基于广义熵优化准则的非线性非高斯系统故障分离方法

针对非高斯随机系统研究了一种基于滤波的故障分离方法。通过故障、扰动的统计信息获取状态估计误差和输出估计误差的（联合）概率密度函数,再根据所建立的广义熵优化准则设计滤波器。仿真结果显示,在故障和干扰均出现及主要故障不出现两种不同的情况下系统响应完全不同,说明该广义熵优化准则能有效分离故障。     

基于压缩感知的OFDM稀疏信道估计导频图案设计

针对OFDM系统基于压缩感知的频率选择性衰落信道估计,提出了一种基于压缩感知测量矩阵互相关最小的导频设计准则.仿真结果表明,与使用其他导频图案相比,使用此准则设计出的导频图案使信道估计均方误差和系统的误比特率更小.     

卡尔曼滤波在GPS制导火箭弹中的应用

针对直接采用全球定位系统(GPS)测量弹道误差较大的问题,该文提出应用扩展卡尔曼滤波方法进行弹道测量。采用火箭弹弹道模型和GPS误差模型,建立卡尔曼滤波系统状态模型和以伪距为观测量的系统测量模型,推导并分析了相应的滤波公式,并对GPS动态定位的数据进行滤波。理论分析和仿真结果表明,GPS测量的位置误差和速度误差具有随机性,且误差幅度较大,采用卡尔曼滤波算法后,弹道的位置估计误差和速度估计误差分别降低到观测误差的1/3和1/4左右,而且滤波收敛速度快。     

容积粒子滤波算法及其应用

针对使用现有粒子滤波算法对非线性/非高斯离散时间系统的状态估计精度较低的问题,提出了一种新的粒子滤波算法——容积粒子滤波(CPF)算法.新算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,产生粒子滤波算法的建议性密度函数,获得所需要的带权粒子,进而通过计算粒子均值,获得系统状态的最小均方误差估计.CPF算法由于产生粒子时使用了最新的测量信息,因而提高了对系统状态后验概率的逼近程度.仿真实验结果表明,CPF算法的估计误差约是标准粒子滤波算法和扩展粒子滤波算法误差的1/5和1/3,是无味粒子滤波(UPF)算法的估计误差的1/2,且运行时间只有UPF算法的1/3.     

广义系统解耦融合Wiener状态估值器

应用现代时间序列分析方法,基于自回归滑动平均（ARMA）新息模型和白噪声估计理论,在线性最小方差分量标量加权最优信息融合准则下,提出了多传感器广义线性离散随机系统分量解耦融合Wiener状态估值器,可统一处理融合滤波、预报和平滑问题,可处理非因果广义系统。为了计算最优加权,给出了计算局部估计误差互协方差阵公式。它的精度比每个局部估值器精度高。一个MonteCarlo仿真例子说明其有效性。     

最小均方误差准则的自适应天线阵控零技术研究

本文针对基于最小均方误差准则的自适应天线阵方向图的控零技术进行研究。首先介绍了最小均方误差准则的基本理论,然后对基于该准则的自适应天线阵进行理论分析,最后对需要信号和干扰信号的到达方向发生改变以及干扰信号的幅值发生改变的两种情况阵的抗干扰性能。     

基于凸泛函准则的ISAR中包络对齐方法

包络对齐是逆合成孔径雷达(ISAR)运动补偿的关键技术之一。利用相邻目标回波包络之间的高度相似性,该文提出了基于凸泛函准则的包络对齐算法的设计思想。理论分析表明,目前常用的互相关以及最小熵等包络对齐算法都可用该准则进行归结。在此基础上,进一步提出了一些其他类型的包络对齐算法。基于外场实测数据的处理结果表明,基于凸泛函准则的包络对齐算法能够较好地实现包络对齐,成像结果与互相关、最小熵方法相当,从而验证了这些包络对齐算法和凸泛函准则设计思想的有效性。     

基于联邦网络的传递对准滤波补偿算法

针对空中环境各种干扰因素对空空导弹传递对准(TA)滤波的影响,提出一种基于联邦网络的补偿算法.将干扰误差考虑为量测输入纳入滤波系统,改进标准Kalman滤波结构.将补偿神经网络设计成联邦结构,两个子系统分别用于训练量测输入估计误差、输出层权值误差和隐层权值误差.推导了联邦网络的训练算法并对算法进行了稳定性证明,保证了网络在结构上计算量小,系统反馈能力强,能够对干扰误差进行有效在线预测,辅助改进Kalman滤波器对失准角进行精确估计.仿真比较实验验证了该算法能够在不需任何先验信息的条件下,及时适应对准环境,预测校正干扰误差,滤波收敛快、精度高,适合空空导弹在具体设备和环境条件下的快速精确传递对准.     

基于预设性能转台伺服系统的参数估计和自适应控制

针对含参数未知和非线性摩擦动态的转台伺服系统,提出了一种基于预设性能函数的参数估计和自适应控制方法.利用一种连续的摩擦模型表示转台伺服系统的摩擦动态,引入高阶神经网络对其进行逼近.通过构造一种滤波辅助变量获取参数估计误差信息,并将估计误差信息作为参数自适应律的遗漏因子,保证估计值能够快速收敛到真实值.为了提高转台伺服系统的瞬态响应和稳态性能,利用预设性能函数将原始系统的跟踪误差转换为一个新的误差动态,在此基础上设计自适应控制器,实现对期望轨迹的精确跟踪.仿真结果验证了本文所提算法的有效性.      

基于多传感器信息融合理论的交互式多模型算法

在经典的交互式多模型算法中,对似然函数的高斯近似以及概率密度函数与概率质量函数的混合计算使得所求得的模型概率仅为贝叶斯意义下的次优值.为解决此问题,基于各滤波器估计误差的相关性和多传感器最优信息融合准则,提出了一种重新加权的交互式多模型算法.该算法通过计算估计误差的互协方差阵对模型概率进行更新,在此基础上利用最优信息融合理论对各滤波器的滤波结果进行融合.理论分析及仿真结果表明:经过重新加权的交互式多模型算法较原始算法以及其他忽略误差相关性的交互式多模型的改进算法在估计精度上均有显著的提高.     

多进多出中继系统中基于失真信道估计的线性预编码

在放大转发多进多出(MIMO)中继系统基础上,提出了一种基于失真信道估计的中继线性预编码设计方案.该方案将信道估计误差建模为高斯随机变量,并根据最小均方误差（MMSE）准则,通过理论推导给出了闭式解.数值仿真结果表明,与不考虑信道估计误差时的方案相比,该方案有效降低了系统的均方误差和误码率.     

目标跟踪滤波性能的评价准则

针对单目标跟踪滤波性能评价标准,分析研究均方根误差、误差适配百分比、和方根误差、带有理论边界的状态误差、带有理论边界的新息序列、归一化估计误差平方和具有理论边界的归一化信息平方.针对多目标跟踪滤波性能评价标准,分析研究圆丢失概率、Hausdorff距离、Was-serstein距离和最优子模型分配距离.并讨论跟踪滤波算法时间复杂度的度量方法.     

基于最小均方误差的多用户MIMO系统下行链路预编码

针对多输入多输出(multple input multiple output,MIMO)系统下行链路的迫零预编码方法在块对角化的基础上追求最大化系统和容量,而并未考虑接收信号的均方误差,从接收信号具有最小均方误差的角度设计了多用户MIMO系统的下行链路预编码的方案,称为块对角化最小均方误差方案。理论分析和仿真结果表明,该方案相较于迫零算法具有较小的接收信号均方误差及较好的误码率性能,并且保持了迫零算法绝大部分的系统和容量,它在系统误码率与和容量方面提供了一种较好的折中。     

一种非最小相位系统的非线性控制器设计方法

为解决非线性系统状态反馈线性化过程中出现的非最小相位问题,设计了一种非线性控制器实现对非最小相位环节的有效控制;通过微分同胚映射将原非线性系统变换为线性化标准型形式,此标准型由线性子系统描述的外部动态和由非线性子系统描述的内部动态(即零动态)构成;基于极点配置和李雅普诺夫稳定性理论,给出了一种零动态不稳定系统(即非最小相位系统)非线性控制器设计方法。数值算例仿真结果表明,该方法所设计的控制器既能确保外部动态满足性能要求同时也能保证零动态稳定。     

基于最小均方误差的多用户MIMO系统下行链路预编码

针对多输入多输出(multple input multiple output,MIMO)系统下行链路的迫零预编码方法在块对角化的基础上追求最大化系统和容量,而并未考虑接收信号的均方误差,从接收信号具有最小均方误差的角度设计了多用户MIMO系统的下行链路预编码的方案,称为块对角化最小均方误差方案.理论分析和仿真结果表明,该方案相较于迫零算法具有较小的接收信号均方误差及较好的误码率性能,并且保持了迫零算法绝大部分的系统和容量,它在系统误码率与和容量方面提供了一种较好的折中.     

两传感器信息融合稳态Kalman滤波器和平滑器

应用Kalman滤波方法,基于Riccati方程,对输入噪声和观测噪声相关,且传感器观测噪声相关的两传感器系统,在线性最小方差最优信息融合准则下,提出了按矩阵加权最优信息融合Kalman滤波器和平滑器。为了计算最优加权阵,提出了局部估计误差互协方差阵的计算公式。同单传感器情况相比,可提高融合估计精度。一个目标跟踪系统的仿真例子说明了其有效性。     

基于广义互熵主元分析的故障检测方法

针对实际化工过程会受到不同程度非高斯扰动影响的问题,提出一种基于广义互熵主元分析的故障检测方法。从重构误差的角度出发,考虑过程的非高斯性,采用广义互熵准则构建PCA模型,利用核密度估计法确定故障检测指标的控制限。将所提出的方法用于田纳森-伊斯曼过程进行故障检测,并与基于传统PCA的故障检测方法和基于核PCA的故障检测方法进行对比。由田纳森-伊斯曼过程21种故障检测结果可知,本文所提出的广义互熵PCA在处理非高斯系统的故障检测方面表现出良好的性能,即有较低的误报率和漏报率。     

自适应非线性FIR主动噪声控制

针对非线性主动噪声控制系统的非高斯噪声问题,利用Hammerstein/Wiener模型思想简化Volterra滤波器,提出基于函数映射的非线性FIR主动噪声控制器.给出基于二阶Renyi误差熵和均方误差加权和的广义滤波-X梯度下降算法,实现自适应非线性主动噪声控制,并分析了控制算法的收敛性.该方法综合了信息熵和均方误差对误差信息的优势,结构简单且学习参数少.仿真结果表明了该方法的有效性.     

一类不确定非线性系统的鲁棒自适应模糊控制

针对一类具有未知控制增益符号的不确定非线性系统。基于模糊系统的逼近能力，利用Nussbaum函数的性质，提出了一种自适应模糊控制器设计的新方案．该方案取消了函数控制增益符号已知这一条件，并通过引入最优逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响．理论分析证明了闭环系统的有界性和跟踪误差收敛到零．仿真结果表明了该方法的有效性．     

基于交叉熵的NC-OFDM系统最优导频序列设计算法

针对NC-OFDM(non-contiguous orthogonal frequency)系统子载波非连续且动态变化导致传统等间隔分布的导频序列设计算法计算复杂度高、频谱利用率低和处理时延大等问题,提出了基于交叉熵的最优导频序列位置优化设计算法。算法以最小化系统均方误差为准则,采用交叉熵算法在所有可用子载波中求解目标函数的最优解,有效解决了传统穷举搜索算法计算复杂度高的问题。与传统算法相比,所提算法保证了信道估计精度,降低了系统均方误差和误码率,从整体上提高了系统性能。