度高于卡尔曼滤波.根据建立的四轮三自由度车辆模型,对于车辆处于线性区和非线性区的两种运动状态,分别建立了基于扩展卡尔曼滤波算法的线性和非线性质心侧偏角估计模型,其中非线性估计模型基于Dugoff轮胎模型建立.采用CarSim软件搭建整车模型以及双移线道路模型,MATLAB/Simulink中搭建了扩展卡尔曼估计器,两者联合仿真.仿真结果表明:非线性估计模型在线性区域和非线性区域均能实现对质心侧偏角的估计,且估计精度高于线性估计模型.     

基于二次逼近的神经模糊模型研究

针对非线性系统的辨识，提出了一种基于二次逼近的神经模糊模型，阐述了该模型的结构、算法和应用特点．它能有效地克服ＢＰ（Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ） 算法的缺陷，提高辨识模型的动态补偿能力．通过仿真实例对该方法的特点和性能进行了验证，表明新的模型具有较好的实际逼近精度和适应能力．     

两种针叶树种材积表的编制

以吉林省敦化市落叶松和红松人工林为研究对象,随机抽取342株落叶松（Larix spp.）和298株红松（Pinus koraiensis Sieb.et Zucc.）为编表样木,利用非线性麦夸特迭代求解法选出最优一元材积模型。以202株落叶松和170株红松为验表样本,适用性检验结果表明,材积表估计的系统误差均小于3%,满足林业生产材积估计的精度要求。因此本文所编敦化市落叶松和红松人工林材积表适用于敦化地区,可应用于生产实践。     

一类神经传导方程的修正的变网格有限元方法

研究了在神经传播过程中的一类非线性拟双曲方程的初边值问题．对二维情形应用常规变换，在常规的变网格有限元格式的基础上，提出了一种改进的变网格有限元格式，通过细致的分析和估计得到了最佳阶模误差估计结果，并使时间精度提高一阶．最后作了数值实验，说明方法是高效可行的．     

局部非线性振动系统参数识别的空间法

研究了具有平方非线性刚度和平方非线性阻尼的两自由度局部非线性振动系统，提出了一种参数识别局部非线性振动系统模型的空间法．该方法有效地利用模型的时间函数、频率函数和空间参数，使参数识别更为准确．利用该方法对非线性频响函数进行估计，并利用了最小二乘法对模型的非线性刚度系数和非线性阻尼系数进行了优化．     

非线性半参数模型最小二乘近邻估计

目前对非线性半参数模型的研究尚处于初级阶段,关于非线性半参数模型的计算理论还未见实质性报道.基于非线性半参数模型最小二乘近邻估计,给出了其参数分量和非参数分量估计的构造式,导出了参数分量和非参数分量顾及二次项直接解法的非线性直接解法.基于工程实际中的非线性模型用模拟数据进行计算,证明对于非线性半参数模型最小二乘近邻估计,可采用顾及二次项的直接解法.     

非线性模型抗差最小二乘估计及其应用

以经典最小二乘法为基础,详细阐述了抗差因子的选取。从抵抗粗差的角度出发,抗差最小二乘法可提高非线性模型在有粗差干扰条件下参数估计的精度。以广东森林资源调查的样本资料,对提出的方法进行了检验与应用,结果表明提出的方法具有明显的抗粗差性。     

基于改进粒子滤波算法的Bouc-Wen模型参数在线识别方法

在线模型参数更新是提高结构混合试验中数值子结构模型精度的有效手段。为了提高强非线性模型参数在线识别精度,在标准粒子滤波算法的基础上提出了一种改进的辅助无迹粒子滤波算法。在重要性采样中,基于最新观测信息采用无迹卡尔曼滤波方法计算每一个粒子估计,以提高粒子非线性变换估计精度;在重采样过程中,引入辅助因子修正粒子权值,以丰富粒子多样性、削弱粒子退化现象。采用改进粒子滤波算法针对Bouc-Wen模型进行了在线参数识别,并与标准粒子滤波算法、扩展卡尔曼粒子滤波算法以及无迹粒子滤波算法的参数识别精度和计算效率进行对比分析。结果表明,与其它3种算法相比,辅助无迹粒子滤波算法在单步计算耗时增加的基础上,在线参数识别精度明显提高,参数识别值波动幅度显著降低。最后,通过橡胶隔震支座拟静力试验,验证了采用改进粒子滤波算法在线识别Bouc-Wen模型参数方法的有效性。     

基于交互式多模型无迹卡尔曼滤波的锂电池荷电状态估计

为了提高传统卡尔曼滤波法估计锂电池荷电状态(SOC)的精度,在锂电池二阶RC等效电路模型基础上,根据隐马尔科夫模型(HMM)理论并采用遗传算法优化构造出了不同参数状态的电池模型。结合交互式多模型(IMM)算法与无迹卡尔曼滤波(UKF)算法进行SOC估计,提出了一种基于HMM的IMM-UKF算法估计锂电池SOC的方法。锂电池在线SOC估计实验表明,该方法比较其他估计方法有着更高的估计精度,平均绝对误差仅为1%。     

基于非线性预测滤波和UKF的状态估计方法

非线性系统存在建模误差时,UKF的状态估计误差较大,为了提高UKF对非线性系统的状态估计能力,本文将非线性预测滤波(NPF)方法和UKF相结合,提出了一种改进的UKF。首先应用NPF求得模型误差值,得到非线性系统的修正模型,将模型离散化再应用UKF进行状态估计。在仿真实验中分别应用单纯的UKF和改进后的UKF对一个存在模型误差的非线性系统进行状态估计,对它们的估计结果进行了比较和分析,结果表明结合NPF的UKF能够提高非线性系统状态估计的精度。     

Marginalized cubature Kalman filtering algorithm based on linear/nonlinear mixed-Gaussian model

Aiming at improving the estimation accuracy and real-time of nonlinear system with linear Gaussian sub-structure,a novel marginalized cubature Kalman filter is proposed in Bayesian estimation framework. Firstly,the marginalized technique is adopted to model the target system dynamics with nonlinear state and linear state separately,and the two parts are estimated by cubature Kalman filter and standard Kalman filter respectively. Therefore,the linear part avoids the generation and propagation process of cubature points. Accordingly,the computational complexity is reduced.Meanwhile,the accuracy of state estimation is improved by taking the difference of nonlinear state estimation as the measurement of linear state. Furthermore,the computational complexity of marginalized cubature Kalman filter is discussed by calculating the number of floating-point operation. Finally,simulation experiments and analysis show that the proposed algorithm can improve the performance of filtering precision and real-time effectively in target tracking system.     

基于扩展Kalman滤波的声阵列定位数据融合算法

利用各阵元和目标相对于一中心阵元的几何关系建立目标运动方程，坐标变换方程和声阵列测量方程，并以此建立了声阵列目标定位模型。在此基础上提出了基于扩展Kalman滤波算法的目标定位数据融合算法。通过地面目标和空中目标的计算机仿真表明，本算法能够有效地克服由于智能雷布阵的随机性给智能雷定位数据估计带来的困难，对声阵列定位数据也能进行较好的融合，对提高定位精度有一定效果。     

非线性系统时变时滞和参数的在线联合估计

为了解决非线性系统的时滞和参数的在线联合估计这一问题 ,提出了一种基于遗传算法的非线性系统时变时滞和参数的在线联合估计方法。将遗传算法的二进制编码改进为十进制编码。对于系统输入带有纯时滞的非线性系统 ,采用改进的遗传算法对系统时滞和参数进行在线联合估计。此方法能够有效地在线联合估计非线性系统的时变时滞和参数 ,并具有一定的抗噪声能力。仿真实验结果验证了此方法的有效性     

基于自适应 UKF 微型航姿系统噪声在线估计

针对先验噪声与系统真实噪声不符引起标准无迹卡尔曼(unscented Kalman filter,UKF)性能退化的情况,提出一种应用于非线性时变状态和参数联合估计的自适应UKF(adaptive unscented Kalman filter,AUKF)算法.根据新的协方差矩阵与相应估计值之间存在的误差,构建成本函数.采用梯度下降法进行在线预估,对噪声的协方差进行在线更新并反馈给标准的UKF.实验和仿真分析表明,与标准UKF相比,自适应UKF算法在精度上有较大的提高.对于时变噪声协方差不确定时,自适应UKF噪声在线估计的鲁棒性得到明显改善,验证了自适应UKF噪声在线估计模型的准确性和可行性.     

基于非线性最小二乘算法的超宽带TOA估计

研究室内密集多径信道环境下的超宽带到达时间(TOA)估计技术.提出一种改进的门限比较TOA估计算法,利用非线性最小二乘算法同时估计多径延时和幅度,采用迭代算法提高参数估计精度,根据判决门限比较结果终止多径搜索过程并估计出TOA.分析该算法在室内多径信道模型中的性能,给出门限的设置方案.仿真结果表明,在不同的信噪比下设置合理的判决门限后,该算法具有较高的估计精度,能够满足精确定位需求.     

组合电路复杂度与面积的翻转信息熵估计方法

为了提高在信息论基础上的逻辑电路面积和功耗分析方法的估计精度,在传统输出信息熵估计理论基础上,提出了利用翻转信息熵进行电路实现复杂度和面积估计的理论方法。概率的方法被用于对组合逻辑电路的输入输出信号翻转行为的相关和相似进行量化分析。在此基础上实现了翻转信息熵面积估计算法,对随机生成的大量电路和标准benchmark电路进行的实验结果表明,该方法带来了至少3%左右的估计精度改善。